struct sdshdr{
int len;//记录buf数组已使用的长度,即SDS的长度(不包含末尾的’\0’)
int free;//记录buf数组中未使用的长度
char buf[];//字节数组,用来保存字符串
}
经过改进之后,如果想要获取 sds 的长度不用去遍历 buf 数组了,直接读取 len 属性就可以得到长度,时间复杂度一下就变成了 O(1) ,而且因为判断字符串长度不再依赖空字符 \0 ,所以其能存储图片,音频,视频和压缩文件等二进制数据,不用担心读取到的字符串不完整。
需要注意的是, sds 依然遵循了 C 语言字符串以 \0 结尾的惯例,这么做是为了方便复用 C语言字符串原生的一些API,换言之就是在 C 语言中会以碰到的第一个 \0 字符当做当前字符串对象的结尾,所以如果一些二进制数据就会可能出现读取字符串不完整的现象,而 sds 会以长度来判断是否到字符串末尾。
在 Redis 3.2 之后的版本, Redis 对 sds 又做了优化,按照存储空间的大小拆分成为了 sdshdr5 、 sdshdr8 、 sdshdr16 、 sdshdr32 、 sdshdr64 ,分别用来存储大小为: 32 字节( 2 的 5 次方), 256 字节( 2 的 8 次方), 64KB ( 2 的 16 次方), 4GB 大小( 2 的 32 次方)以及 2 的 64 次方大小的字符串(因为目前版本key 和 value 都限制了最大 512MB,所以 sdshdr64 暂时并未使用到)。 sdshdr5只被应用在了 Redis 中的 key 中, value 中不会被使用到,因为 sdshdr5 和其他类型也不一样,其并没有存储未使用空间,所以其是比较适用于使用大小固定的场景(比如 key 值):
任意选择其中一种数据类型,其字段代表含义如下:
struct attribute ((packed)) sdshdr8 {
uint8_t len; //已使用空间大小
uint8_t alloc; //总共申请的空间大小(包括未使用的)
unsigned char flags; //用来表示当前sds类型是sdshdr8还是sdshdr16等
char buf[]; //真实存储字符串的字节数组
};
可以看到相比较于 Redis 3.2 版本之前的 sds 主要是修改了 free 属性然后新增了一个flags 标记来区分当前的 sds 类型。
sds 空间分配策略
==============
C 语言中因为字符串内部没有记录长度,所以如果扩充字符串的时候非常容易造成 缓冲区溢出(buffer overflow) 。
请看下面这张图,假设下面这张图就是内存里面的连续空间,可以很明显的看到,此时 wolf和 Redis 两个字符串之间只有三个空位,那么这时候如果我们要将 wolf 字符串修改为 lonelyWolf ,那么就需要 6 个空间,这时候下面这个空间是放不下的,所以必须要重新申请空间,但是假如说程序员忘了申请空间,或者说申请到的空间依然不够,那么就会出现后面的 Redis 字符串中的 Red 被覆盖了:
同样的,假如要缩小字符串的长度,那么也需要重新申请释放内存。否则,字符串一直占据着未使用的空间,会造成 内存泄露 。
C 语言避免缓存区溢出和内存泄露完全依赖于人为,很难把控,但是使用 sds 就不会出现这两个问题,因为当我们操作 sds 时,其内部会自动执行 空间分配策略 ,从而避免了上述两种情况的出现。
空间预分配
=========
空间预分配指的是当我们通过 api 对 sds 进行扩展空间的时候,假如未使用空间不够用,那么程序不仅会为 sds 分配必须要的空间,还会额外分配未使用空间,未使用空间分配大小主要有两种情况:
- 1、假如扩大长度之后的 len 属性小于等于 1MB (即 1024 * 1024),那么就会同时分配和 len 属性一样大小的未使用空间( 此时 buf 数组已使用空间 = 未使用空间 )。
- 2、假如扩大长度之后的 len 属性大于 1MB ,那么就会分配 1MB 未使用空间大小。
执行空间预分配策略的好处是 提前分配了未使用空间备用后,就不需要每次增大字符串都需要分配空间,减少了内存重分配的次数。
惰性空间释放
==========
惰性空间释放指的是当我们需要通过 api 减小 sds 长度的时候,程序并不会立即释放未使用的空间,而只是更新 free 属性的值,这样空间就可以留给下一次使用。而为了防止出现内存溢出的情况, sds 单独提供给了 api 让我们在有需要的时候去真正地释放内存。
sds 和 C 语言字符串区别
===================
下面表格中列举了 Redis 中的 sds 和 C 语言中实现的字符串的区别:
sds 是如何被存储的
===============
在 Redis 中所有的数据类型都是将对应的数据结构再进行了再一次包装,创建了一个字典对象来存储的, sds 也不例外。每次创建一个 key-value 键值对, Redis 都会创建两个对象,一个是键对象,一个是值对象。而且需要注意的是 在 Redis 中,值对象并不是直接存储,而是被包装成 redisObject 对象 ,并同时将键对象和值对象通过dictEntry 对象进行封装,如下就是一个 dictEntry 对象:
typedef struct dictEntry {
void *key;//指向key,即sds
union {
void *val;//指向value
uint64_t u64;
int64_t s64;
double d;
} v;
struct dictEntry *next;//指向下一个key-value键值对(哈希值相同的键值对会形成一个链表,从而解决哈希冲突问题)
} dictEntry;
redisObject 对象的定义为:
typedef struct redisObject {
unsigned type:4;//对象类型(4位=0.5字节)
unsigned encoding:4;//编码(4位=0.5字节)
unsigned lru:LRU_BITS;//记录对象最后一次被应用程序访问的时间(24位=3字节)
int refcount;//引用计数。等于0时表示可以被垃圾回收(32位=4字节)
void *ptr;//指向底层实际的数据存储结构,如:sds等(8字节)
} robj;
当我们在 Redis 客户端中执行命令 set name lonely_wolf ,就会得到下图所示的一个结构(省略了部分属性):
看到这个图想必大家会有疑问,这里面的 type 和 encoding 到底是什么呢?其实这两个属性非常关键, Redis 就是通过这两个属性来识别当前的 value 到底属于哪一种基本数据类型,以及当前数据类型的底层采用了何种数据结构进行存储。
type 属性
===========
type 属性表示对象类型,其对应了 Redis 当中的 5 种基本数据类型:
可以看到,这就是对应了我们 5 种常用的基本数据类型。
encoding 属性
===============
Redis 当中每种数据类型都是经过特别设计的,相信大家看完这个系列也会体会到Redis 设计的精妙之处。字符串在我们眼里是非常简单的一种数据结构了,但是Redis 却把它优化到了极致,为了节省空间,其通过编码的方式定义了三种不同的存储方式:
- int 编码
当我们用字符串对象存储的是整型,且能用 8 个字节的 long 类型进行表示(即 2 的 63 次方减 1 ),则 Redis 会选择使用 int 编码来存储,此时redisObject 对象中的 ptr 指针直接替换为 long 类型。我们想想 8 个字节如果用字符串来存储只能存 8 位,也就是千万级别的数字,远远达不到 2 的 63次方减 1 这个级别,所以如果都是数字,用 long 类型会更节省空间。
- embstr 编码
当字符串对象中存储的是字符串,且长度小于 44 ( Redis 3.2 版本之前是 39)时, Redis 会选择使用 embstr 编码来存储。
- raw 编码
当字符串对象中存储的是字符串,且长度大于 44 时, Redis 会选择使用 raw编码来存储。
讲了半天理论,接下来让我们一起来验证下这些结论,依次输入 set name lonely_wolf , type name , object encoding name 命令:
可以发现当前的数据类型就是 string ,普通字符串因为长度小于 44 ,所以采用的是embstr编码。
再依次输入: set num 1111111111 , set address aaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaa (长度 44 ), set address aaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaa (长度 45 ),分别查看类型和编码:
可以发现,当输入纯数字的时候,采用的是 int 编码,而字符串小于等于 44 则为embstr ,大于 44 则为 raw 编码。
字符串对象中除了上面提到的纯整数和字符串,还可以存储浮点型类型,所以字符串对象可以存储以下三种类型:
- 字符串
- 整数
- 浮点数