REDIS 字典 rehash redis 字典结构

需要深入redis，其中重要的一步就是要看懂它里面所使用的数据结构，其中最重要的就是字典，它几乎就是redis实现各种功能的骨架。

1、字典数据结构

redis作为一个nosql数据库，所有的key-value都是存储在一个字典中，而字典则是用哈希表实现的。

字典使用两个哈希表，一般只使用ht[0]，只有当Rehash时候才使用ht[1]；
哈希表采用链表的方式解决键碰撞问题；
Redis的Rehash操作是渐进式的，服务器程序会主动Rehash，在查找、添加、删除元素等操作时也会在Rehash进行时执行一次rehash操作。

下面看下在redis中哈希表是什么样的：

上图所示结构对应代码如下：

// 字典
typedef struct dict {
    // 哈希表（2个）
    dictht ht[2]; 
    // rehash索引，若rehashidx == -1，则表示未开始进行rehash，
    // 否则rehashidx的值表示rehash正进行到ht[0]这个hash表上哪个索引节点
    int rehashidx;  
    // 安全迭代器数量
    int iterators; 
} dict;

// 哈希表
typedef struct dictht {
    // 哈希表 （指向一个dictEntry*数组，俗称“桶”）
    dictEntry **table;      
    // 哈希表大小
    unsigned long size;     
    // 位掩码，通过hash_value & sizemask得出节点在哈希表索引
    unsigned long sizemask; 
    // 哈希表中节点数量
    unsigned long used;     
} dictht;

// 哈希节点
typedef struct dictEntry {
    // 键
    void *key;
    // 值
    union {
        void *val;
        uint64_t u64;
        int64_t s64;
    } v;
    // 指向下一个节点
    struct dictEntry *next; 
} dictEntry;

2、字典扩容

关于redis中的字典，最特别的无疑是dict中维护着两个哈希表（ht[0]，ht[1]），为什么要有两个呢？在解释这个之前我们先看下哈希表的rehash;

rehash目的：

当我们不断的往哈希表（ht[0]）插入新的键值对，如果两个键的hash值相同，那么它们将以链表的形式放入到同一个“桶”中，如下图key1和key4:

这样带来的问题就是，随着我们往哈希表里插入越来越多的键值对，哈希表性能会急剧下降（查找操作都退化成链表查找）；

所以，我们就需要扩大原来的哈希表，使得哈希表大小和哈希表中的节点数的比例能够维持在1:1（dictht.size:dictht.used），这时候哈希表才能达到最佳查询性能O(1)

rehash过程：

创建一个新的哈希表，大小是当前的两倍（准确说还必须是2的幂次），然后把全部键值对重新散列到新的哈希表中，最后再用它替换原来的哈希表；

rehash问题：

我们考虑下面一种情况：客户端A插入一个键值对，这时候发现dictht.used与dictht.size的比例大于1（查询性能开始下降），于是执行rehash操作，假设目前哈希表中有10万个键值对，那么redis就会一直埋头苦干，直到完成对这个10万个键值对的rehash操作，并且在这个过程中，其他客户端请求都会被阻塞（因为redis是单线程）；很显然我们是无法忍受这种情况的发生，那redis是如何解决这个问题呢？

渐进式rehash:

“渐进式”意味着rehash过程不是一次做完而是每次做一点，这样就可以避免由于rehash过程太久导致其他客户端请求被阻塞，具体过程如下：

1. 在ht[1]上分配一个更大的哈希表；

2. “分多次”把ht[0]上的键值对重新散列到ht[1]上；

3. 当处理完所有键值对时，让ht[0]指向新的哈希表；

渐进式rehash步骤如下

现在还有一个问题，我们说了 “分多次把ht[0]上的键值对重新散列到ht[1]上”，那么这个分多次究竟是多少次？并且每次处理多少键值对才最合适？

redis准备rehash时，会把dict.rehashidx置为0（标示rehash开始），然后当执行任意一个哈希表操作（添加，删除，查找等），就会执行一次_dictRehashStep函数；

_dictRehashStep函数每次rehash把ht[0]上的第一个不为空索引上的全部键值对迁移到ht[1]上，并且用dict.rehashidx的值标示当前rehash正进行到了哪个索引；

也就是说按照上图，第一次迁移key1，key4键值对（这时候dict.rehashidx的值为0），第二次迁移key2键值对（这时候dict.rehashidx的值为1），第三次迁移key3键值对（这时候dict.rehashidx的值为2），至此rehash完毕（dict.rehashidx被复位成-1），相关伪代码：

# 任意dict操作（添加，删除，查找）
def anyDictOperation(dict):
    # 如果正在进行rehash
    if dict.rehashidx != -1: 
        _dictRehashStep(dict)
    # 执行字典操作
    dictOperation(dict)
        
def _dictRehashStep(dict):
    # 如果当前安全迭代器数量不为0，暂停此次rehash
    if dict.iterators > 0 : return

    idx = dict.rehashidx
    # 获取第一个不为空的索引
    while len(dict.ht[0].table[idx]) <= 0:
        idx++

    # 迁移该索引节点上的所有键值对到ht[1]上 
    for key, val in dict.ht[0].table[idx].getKeyValuePairs:
        redisServer.ht[0].table.used--
        redisServer.ht[1].table.used++                                                                              
        redisServer.ht[1].table.hash(key, val)  
    
    # 当所有键值对迁移完毕，用新的哈希表替换老的，并且重置ht[1]
    if dict.ht[0].table.used == 0:
        dict.ht[0] = dict.ht[1]
        dict.ht[1].reset()
        dict.rehashindx = -1 # 复位

另外，redis在执行服务器执行例行任务时（serverCron），也会定期去做一部分rehash操作伪代码：

def serverCron():
    # 循环redis所有数据库
    for num in redisServer.dbnums:
        if redisServer.db[num].dict.rehashidx != -1 :
            # 第二个参数用来限制rehash执行多久，单位毫秒
            dictRehashMilliseconds(redisServer.db[num].dict, 1)
    # 其他例行任务...

def dictRehashMilliseconds(dict, timeout_ms):
    start_time =  now_time()
    while now_time() - start_time < timeout_ms:
        _dictRehashStep(dict)

至此，我们已经分析完：为什么要在dict中维护两个哈希表（ht[0]，ht[1]）；

关于redis字典的更多细节，请参看：dict.h和dict.c代码以及redis.c/serverCron函数

3、字典的API函数

函数名称	作用	复杂度
dictCreate	创建一个新字典	O(1)
dictResize	重新规划字典的大小	O(1)
dictExpand	扩展字典	O(1)
dictRehash	对字典进行N步渐进式Rehash	O(N)
_dictRehashStep	对字典进行1步尝试Rehash	O(N)
dictAdd	添加一个元素	O(1)
dictReplace	替换给定key的value值	O(1)
dictDelete	删除一个元素	O(N)
dictRelease	释放字典	O(1)
dictFind	查找一个元素	O(N)
dictFetchValue	通过key查找value	O(N)
dictGetRandomKey	随机返回字典中一个元素	O(1)

（1）创建新字典

通过dictCreate函数创建一个新字典dict *dictCreate(dictType *type, void *privDataPtr).

一个空字典的示意图如下(图片来自Redis设计与实现一书),ht[1]只在Rehash时使用: 

（2）字典添加元素

根据字典当前的状态，将一个key-value元素添加到字典中可能会引起一系列复制的操作：

如果字典未初始化（即字典的0号哈希表ht[0]的table为空），那么需要调用dictExpand函数对它初始化；

如果插入的元素key已经存在，那么添加元素失败；

如果插入元素时，引起碰撞，需要使用链表来处理碰撞；

如果插入元素时，引起程序满足Rehash的条件时，先调用dictExpand函数扩展哈希表的size，然后准备渐进式Rehash操作。

字典添加元素的流程图(来自Redis设计与实现):

/* Expand or create the hash table */
intdictExpand(dict *d, unsigned long size)
{
    dictht n; /* the new hash table */
    unsigned long realsize = _dictNextPower(size); //得到需要扩展到的size
 
    /* the size is invalid if it is smaller than the number of
     * elements already inside the hash table */
    if (dictIsRehashing(d) || d->ht[0].used > size)
        returnDICT_ERR;
 
    /* Allocate the new hash table and initialize all pointers to NULL */
    n.size= realsize;
    n.sizemask = realsize-1;
    n.table= zcalloc(realsize * sizeof(dictEntry*));
    n.used = 0;
 
    /* Is this the first initialization? If so it's not really a rehashing
     * we just set the first hash table so that it can accept keys. */
    if (d->ht[0].table== NULL) {
        d->ht[0] = n;
        returnDICT_OK;
    }
 
    /* Prepare a second hash table for incremental rehashing */
    //准备渐进式rehash，rehash的字典table为0号
    d->ht[1] = n;
    d->rehashidx = 0;
    returnDICT_OK;
}
 
/* Expand the hash table if needed */
staticint _dictExpandIfNeeded(dict *d)
{
    /* Incremental rehashing already in progress. Return. */
    if (dictIsRehashing(d)) returnDICT_OK;
 
    // 如果哈希表为空，那么将它扩展为初始大小
    if (d->ht[0].size== 0) returndictExpand(d, DICT_HT_INITIAL_SIZE);
 
    /*如果哈希表的已用节点数 >= 哈希表的大小，并且以下条件任一个为真：
       1) dict_can_resize 为真
       2) 已用节点数除以哈希表大小之比大于 dict_force_resize_ratio
       那么调用 dictExpand 对哈希表进行扩展,扩展的体积至少为已使用节点数的两倍
    */
    if (d->ht[0].used >= d->ht[0].size&&
        (dict_can_resize ||
         d->ht[0].used/d->ht[0].size> dict_force_resize_ratio))
    {
        returndictExpand(d, d->ht[0].used*2);
    }
    returnDICT_OK;
}
 
staticint _dictKeyIndex(dict *d, const void *key)
{
    unsignedinth, idx, table;
    dictEntry *he;
 
    /* Expand the hash table if needed */
    if (_dictExpandIfNeeded(d) == DICT_ERR)
        return-1;
    /* Compute the key hash value */
    h = dictHashKey(d, key);//通过hash函数得到key所在的bucket索引位置
    //查找在现有字典中是否出现了该key
    for(table= 0; table<= 1; table++) {
        idx = h & d->ht[table].sizemask;
        /* Search if this slot does not already contain the given key */
        he = d->ht[table].table[idx];
        while(he) {
            if (dictCompareKeys(d, key, he->key))
                return-1;
            he = he->next;
        }
        //如果系统没在rehash则不需要查找ht[1]
        if (!dictIsRehashing(d)) break;
    }
    returnidx;
}
 
dictEntry *dictAddRaw(dict *d, void *key)
{
    intindex;
    dictEntry *entry;
    dictht *ht;
 
    if (dictIsRehashing(d)) _dictRehashStep(d);// 尝试渐进式地 rehash 桶中一组元素
 
    /* Get the index of the new element, or -1 if
     * the element already exists. */
    // 查找可容纳新元素的索引位置,如果元素已存在， index为 -1
    if ((index= _dictKeyIndex(d, key)) == -1)
        returnNULL;
 
    /* Allocate the memory and store the new entry */
    ht = dictIsRehashing(d) ? &d->ht[1] : &d->ht[0];
    // 决定该把新元素放在那个哈希表
    entry = zmalloc(sizeof(*entry));
    //头插法，插入节点
    entry->next= ht->table[index];
    ht->table[index] = entry;
    ht->used++;
 
    /* Set the hash entry fields. */
    dictSetKey(d, entry, key);//关联起key
    returnentry;
}
 
/* Add an element to the target hash table */
//添加一个元素
intdictAdd(dict *d, void *key, void *val)
{
    dictEntry *entry = dictAddRaw(d,key);
 
    if (!entry) returnDICT_ERR;
    dictSetVal(d, entry, val);//关联起value
    returnDICT_OK;
}