redis的数据结构与对象

简单动态字符串

文章目录

简单动态字符串
- SDS的定义
- - - SDS的结构
    - 图示结构
    - SDS字段解析
    - SDS的特点
- SDS和字符串的区别
- - 常数复杂度获取字符串的长度
  - 杜绝缓冲区的溢出
  - 减少修改字符串时的内存分配次数
  - 二进制安全
  - 兼容部分c字符串函数
  - 总结
链表
- 链表和链表节点的实现
- - - - 链表节点（listNode）
      - 链表（list）
      - 链表的操作
      - 创建链表
        释放链表
        添加节点
        删除节点
- 总结
- - 重点回顾
字典
- 字典的实现
- - - 图示结构
    - 详细解释
- 哈希算法
- - - 哈希函数
    - 哈希桶索引计算
- **计算桶索引**：
- - - 图示结构
    - 关键点总结
- 解决键冲突
- - - 解决键冲突的策略
    - 哈希冲突的处理流程
    - 图示结构
    - 关键点总结
- 4. Rehash
- - - 哈希表的扩展和收缩
    - Rehash过程
    - 渐进式 Rehash
    - 图示结构
    - 关键点总结
  - Rehash的条件总结
  - - 1. **哈希表****扩展条件**
    - 2. **哈希表****收缩条件**
    - 3. **渐进式 Rehash**
  - 关键点总结
- 重点回顾
跳跃表
- 跳跃表的实现
- - 跳跃表节点
  - - - 1. 层（Level）
      - 2. 前进指针（Forward Pointers）
      - 3. 跨度（Skip）
      - 4. 后退指针（Backward Pointers）
      - 5. 分值和成员（Score and Member）
    - 源码结合
    - - 1. `zskiplistNode`
      - 2. `zskiplist`
      - 3. 主要函数
  - 跳跃表
  - - 1. 跳跃表的节点结构
    - 2. 跳跃表的结构
    - 3. 跳跃表的操作
    - 4. 跳跃表的优势
整数集合
- 整数集合的实现
- - 1. 整数集合的实现
  - - 1.1 数据结构
    - 1.2 初始化
    - 1.3 添加元素
    - 1.4 查找元素
    - 1.5 删除元素
    - 1.6 内存管理
    - 图解
- 升级
- - 2. 升级
  - - 2.1 升级的原因
    - 2.2 升级的实现
    - 2.3 升级步骤
    - 2.4 升级示例
    - 重点剖析
- 升级和好处
- - - 3.1 升级的灵活性
    - 3.2 节约空间
    - - 内存节约机制
      - 示例
    - 升级的好处总结
  - 重点剖析
- 降级
- - - 4.1 为什么不支持降级
    - 4.2 降级的手动处理
  - 重点剖析
  - 总结
压缩列表
- 压缩列表的构成
- - - 1.1 压缩列表结构
    - 1.2 头部
    - 1.3 节点
    - 1.4 尾部
    - 1.5 图示
    - 重点剖析
- 压缩列表节点的构成
- - - 2.1 `previous_entry_length`
    - - 示例
    - 2.2 `Encoding`
    - - 示例
    - 2.3 `Content`
    - - 示例
    - 重点剖析
- 连锁反应
- - - 3.1 插入操作
    - - 示例
    - 3.2 删除操作
    - - 示例
    - 3.3 移动操作
    - - 示例
    - 重点剖析
对象
- 对象的类型与编码
- - 对象的类型
- 字符串对象（String）
- - - 编码转换
    - 字符串命令的实现
- 列表对象（List）
- - - 编码转换
    - 列表命令的实现
- 哈希对象（Hash）
- - - 编码转换
    - 哈希命令的实现
- 集合对象（Set）
- - - 编码转换
    - 集合命令的实现
- 有序集合对象（Sorted Set）
- - - 编码转换
    - 有序集合命令的实现
- 总结：转换条件
- 类型检查与命令多态
- - - 类型检查的实现
    - 多态命令的实现
- 内存回收
- - 内存回收
  - - 内存回收的实现
- 对象共享
- - - 对象共享的实现
- 对象的空转时长
- - - 对象空转时长的实现

SDS的定义

SDS（Simple Dynamic String）是一种由Redis引入的字符串数据结构，旨在提高字符串处理的效率和灵活性。与C语言中的传统字符串（C字符串）相比，SDS提供了一些额外的功能和改进，特别是在内存管理和性能方面。

SDS的结构

struct sdshdr {int len;    // 当前字符串长度int free;   // 剩余可用空间char buf[]; // 字符数组
};

图示结构

外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来直接上传

SDS字段解析

len：表示当前SDS字符串的长度，不包括终止
符。
free：表示在buf中未使用的空间量。
buf：实际存储字符串内容的字符数组，长度为len + free1（加1是为了存储空终止符\0）。

SDS的特点

动态扩展：SDS能够根据需要自动扩展和收缩。当字符串内容增加时，SDS会重新分配足够的空间以容纳新内容，同时保留一定的预留空间，以减少未来的扩展操作。
存储长度信息：SDS在结构体中存储了字符串的长度，这使得获取字符串长度的操作时间复杂度为O(1)，即常数时间复杂度。
二进制安全：SDS能够存储二进制数据，而不仅仅是文本数据。这是因为SDS内部使用的len字段来确定字符串的长度，而不是依赖于空终止符\0。
减少缓冲区溢出：由于SDS能够自动管理内存，因此可以有效避免缓冲区溢出的问题。

通过这些特点，SDS在处理字符串操作时比传统的C字符串更为高效和安全。接下来将详细介绍SDS和C字符串的区别。

SDS和字符串的区别

长度存储：

C字符串：通过空终止符（\0）确定字符串长度，需要遍历整个字符串，时间复杂度为O(n)。
SDS：通过结构体中的len字段存储字符串长度，获取长度的操作时间复杂度为O(1)。

内存****管理：

C字符串：需要手动管理内存，容易发生缓冲区溢出。
SDS：自动管理内存，防止缓冲区溢出，提供更安全的字符串操作。

内存****分配：

C字符串：每次修改字符串内容都可能导致内存重新分配。
SDS：通过空间预分配和惰性空间释放减少内存重新分配的次数。

二进制安全：

C字符串：不适合存储二进制数据，因为会误将二进制数据中的\0视为字符串终止符。
SDS：可以存储二进制数据，因为其长度是通过len字段确定的，而不是依赖空终止符。

兼容性：

C字符串：直接使用标准库函数进行字符串操作。
SDS：兼容部分C字符串函数，同时提供更高效和安全的操作。

常数复杂度获取字符串的长度

SDS在结构体中存储了字符串的长度，这使得获取字符串长度的操作时间复杂度为O(1)，即常数时间复杂度。这比C字符串的O(n)复杂度要高效得多。

int sdslen(const sds s) {struct sdshdr *sh = (void*)(s - (sizeof(struct sdshdr)));return sh->len;
}

杜绝缓冲区的溢出

由于SDS能够自动管理内存，因此可以有效避免缓冲区溢出的问题。每次操作时，SDS都会检查是否有足够的空间，如果没有，就会自动扩展。

减少修改字符串时的内存分配次数

SDS通过以下两种方式减少内存重新分配的次数：

空间预分配：
1. 当SDS需要扩展时，会多分配一些额外的空间，以便未来的操作可以直接利用这部分空间，而不需要再次进行内存分配。
2. 这个操作使得将扩展N次操作的行为，限制到最多执行N次内存分配

s = sdsMakeRoomFor(s, addlen);

惰性空间释放：
1. 当SDS缩小时，并不会立即释放多余的内存，而是将其标记为未使用的空间，以便将来可以重用。

void sdsIncrLen(sds s, int incr) {struct sdshdr *sh = (void*)(s - (sizeof(struct sdshdr)));sh->len += incr;sh->free -= incr;
}

二进制安全

SDS能够存储和处理二进制数据，而不仅仅是文本数据。这是因为SDS内部使用的len字段来确定字符串的长度，而不是依赖于空终止符\0。

兼容部分c字符串函数

SDS兼容部分C字符串函数，使得开发者可以方便地将其与C字符串互换使用。

sds s = sdsnew("hello");
s = sdscat(s, " world");
printf("%s\n", s); // 输出：hello world

总结

SDS通过引入长度存储、动态扩展、空间预分配和惰性空间释放等机制，在处理字符串操作时比传统的C字符串更加高效和安全。同时，SDS的二进制安全特性和兼容部分C字符串函数的设计，使其成为一种灵活且功能强大的字符串数据结构。在Redis中，SDS的应用极大地提高了系统的性能和可靠性。

链表

链表和链表节点的实现

Redis 是一个高性能的键值存储系统，使用多种数据结构来实现其功能，其中链表是一种重要的数据结构。链表在 Redis 中用于实现列表类型的数据（List）。下面将详细介绍 Redis 中链表的实现，包括链表和链表节点的实现，并进行总结。

链表和链表节点的实现

在 Redis 中，链表通过两个主要的结构体来实现：list 和 listNode。

链表节点（listNode）

链表节点包含了节点的数据以及指向前驱和后继节点的指针。其结构体定义如下：

typedef struct listNode {struct listNode *prev; // 指向前一个节点struct listNode *next; // 指向后一个节点void *value;           // 节点的值
} listNode;

链表（list）

链表结构体包含了指向头节点和尾节点的指针，以及链表的长度和用于节点值操作的函数指针。其结构体定义如下：

typedef struct list {listNode *head;        // 指向链表的头节点listNode *tail;        // 指向链表的尾节点void *(*dup)(void *ptr);   // 节点值复制函数void (*free)(void *ptr);   // 节点值释放函数int (*match)(void *ptr, void *key); // 节点值匹配函数unsigned long len;     // 链表的长度（节点数）
} list;

链表的操作

链表的基本操作包括创建链表、释放链表、添加节点、删除节点等。

创建链表

list *listCreate(void) {struct list *list;if ((list = malloc(sizeof(*list))) == NULL)return NULL;list->head = list->tail = NULL;list->len = 0;list->dup = NULL;list->free = NULL;list->match = NULL;return list;
}

释放链表

void listDelNode(list *list, listNode *node) {if (node->prev)node->prev->next = node->next;elselist->head = node->next;if (node->next)node->next->prev = node->prev;elselist->tail = node->prev;if (list->free) list->free(node->value);free(node);list->len--;
}

添加节点

Redis 提供了在链表头部和尾部添加节点的功能：

list *listAddNodeHead(list *list, void *value) {listNode *node;if ((node = malloc(sizeof(*node))) == NULL)return NULL;node->value = value;if (list->len == 0) {list->head = list->tail = node;node->prev = node->next = NULL;} else {node->prev = NULL;node->next = list->head;list->head->prev = node;list->head = node;}list->len++;return list;
}
list *listAddNodeTail(list *list, void *value) {listNode *node;if ((node = malloc(sizeof(*node))) == NULL)return NULL;node->value = value;if (list->len == 0) {list->head = list->tail = node;node->prev = node->next = NULL;} else {node->prev = list->tail;node->next = NULL;list->tail->next = node;list->tail = node;}list->len++;return list;
}

删除节点

void listDelNode(list *list, listNode *node) {if (node->prev)node->prev->next = node->next;elselist->head = node->next;if (node->next)node->next->prev = node->prev;elselist->tail = node->prev;if (list->free) list->free(node->value);free(node);list->len--;
}

外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来直接上传

总结

Redis中的链表实现为双向链表，具备以下特点和优势：

双向链表结构：
1. 链表节点（listNode****）：每个节点包含指向前后节点的指针和一个指向数据的指针。
2. 链表**（list）**：链表维护对头节点和尾节点的指针，以及链表的长度。
操作效率：
1. 插入与删除：链表提供了高效的插入和删除操作，尤其是在链表的头部和尾部。插入和删除操作的时间复杂度为O(1)。
2. 遍历：通过双向指针，可以高效地从任意节点向前或向后遍历链表。
内存****管理：
1. 动态扩展：链表可以动态扩展和收缩，适合需要频繁插入和删除操作的场景。
2. 内存****利用：每个节点占用额外的指针空间（前后节点指针），相较于单向链表，双向链表在内存使用上有所增加，但操作灵活性更高。
应用场景：
1. Redis中的链表被广泛应用于实现列表、消息队列、任务队列等数据结构和功能。
2. 链表的双向性使得其在某些场景下比单向链表更加高效，例如双向遍历和从任意节点快速访问。

重点回顾

链表节点（listNode****）：包含前驱、后继指针和数据指针。
链表**（list）**：管理链表的头、尾和长度。
效率：双向链表的插入和删除操作时间复杂度为O(1)，适合频繁操作的场景。
内存****管理：支持动态扩展，但每个节点多占用一些额外内存。
应用：适用于实现各种复杂数据结构和功能，如列表和队列。

字典

字典的实现

Redis中的字典（dict）是一个重要的数据结构，通常用于存储键值对。Redis的字典实现是基于哈希表的，提供了高效的查找、插入和删除操作。下面详细介绍Redis字典的实现，包括哈希表、哈希表节点和字典本身的结构。

在Redis中，字典实现使用了两个哈希表来存储键值对。这两个哈希表用于支持高效的查找和管理字典中的数据。

哈希表****的结构：

typedef struct dictEntry {void *key;       // 键union {void *val;   // 值uint64_t u64;int64_t s64;} v;             // 值struct dictEntry *next; // 指向下一个哈希表节点的指针（用于解决哈希冲突）
} dictEntry;typedef struct dict {dictType *type;      // 指向字典类型的指针（用于定义操作字典的函数）void *privdata;      // 私有数据（可以用来存储特定于字典的额外数据）dictEntry **ht[2];   // 哈希表的数组（支持两个哈希表用于rehash）unsigned long size; // 当前哈希表的大小（桶的数量）unsigned long sizemask; // 哈希表的掩码（用于计算哈希桶的索引）unsigned long used; // 当前哈希表中的键值对数量
} dict;

哈希表节点（dictEntry****）：
- key：存储键的指针。
- v：存储值的联合体，可以存储不同类型的数据。
- next：指向下一个哈希表节点的指针，用于解决哈希冲突。
字典（dict）：
- type：指向字典类型的指针，包含操作字典的函数，如比较键、计算哈希值等。
- privdata：用于存储特定于字典的额外数据。
- ht：两个哈希表（ht[0] 和 ht[1]），用于支持rehash操作。
- size：当前哈希表的大小（桶的数量）。
- sizemask：掩码，用于计算哈希桶的索引。
- used：当前哈希表中键值对的数量。

图示结构

外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来直接上传

详细解释

哈希表：Redis使用两个哈希表来实现字典。每个哈希表包含多个桶，每个桶可以存储一个或多个dictEntry节点。哈希表通过哈希函数将键映射到桶中。
哈希表****节点：每个dictEntry节点包含一个键、一个值和一个指向下一个节点的指针。这个指针用于解决哈希冲突，即多个键被映射到同一个桶时，通过链表结构存储在同一个桶中。
字典结构：dict结构体包含两个哈希表，用于实现rehash操作，即在哈希表扩展或收缩时，逐步将数据从一个哈希表迁移到另一个哈希表中。type和privdata用于定义字典操作和存储额外数据，size、sizemask和used用于管理哈希表的大小和当前数据量。

哈希算法

在Redis中，哈希算法是实现字典（dict）高效查找、插入和删除操作的核心。哈希算法的主要任务是将键映射到哈希表中的桶（bucket）中。下面详细介绍Redis中的哈希算法，包括哈希函数的定义和使用。

哈希函数

哈希函数的作用是将一个键（key）映射到哈希表中的一个位置（桶）。在Redis中，使用了不同的哈希函数来提高哈希表的性能和均匀性。

Redis使用的哈希函数：
- Redis使用了djb2哈希函数和murmurhash哈希函数。

djb2：

unsigned long hashFunction(unsigned char *key) {unsigned long hash = 5381;int c;while ((c = *key++))hash = ((hash << 5) + hash) + c; /* hash * 33 + c */return hash;
}

- djb2是一种简单而高效的哈希函数，通过对输入字符进行位移和累加操作来生成哈希值。

murmurhash：

unsigned int murmurhash2(const void *key, int len, unsigned int seed) {const unsigned int m = 0x5bd1e995;const int r = 24;unsigned int h = seed ^ len;const unsigned char *data = (const unsigned char *)key;while (len >= 4) {unsigned int k = *(unsigned int *)data;k *= m;k ^= k >> r;k *= m;h *= m;h ^= k;data += 4;len -= 4;}switch (len) {case 3: h ^= data[2] << 16;case 2: h ^= data[1] << 8;case 1: h ^= data[0];h *= m;}h ^= h >> 13;h *= m;h ^= h >> 15;return h;
}

- murmurhash是一种非加密哈希函数，具有良好的性能和较低的碰撞率，适合用于哈希表等数据结构。

哈希桶索引计算

哈希函数生成的哈希值需要通过掩码操作来确定哈希桶的索引。掩码操作用于将哈希值限制在哈希表的范围内。

计算桶索引：

unsigned long index = hash & dict->sizemask;

hash是哈希函数生成的哈希值。
dict->sizemask是哈希表大小减1（用于限制索引在桶数组的范围内）。

图示结构

外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来直接上传

Key：输入的键。
Hash Function：哈希函数将键转换为哈希值。
Hash Value：哈希函数计算出的哈希值。
Size Mask：掩码操作将哈希值限制在哈希表的桶范围内。
Buckets Array：哈希表的桶数组。
Bucket Index：通过掩码计算得到的桶索引。
Hash Table Entry：存储在桶中的哈希表条目。

关键点总结

哈希函数：Redis使用djb2和murmurhash等哈希函数将键映射到哈希表的桶中，确保高效的存储和查找操作。
哈希桶索引计算：通过掩码操作将哈希值限制在哈希表的桶范围内，确保哈希表的均匀性和性能。
哈希表：Redis使用两个哈希表（ht[0]和ht[1]）来支持rehash操作，并使用哈希函数和掩码计算桶索引。

哈希算法在Redis中起到了至关重要的作用，确保了字典操作的高效性和哈希表的性能。接下来，将详细介绍如何解决键冲突。

解决键冲突

在哈希表中，键冲突（Hash Collision）指的是不同的键通过哈希函数计算得到相同的哈希值，从而映射到哈希表的同一个桶。Redis使用了一些技术来有效地解决键冲突，确保哈希表的性能和正确性。

解决键冲突的策略

Redis采用链式地址法（Chaining）来解决哈希冲突。这种方法在每个桶中维护一个链表，用于存储具有相同哈希值的多个条目。

链式地址法（Chaining）：

每个哈希表的桶（bucket）是一个链表的头指针。若多个键通过哈希函数计算得到相同的桶索引，则这些键值对会被存储在同一个链表中。
链表****节点（**dictEntry**）：每个节点包含一个键、一个值和一个指向下一个节点的指针。通过这种方式，可以在每个桶中存储多个键值对，从而解决哈希冲突。

哈希冲突的处理流程

计算****哈希值：使用哈希函数计算键的哈希值。
计算桶索引：通过掩码操作将哈希值映射到哈希表的桶数组中。
插入或查找：
1. 插入：若桶中已有节点（链表不为空），则将新节点插入到链表的头部或尾部（取决于实现）。如果桶为空，则直接将新节点作为桶的第一个节点。
2. 查找：遍历桶中的链表，查找具有相同键的节点。

图示结构

外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来直接上传

Hash Function：计算键的哈希值。
Hash Value：哈希函数生成的哈希值。
Bucket Index：通过掩码计算得到的桶索引。
Bucket：哈希表中的桶（链表的头指针）。
dictEntry：链表中的节点，包含键、值和指向下一个节点的指针。

关键点总结

链式地址法：Redis通过在每个桶中维护一个链表来解决哈希冲突，允许多个键值对存储在同一个桶中。
插入和查找：在插入新条目时，将其添加到链表中；在查找时，遍历链表以找到具有匹配键的条目。
性能：链式地址法在处理键冲突时能够有效地管理哈希表，保证操作的时间复杂度接近O(1)，尽管在最坏情况下，所有条目都可能位于同一个链表中，从而使操作变为O(n)。

链式地址法是Redis解决哈希冲突的主要策略，它确保了哈希表在处理冲突时的效率和稳定性。接下来，将详细介绍Redis中的rehash过程。

4. Rehash

在Redis中，rehash（重新哈希）是动态调整哈希表大小的过程，旨在应对哈希表中键值对数量的变化，保持哈希表的性能和效率。Redis支持哈希表的扩展和收缩，以适应不同的负载需求。

哈希表的扩展和收缩

哈希表****的扩展：当哈希表中的键值对数量达到一定阈值时，为了提高哈希表的性能和避免频繁的键冲突，Redis会扩展哈希表的大小。扩展过程包括创建一个更大的哈希表，并将旧哈希表中的所有条目迁移到新哈希表中。
哈希表****的收缩：当哈希表中的键值对数量减少到一定程度时，为了节省内存，Redis会收缩哈希表的大小。收缩过程类似于扩展过程，包括创建一个更小的哈希表，并将旧哈希表中的所有条目迁移到新哈希表中。

Rehash过程

Redis的rehash过程通过以下步骤实现哈希表的扩展和收缩：

创建新****哈希表：
1. 在扩展时，创建一个大小等于user*2的2^n
2. 在收缩时，创建一个大小等于user*2的2^n。
迁移数据：
1. 逐步将旧哈希表中的条目迁移到新哈希表中。
2. 迁移过程会在rehash操作期间交替进行，以避免在迁移过程中影响哈希表的性能。
更新哈希表指针：
1. 在完成迁移后，更新字典结构中的哈希表指针，将其指向新哈希表。
释放旧哈希表内存：
1. 释放旧哈希表占用的内存空间。

渐进式 Rehash

为了避免在rehash过程中出现长时间的阻塞，Redis采用了渐进式rehash。渐进式rehash通过分批迁移条目，降低了对系统性能的影响。

渐进式 Rehash 执行期间的哈希表操作：
- 分批迁移：每次rehash操作会迁移一定数量的条目，而不是一次性迁移所有条目。
- 同时操作：在执行渐进式rehash的同时，允许对原哈希表进行读写操作，确保系统的高可用性。

图示结构

外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来直接上传

Old Hash Table：原哈希表。
New Hash Table：新创建的哈希表（扩展或收缩后的大小）。
Rehash Process：rehash过程，包括迁移数据。
Key Migration：将旧哈希表中的键值对迁移到新哈希表。
Old Bucket：原哈希表中的桶。
New Bucket：新哈希表中的桶。
Data Transfer：数据迁移。
Updated Hash Table：更新后的哈希表，指向新哈希表。
Old Hash Table Deletion：删除旧哈希表以释放内存。

关键点总结

哈希表****的扩展：当键值对数量增加时，通过创建更大的哈希表来提高性能，减少冲突。
哈希表****的收缩：当键值对数量减少时，通过创建更小的哈希表来节省内存。
渐进式 Rehash：Redis通过分批迁移条目来执行rehash，降低对系统性能的影响，同时允许对哈希表进行操作。
性能影响：渐进式rehash避免了长时间的阻塞，确保系统在rehash期间的高可用性。

Redis中的rehash机制通过动态调整哈希表大小，确保了哈希表在各种负载下的高效性能和内存利用率。接下来，将详细介绍渐进式rehash的执行过程及其在操作期间的影响。

Rehash的条件总结

在Redis中，rehash（重新哈希）是哈希表动态调整大小的过程。rehash的触发条件受当前负载因子和系统状态的影响，特别是在不同情况下的负载因子阈值设定有所不同。以下是重新总结的rehash条件：

1. 哈希表扩展条件

无后台持久化命令时：
- 负载因子（Load Factor）：当哈希表的负载因子达到1（即哈希表中的键值对数量与桶的数量相等）时，Redis会触发哈希表的扩展。
- 条件触发：负载因子达到1时，Redis会启动扩展过程，创建一个更大的哈希表，并将数据迁移到新的哈希表中。
有后台持久化命令时：
- 负载因子（Load Factor）：当哈希表的负载因子达到5（即哈希表中的键值对数量是桶数量的5倍）时，Redis会触发哈希表的扩展。
- 条件触发：为了避免在后台任务执行期间（如BGSAVE、BGREWRITEAOF等）对性能造成严重影响，Redis在后台持久化命令执行期间会提高负载因子的触发阈值，从1提高到5。

2. 哈希表收缩条件

负载因子下降：
- 负载因子低于下限：当哈希表的负载因子低于设定的下限（通常为0.1）时，Redis会触发哈希表的收缩。
- 条件触发：负载因子下降到设定下限时，Redis会启动收缩过程，创建一个更小的哈希表，并将数据迁移到新的哈希表中。

3. 渐进式 Rehash

渐进式 Rehash 触发：Redis在扩展或收缩时采用渐进式rehash，分批迁移数据，减少对系统性能的影响。
触发条件：
- 定期触发：dictRehash函数会定期触发迁移过程，确保迁移操作在后台平稳进行。
- 与后台操作共存：渐进式rehash允许与后台任务（如BGSAVE、BGREWRITEAOF等）共存，减少对主线程性能的干扰。

关键点总结

无后台持久化命令时：哈希表的负载因子达到1时触发扩展。
有后台持久化命令时：负载因子达到5时触发扩展，以避免后台任务对性能的影响。
收缩条件：负载因子下降到设定下限（通常为0.1）时触发收缩。
渐进式 Rehash：通过分批迁移条目进行rehash，允许后台任务与rehash过程并行进行，确保系统的稳定性和高效性。

这些条件确保了Redis在不同负载和系统状态下能够动态调整哈希表的大小，优化性能和内存使用。

重点回顾
字典的实现

哈希表：
- Redis的字典基于哈希表实现，使用开放地址法来管理键值对。
- 哈希表由若干个桶（数组元素）组成，每个桶可能包含一个链表来处理哈希冲突。

哈希算法

哈希函数：
- Redis使用哈希函数将键映射到哈希表的桶索引。
- 哈希函数的质量直接影响哈希表的性能和冲突概率。

解决键冲突

链式地址法（Chaining）：
- 采用链式地址法来处理哈希冲突，即在每个桶中维护一个链表。
- 节点通过指针连接，形成一个链表，允许在同一个桶中存储多个键值对。

Rehash

哈希表****的扩展和收缩：
- 扩展：当负载因子超过设定阈值时，Redis会扩展哈希表，创建更大的哈希表，并迁移数据。
- 收缩：当负载因子下降到设定下限时，Redis会收缩哈希表，创建更小的哈希表，并迁移数据。
渐进式 Rehash：
- Redis通过渐进式rehash在后台分批迁移条目，以减少对系统性能的影响。
- 渐进式rehash允许与后台任务（如BGSAVE、BGREWRITEAOF等）并行执行，保持系统的高效性。
触发条件：
- 无后台持久化命令时：负载因子达到1时触发扩展。
- 有后台持久化命令时：负载因子达到5时触发扩展。
- 收缩条件：负载因子下降到设定下限（通常为0.1）时触发收缩。

重点回顾

字典的结构：包括两个哈希表（用于渐进式rehash）、键值对节点和管理信息。
哈希算法：影响哈希表性能的关键因素。
键冲突解决：使用链式地址法，通过链表解决冲突。
Rehash机制：包括哈希表的扩展和收缩，及渐进式rehash的实现和条件。

这些知识点构成了Redis字典的核心，实现了高效的键值对存储和管理。

跳跃表

跳跃表的实现

跳跃表是一种有效的、随机化的数据结构，支持在对数时间内进行插入、删除和查找操作。以下是跳跃表的详细实现，包括节点结构及其各部分功能的说明，以及如何通过源码理解跳跃表的实现。

跳跃表节点

跳跃表中的每个节点由以下几个关键部分构成：

1. 层（Level）

跳跃表节点的层数决定了它在跳跃表中的高度。每个节点可以有多个层，最底层（Level 0）包含所有节点。每上一层，节点的数量递减，层数越高，节点能够覆盖的范围越大。

示意图：

2. 前进指针（Forward Pointers）

每层的前进指针指向当前层中下一个节点。这些指针使得在同一层中可以快速遍历到下一个节点。

3. 跨度（Skip）

节点的跨度指的是在跳跃表中，节点在其层级上的跳跃范围。节点在较高层级上能够跨越更多的节点，这加快了查找的速度。

4. 后退指针（Backward Pointers）

在跳跃表中，为了支持双向遍历，节点还可以包含后退指针，指向同一层中前一个节点。这使得在查找和删除操作时可以在反方向进行遍历。

5. 分值和成员（Score and Member）

每个节点包含一个分值（score）和一个成员（member）。分值用于排序和查找，而成员则是实际存储的数据。

源码结合

在 Redis 源码中，跳跃表的实现通常包括以下结构体和函数：

1. `zskiplistNode`

在 Redis 源码中，跳跃表节点的定义如下：

typedef struct zskiplistNode {sds obj; // 节点的成员对象double score; // 节点的分值struct zskiplistNode **forward; // 前进指针数组struct zskiplistNode *backward; // 后退指针unsigned int level; // 节点的层数
} zskiplistNode;

obj：存储成员的数据。
score：存储分值。
forward：指向当前节点在不同层的前进指针数组。
backward：指向当前节点在同一层的后退指针。
level：表示当前节点的层数。

2. `zskiplist`

跳跃表的定义：

typedef struct zskiplist {struct zskiplistNode *header; // 跳跃表的头节点struct zskiplistNode *tail; // 跳跃表的尾节点unsigned long length; // 跳跃表的长度int level; // 跳跃表的最大层数
} zskiplist;

header：跳跃表的头节点。
tail：跳跃表的尾节点。
length：跳跃表的节点数量。
level：跳跃表的最大层数。

3. 主要函数

插入节点：zslInsert 函数实现了将节点插入到跳跃表中。
查找节点：zslFind 函数实现了在跳跃表中查找节点。
删除节点：zslDelete 函数实现了从跳跃表中删除节点。

总结

跳跃表通过多层链表结构实现高效的数据存取。每个节点包含多个层，每层有前进和后退指针，以支持快速的查找和遍历操作。节点的层数、前进指针、跨度、后退指针和分值成员是跳跃表的关键组成部分。通过源码可以看到 Redis 中跳跃表的具体实现，包括节点结构和主要操作函数。

跳跃表

跳跃表是一种用于有序集合的高效数据结构，它通过多层链表的设计，使得在对数时间内进行插入、删除和查找操作成为可能。以下是跳跃表的主要实现细节和关键概念：

1. 跳跃表的节点结构

跳跃表中的每个节点包含以下几个部分：

层（Level）：节点可以有多个层，每一层通过前进指针（forward pointer）连接到同一层中的下一个节点。层数越高，节点能够跨越的范围越大，从而加快查找速度。
前进指针（Forward Pointers）：每一层的前进指针指向同一层中下一个节点，这些指针使得在层内能够快速遍历到下一个节点。
跨度（Skip）：节点在不同层级上的跳跃范围。节点在较高层级上能够跨越更多的节点，提高查找效率。
后退指针（Backward Pointer）：用于支持双向遍历的指针，指向同一层中的前一个节点。
分值和成员（Score and Member）：每个节点存储一个分值（用于排序）和一个成员（存储实际数据）。

节点示意图：

外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来直接上传

2. 跳跃表的结构

跳跃表主要包括以下几个结构部分：

头节点（Header Node）：跳跃表的起始节点，通常不存储实际数据，而是用于简化其他节点的操作。
尾节点（Tail Node）：跳跃表的终止节点，标记跳跃表的结束，通常也不存储实际数据。
层级（Levels）：节点可以有多个层，每层在跳跃表的链表中建立不同的链接，用于加速查找过程。

跳跃表示意图：

外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来直接上传

3. 跳跃表的操作

查找（Search）：从跳跃表的最高层开始，利用前进指针向下跳跃，逐层向下直到找到目标节点或到达最底层。这个过程的时间复杂度是 O(log N)。
插入（Insert）：在插入新节点时，首先在最底层插入，然后随机决定该节点的层数，并在每一层中更新前进指针。插入操作的时间复杂度也是 O(log N)。
删除（Delete）：删除节点时，需要在所有包含该节点的层中更新前进指针，并释放节点的内存。删除操作的时间复杂度为 O(log N)。

4. 跳跃表的优势

高效性：通过多层次索引，跳跃表可以在对数时间内完成查找、插入和删除操作。
简单性：跳跃表实现相对简单，不需要像平衡树那样复杂的平衡操作。
动态调整：跳跃表的层数是通过随机算法动态调整的，这减少了维护的复杂性。

总结

跳跃表通过多层链表结构实现高效的数据存取。每个节点包含多层链表，每层通过前进和后退指针进行连接，支持快速查找和操作。跳跃表在插入、查找和删除操作上均提供了对数时间复杂度的性能，适合用于实现有序集合和需要高效排序的应用场景。

整数集合

整数集合的实现

1. 整数集合的实现

整数集合（intset）是Redis用来存储整数值的有序集合。它的实现采用了紧凑的内存布局，以便在存储和处理整数集合时节省空间和提高效率。

1.1 数据结构

整数集合的底层数据结构定义如下：

typedef struct intset {uint32_t encoding;  // 编码方式uint32_t length;    // 集合中的元素数量int8_t contents[];  // 保存元素的数组
} intset;

encoding：表示整数集合中所有整数的编码方式。可能的值包括：
- INTSET_ENC_INT16（16位）
- INTSET_ENC_INT32（32位）
- INTSET_ENC_INT64（64位）
length：整数集合中的元素数量。
contents：实际存储整数值的数组。它是一个灵活数组，长度根据需要动态分配。

1.2 初始化

整数集合的初始化函数如下：

intset *intsetNew(void) {intset *is = zmalloc(sizeof(intset));is->encoding = INTSET_ENC_INT16;is->length = 0;return is;
}

初始化时，整数集合的编码方式为INTSET_ENC_INT16，元素数量为0。

1.3 添加元素

当向整数集合中添加元素时，可能会触发编码升级。以下是添加元素的代码：

intset *intsetAdd(intset *is, int64_t value, uint8_t *success) {uint8_t valenc = _intsetValueEncoding(value);uint32_t pos;if (success) *success = 1;if (valenc > intrev32ifbe(is->encoding)) {return intsetUpgradeAndAdd(is, value);} else {if (intsetSearch(is, value, &pos)) {if (success) *success = 0;return is;}is = intsetResize(is, intrev32ifbe(is->length)+1);if (pos < intrev32ifbe(is->length)) intsetMoveTail(is, pos, intrev32ifbe(is->length));}_intsetSet(is, pos, value);is->length = intrev32ifbe(intrev32ifbe(is->length)+1);return is;
}

intsetAdd函数通过_intsetValueEncoding确定要添加的值的编码方式。
如果新值的编码方式大于当前集合的编码方式，则调用intsetUpgradeAndAdd进行升级并添加元素。
如果新值的编码方式不大于当前编码方式，则查找新值在集合中的插入位置，必要时调整数组长度并移动尾部元素。

1.4 查找元素

整数集合通过二分查找来查找元素：

uint8_t intsetSearch(intset *is, int64_t value, uint32_t *pos) {int min = 0, max = intrev32ifbe(is->length)-1, mid = -1;int64_t cur;if (intrev32ifbe(is->length) == 0) {if (pos) *pos = 0;return 0;}while(max >= min) {mid = (min+max) >> 1;cur = _intsetGet(is, mid);if (value > cur) {min = mid+1;} else if (value < cur) {max = mid-1;} else {break;}}if (value == cur) {if (pos) *pos = mid;return 1;} else {if (pos) *pos = min;return 0;}
}

intsetSearch函数采用二分查找算法在整数集合中查找指定值。
如果找到该值，则返回1，并将位置赋值给pos。
如果未找到该值，则返回0，并将插入位置赋值给pos。

1.5 删除元素

从整数集合中删除元素的代码如下：

intset *intsetRemove(intset *is, int64_t value, int *success) {uint8_t valenc = _intsetValueEncoding(value);uint32_t pos;if (success) *success = 0;if (valenc <= intrev32ifbe(is->encoding) && intsetSearch(is, value, &pos)) {is = intsetResize(is, intrev32ifbe(is->length)-1);if (pos < intrev32ifbe(is->length)-1) intsetMoveTail(is, pos+1, intrev32ifbe(is->length)-pos-1);is->length = intrev32ifbe(intrev32ifbe(is->length)-1);if (success) *success = 1;}return is;
}

intsetRemove函数首先确定要删除的值的编码方式。
如果该值的编码方式不大于当前集合的编码方式，并且找到该值的位置，则调整数组长度并移动尾部元素。
最后更新集合的长度。

1.6 内存管理

intsetResize函数用于调整整数集合的内存大小：

static intset *intsetResize(intset *is, uint32_t len) {uint32_t size = len*intrev32ifbe(is->encoding);is = zrealloc(is, sizeof(intset)+size);return is;
}

该函数根据新的长度重新分配内存，并返回调整后的整数集合。

图解

整数集合在内存中的布局如下：

+----------+----------+----------+
| encoding |  length  | contents |
+----------+----------+----------+
|  INT16   |     3    |   2, 5, 9|
+----------+----------+----------+

encoding：16位整数编码
length：集合中有3个元素
contents：实际存储的整数值，按升序排列

重点剖析

编码方式：整数集合根据存储的整数值的大小动态选择最小的编码方式，以节省内存空间。支持的编码方式包括16位、32位和64位整数。
有序存储：整数集合中的元素按升序排列，有利于快速查找。
内存****紧凑：采用紧凑的内存布局，减少了内存碎片，提高了存储效率。
灵活升级：支持动态升级编码方式，以适应更大范围的整数值存储需求。
升级

2. 升级

2.1 升级的原因

当需要向整数集合中添加一个新元素，并且该元素的编码方式大于当前整数集合的编码方式时，Redis会进行升级操作，以便能够存储新的元素。升级操作可以保证整数集合能够存储更大范围的整数值，同时保持有序性。

2.2 升级的实现

升级操作在intsetAdd函数中实现，当新元素的编码方式大于当前整数集合的编码方式时，会调用intsetUpgradeAndAdd函数：

static intset *intsetUpgradeAndAdd(intset *is, int64_t value) {uint8_t curenc = intrev32ifbe(is->encoding);uint8_t newenc = _intsetValueEncoding(value);int length = intrev32ifbe(is->length);is = intsetResize(is, length+1);while(length--) _intsetSet64(is, length+1, _intsetGet(is, length, curenc));is->encoding = intrev32ifbe(newenc);if (value < 0) {_intsetSet(is, 0, value);} else {_intsetSet(is, intrev32ifbe(is->length), value);}is->length = intrev32ifbe(intrev32ifbe(is->length)+1);return is;
}

2.3 升级步骤

确定当前和新编码方式：
1. curenc：当前整数集合的编码方式。
2. newenc：新元素的编码方式。
调整整数集合的大小：
1. 调用intsetResize函数重新分配内存，使其能够容纳一个新元素。
数据迁移：
1. 从后向前遍历现有元素，将它们从当前编码方式转换为新编码方式，并移动到新的位置。
更新编码方式：
1. 将整数集合的编码方式更新为新编码方式。
插入新元素：
1. 根据新元素的值，决定将其插入到集合的起始位置或末尾。
更新元素数量：
1. 更新整数集合的元素数量。

2.4 升级示例

假设一个整数集合使用16位编码存储了元素2和5，现在需要添加一个值为32768的新元素，这需要升级到32位编码。升级前后的内存布局如下：

升级前：

外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来直接上传

升级后：

外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来直接上传

重点剖析

编码升级：升级操作确保整数集合能够存储更大范围的整数值，同时保持集合的有序性。
内存****调整：在升级过程中重新分配内存，保证新的元素可以被存储。
数据迁移：将现有元素从旧编码方式转换为新编码方式，并移动到新的位置。
灵活性：升级过程是灵活的，能够根据需要动态调整集合的编码方式，以适应不同范围的整数值。
升级和好处

Redis整数集合（intset）的升级机制有许多好处，尤其是在处理不同范围的整数时。以下将详细解释升级的灵活性和节约空间的好处。

3.1 升级的灵活性

灵活性是Redis整数集合升级的一个重要特性。这种灵活性体现在以下几个方面：

动态调整编码方式：整数集合会根据存储的整数值的实际范围，自动选择合适的编码方式（16位、32位或64位）。这样可以确保存储和处理效率的最大化。
自动升级：当需要存储一个超出当前编码范围的新值时，整数集合会自动升级编码方式，以适应新的值。这种自动升级机制简化了开发者的工作，无需手动干预。

3.2 节约空间

整数集合通过选择最小的编码方式来存储整数值，从而节约内存空间。这种机制在存储大量小整数时尤其有效。

内存节约机制

紧凑存储：整数集合根据存储的整数值的范围，选择合适的编码方式，以节约内存。例如，当所有值都在16位范围内时，使用16位编码存储。
按需升级：只有当需要存储超出当前编码范围的新值时才进行升级，避免不必要的内存开销。

示例

一个只包含小整数的集合：

外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来直接上传

上述集合只需要使用16位编码，每个元素占用2字节，总共占用6字节。如果升级到32位编码，内存占用将翻倍，变为12字节。但只在必要时升级，从而避免了这种开销。

升级的好处总结

灵活性：
1. 动态调整编码方式，适应不同范围的整数值。
2. 自动升级机制，简化开发者的工作。
节约空间：
1. 使用最小的编码方式存储整数，减少内存占用。
2. 只有在必要时才升级编码方式，避免不必要的内存开销。

重点剖析

编码选择：根据整数值的实际范围动态选择合适的编码方式，以确保高效的存储和处理。
自动升级：当需要存储超出当前编码范围的新值时，整数集合自动升级编码方式，简化了开发者的操作。
内存****紧凑：通过选择最小的编码方式，整数集合可以有效地节约内存空间，尤其是在存储大量小整数时。
降级

Redis整数集合（intset）并不支持自动降级。也就是说，一旦整数集合的编码方式升级到更高的级别，它将保持该级别，即使所有的值都可以用较低的编码方式表示。这是为了简化实现和避免频繁的编码变更带来的开销。

4.1 为什么不支持降级

复杂性：实现降级会增加整数集合的复杂性。每次删除元素后，都需要检查是否可以降级，并可能涉及大量的数据迁移。

性能：频繁的编码变更（升级和降级）会影响性能。特别是在频繁插入和删除操作的场景中，降级操作会增加不必要的开销。

稳定性：保持编码方式不变可以提高稳定性，避免频繁的数据迁移带来的潜在问题。

4.2 降级的手动处理

尽管Redis整数集合不支持自动降级，但在某些场景下，开发者可以通过手动重新创建整数集合来实现降级。例如，当集合中的所有值都可以用较低的编码方式表示时，可以手动创建一个新的整数集合，并将所有值插入其中。

如果需要将其降级到32位编码，可以手动重新创建集合：

// 手动降级整数集合的示例代码
intset *intsetDowngrade(intset *is) {intset *new_is = intsetNew();for (int i = 0; i < intrev32ifbe(is->length); i++) {int64_t value = _intsetGet(is, i);uint8_t success;new_is = intsetAdd(new_is, value, &success);}return new_is;
}

重点剖析

自动降级的缺失：Redis整数集合不支持自动降级，以简化实现和避免性能开销。
手动降级：在某些情况下，开发者可以通过手动重新创建整数集合来实现降级。

总结

尽管Redis整数集合不支持自动降级，但了解如何手动降级可以帮助开发者在需要时优化内存使用。保持整数集合的编码方式稳定可以简化实现，提高性能和稳定性。

压缩列表

压缩列表的构成
压缩列表的构成

Redis中的压缩列表（ziplist）是一种紧凑的内存数据结构，主要用于存储多个简单的值，如字符串和整数。它是一种为了节省内存而设计的高效数据结构。压缩列表通过将多个元素紧凑地存储在一起，从而减少了内存开销。

1.1 压缩列表结构

压缩列表的整体结构包含以下几个部分：

头部：包含压缩列表的元数据，如总长度和节点数等。
节点：存储实际的数据，每个节点由多个字段组成，具体结构取决于节点的类型和编码方式。
尾部：标志压缩列表的结束。

1.2 头部

压缩列表的头部包含以下信息：

压缩列表的长度：包括头部、所有节点、尾部的总字节数。
节点数量：压缩列表中的节点数量。
最小节点长度：节点的最小长度（用于快速定位）。
最大节点长度：节点的最大长度（用于快速定位）。

1.3 节点

每个节点的结构由三个主要部分构成：

previous_entry_length：前一个节点的长度。用于支持快速访问和遍历。
Encoding：节点内容的编码方式。压缩列表支持多种编码方式，根据节点的实际内容选择合适的编码方式。
Content：节点的实际内容。这部分存储节点的具体数据，可以是整数或字符串。

1.4 尾部

压缩列表的尾部是一个特殊的节点标记，标志着列表的结束。它的存在使得压缩列表可以高效地在尾部进行操作，如追加新的节点。

1.5 图示

以下是压缩列表的简化图示：

mermaid
复制代码
graph TD;A[Header] --> B[Node 1]B --> C[Node 2]C --> D[Node N]D --> E[Tail]

Header：压缩列表的头部，包括元数据。
Node 1, Node 2, …, Node N：存储数据的节点，每个节点包含previous_entry_length、Encoding和Content。
Tail：压缩列表的尾部标记，指示列表的结束。

重点剖析

头部：
1. 内存****布局：头部的大小在实现中是固定的，用于存储有关压缩列表的关键信息，确保可以快速定位和操作。
2. 管理信息：头部的信息用于高效地访问和管理节点，支持快速插入、删除和遍历操作。
节点：
1. previous_entry_length：这个字段允许在节点之间进行快速跳转，从而加速操作。例如，在删除节点时，可以通过这个字段快速找到前一个节点。
2. Encoding：编码方式的选择对存储效率和操作性能有显著影响。合理的编码方式可以显著减少内存占用。例如，使用短编码来存储小整数或短字符串。
3. Content：存储实际的数据，是压缩列表的核心内容。内容的格式可以根据编码方式变化，以适应不同的数据类型。
尾部：
1. 结束标记：尾部的标记使得对压缩列表的操作更加高效，特别是在尾部进行插入操作时。

压缩列表的设计目的是在减少内存开销的同时，保持操作的高效性。它通过紧凑的内存布局和灵活的编码方式，实现了这一目标。

压缩列表节点的构成

在Redis的压缩列表（ziplist）中，每个节点（entry）由三个主要部分组成：previous_entry_length、Encoding 和 Content。这些字段共同决定了节点的存储方式和操作效率。以下是每个部分的详细分析：

2.1 `previous_entry_length`

定义：previous_entry_length字段表示前一个节点的长度，用于支持快速的节点操作和双向遍历。
用途：
- 快速定位：在节点的插入、删除操作中，可以利用previous_entry_length快速找到前一个节点，避免全列表遍历。
- 双向操作：支持从当前节点向前回溯，允许更灵活的数据操作。
存储格式：previous_entry_length的长度是可变的，根据前一个节点的实际长度决定。它通常使用可变长度的编码方式来存储。

示例

假设有一个压缩列表如下：

plaintext
复制代码
Header --> Node 1 --> Node 2 --> Node 3 --> Tail

如果Node 2的previous_entry_length是5字节，表示Node 1的长度是5字节。

2.2 `Encoding`

定义：Encoding字段指示节点内容的编码方式。压缩列表支持多种编码方式，以提高存储效率。
用途：
- 节省****内存：通过选择合适的编码方式，可以减少节点的内存占用。例如，对于小整数，可以使用短编码方式。
- 提高性能：合适的编码方式可以优化数据存取的性能，减少数据解析和处理的开销。
编码方式：
- 整数编码：用于存储整数值，支持1字节、2字节或4字节的编码方式。
- 字符串编码：用于存储字符串，支持变长编码，根据字符串的长度进行编码。

示例

假设Node 1包含一个小整数42，编码方式为1字节编码：

plaintext
复制代码
Encoding: 0x00 (1-byte integer)
Content: 42 (binary representation)

2.3 `Content`

定义：Content字段包含节点的实际数据。它的格式取决于Encoding字段指定的编码方式。
用途：
- 存储数据：存储节点的实际内容，如整数值或字符串。
- 支持多种类型：根据编码方式，Content可以存储不同类型的数据，如整数和字符串。
存储格式：
- 整数：如果节点存储的是整数，Content字段将包含整数的二进制表示。
- 字符串：如果节点存储的是字符串，Content字段将包含字符串的字节表示。

示例

假设Node 2包含字符串“hello”，Content字段将存储字符串“hello”的字节表示：

Encoding: 0x01 (string)
Content: 68 65 6c 6c 6f (hexadecimal for 'hello')

previous_entry_length：记录前一个节点的长度，支持高效的节点操作。
Encoding：指定内容的编码方式，优化存储空间。
Content：实际存储的数据，根据编码方式的不同可以是整数或字符串。

重点剖析

previous_entry_length：
1. 作用：提供快速的前向定位和操作支持，允许高效的节点管理和双向遍历。
2. 存储：可变长度字段，存储前一个节点的长度，确保高效操作。
Encoding：
1. 作用：优化内存使用和性能。通过选择合适的编码方式，节省存储空间并提高访问效率。
2. 类型：整数和字符串的编码方式根据实际数据类型和长度选择，提供灵活存储方案。
Content：
1. 作用：存储节点的实际数据，支持多种数据类型的存储。
2. 格式：根据Encoding字段，Content可以是整数或字符串的二进制表示。
连锁反应

在Redis的压缩列表（ziplist）中，“连锁反应”指的是对一个节点的操作如何影响到其他节点。这种现象主要体现在节点的插入、删除和移动操作中。由于压缩列表的结构和编码方式，节点之间的操作可能会引发连锁效应，影响列表的整体结构和性能。

3.1 插入操作

插入新节点：
- 影响：插入新节点会改变原有节点的结构，特别是在节点之间的“previous_entry_length”字段。新节点的插入可能会导致节点的重新定位和调整。
- 步骤：
  - 节点插入：新节点被插入到目标位置。
  - 调整长度：更新插入点前的节点的previous_entry_length，以及后续节点的previous_entry_length。
  - 重新计算头部信息：更新压缩列表的总长度和节点数量。

示例

假设在一个压缩列表中插入新节点：

Header --> Node 1 --> Node 2 --> Node 3 --> Tail

插入新节点Node 1.5：

Header --> Node 1 --> Node 1.5 --> Node 2 --> Node 3 --> Tail

影响：Node 1.5的previous_entry_length需要设置为Node 1的长度，Node 2的previous_entry_length需要更新为Node 1.5的长度。

3.2 删除操作

删除节点：
- 影响：删除节点会影响其前后节点的previous_entry_length字段，可能导致列表结构的重新计算和调整。
- 步骤：
  - 节点删除：从列表中移除指定节点。
  - 调整长度：更新前一个节点的previous_entry_length，以指向删除节点之后的节点。
  - 更新头部信息：调整压缩列表的总长度和节点数量。

示例

删除Node 2：

Header --> Node 1 --> Node 3 --> Tail

影响：Node 1的previous_entry_length需要更新为指向Node 3的长度。

3.3 移动操作

移动节点：
- 影响：节点的移动需要调整涉及节点的previous_entry_length字段，并可能会导致节点的重新编码或重新排列。
- 步骤：
  - 节点移动：将节点从一个位置移动到另一个位置。
  - 调整引用：更新原位置和新位置的previous_entry_length字段。
  - 更新头部信息：调整压缩列表的总长度和节点数量。

示例

将Node 3移动到Node 1和Node 2之间：

Header --> Node 1 --> Node 3 --> Node 2 --> Tail

影响：Node 1的previous_entry_length需要指向Node 3，Node 3的previous_entry_length需要指向Node 2。

重点剖析

连锁反应的复杂性：
1. 影响：操作一个节点时，可能会影响其他多个节点，特别是节点之间的previous_entry_length字段。
2. 性能：频繁的节点操作（插入、删除、移动）会导致压缩列表的性能波动，需要高效地更新相关字段。
操作步骤：
1. 插入：需要重新调整前后节点的previous_entry_length，并更新列表的头部信息。
2. 删除：需要重新调整前后节点的previous_entry_length，并更新列表的头部信息。
3. 移动：需要重新调整涉及节点的previous_entry_length，并更新列表的头部信息。
性能优化：
1. 避免频繁操作：尽量减少对压缩列表的频繁插入、删除或移动操作，以降低性能开销。
2. 高效更新：优化节点操作的实现，确保对相关字段的更新尽可能高效。

对象

对象的类型与编码

对象的类型

Redis对象的主要类型有五种，每种类型都有特定的功能和用例。下面是Redis对象类型的简要介绍：

字符串对象（String）
1. 描述：最基本的数据类型，可以是任何二进制数据（包括文本）。字符串对象用于存储简单的键值对。
2. 示例：SET key "value"
列表对象（List）
1. 描述：双向链表形式的数据结构。用于存储有序的字符串集合。
2. 示例：LPUSH list "value"
哈希对象（Hash）
1. 描述：键值对的集合，适合用于存储对象。
2. 示例：HSET hash field "value"
集合对象（Set）
1. 描述：无序的字符串集合，不允许重复元素。适合用于存储唯一的值。
2. 示例：SADD set "value"
有序集合对象（Sorted Set）
1. 描述：类似于集合，但每个元素都会关联一个分数。元素按照分数进行排序。
2. 示例：ZADD zset score "value"

图示：Redis对象类型

字符串对象（String）

编码方式：

RAW：原始字符串编码，用于存储纯文本或二进制数据。
INT：整型编码，当字符串可以被解释为整数时，使用整数编码来节省内存。
EMBSTR：嵌入式字符串编码，适用于短字符串，将字符串直接嵌入redisObject结构体中。

实现：

RAW：
- 使用 SDS（Simple Dynamic String）库来动态管理字符串的内存分配。
- SDS 提供了动态调整字符串长度的功能，避免频繁的内存分配和释放。

// sds结构体示例
typedef struct sdshdr {unsigned int len;  // 字符串长度unsigned int free; // 可用内存char buf[];        // 存储实际数据
} SDS;

INT：
- 字符串被转换为整数值存储，节省内存。
EMBSTR：
- 短字符串直接嵌入 redisObject 结构体中，不需要额外的内存分配。

// redisObject结构体示例
typedef struct redisObject {unsigned type:4;   // 对象类型unsigned encoding:4; // 编码方式unsigned refcount:16; // 引用计数void *ptr; // 指向实际数据
} RedisObject;

编码转换

RAW 到 EMBSTR
1. 条件：当字符串长度较短（通常在 39字节以内）时，Redis 可以将 RAW 编码转换为 EMBSTR 编码，以节省内存。
2. 转换步骤：
  - 判断字符串长度是否符合 EMBSTR 的条件。
  - 将 RAW 编码的字符串直接嵌入 redisObject 结构体中。
EMBSTR 到 RAW
1. 条件：当字符串长度超过 EMBSTR 的限制时，Redis 会将 EMBSTR 编码转换回 RAW 编码。
2. 转换步骤：
  - 创建新的 RAW 编码对象。
  - 复制 EMBSTR 中的字符串内容到新的 RAW 编码对象中。
RAW 到 INT
1. 条件：当字符串可以被解释为整数时，Redis 会将 RAW 编码的字符串转换为 INT 编码。
2. 转换步骤：
  - 尝试将 RAW 编码的字符串解析为整数。
  - 如果解析成功，创建 INT 编码的对象并存储整数值。
INT 到 RAW
1. 条件：当整数被转换为 RAW 编码时，Redis 将整数值转换为字符串格式。
2. 转换步骤：
  - 将 INT 编码的整数转换为字符串。
  - 创建 RAW 编码的对象并存储字符串内容。

字符串命令的实现

SET
1. 功能：设置指定键的值。
2. 实现：
  - 判断值的类型并选择合适的编码方式（RAW、EMBSTR 或 INT）。
  - 将值存储在键对应的对象中。
GET
1. 功能：获取指定键的值。
2. 实现：
  - 查找键对应的对象。
  - 根据对象的编码方式，返回相应的值（处理 RAW、EMBSTR 和 INT 编码）。
列表对象（List）

编码方式：

ZIPLIST：压缩列表，用于存储小型列表，以节省内存。
LINKEDLIST：链表，用于存储较大的列表，支持高效的插入和删除操作。

实现：

ZIPLIST：
- 使用压缩的格式来存储列表元素，减少内存碎片。
- 通过将多个元素存储在一个连续的内存块中来节省空间。

// ziplist结构体示例
typedef struct {unsigned char *zl; // 指向压缩列表的指针unsigned int size; // 列表大小
} Ziplist;

LINKEDLIST：
- 实现为双向链表，每个节点包含一个元素和指向前后节点的指针。
- 支持高效的插入、删除和访问操作。

// listNode结构体示例
typedef struct listNode {void *value;          // 节点存储的值struct listNode *prev; // 指向前一个节点的指针struct listNode *next; // 指向下一个节点的指针
} listNode;

图示：

外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来直接上传

ZIPLIST：存储在一个压缩的内存块中，适合小型列表。
LINKEDLIST：双向链表结构，适合大型列表。

编码转换

ZIPLIST 到 LINKEDLIST
1. 条件：当列表中的元素数量较多或操作频繁时，Redis 会将 ZIPLIST 编码的列表转换为 LINKEDLIST 编码，以提高操作性能。
2. 转换步骤：
  - 遍历 ZIPLIST 中的所有元素。
  - 将每个元素插入到 LINKEDLIST 中。
  - 更新列表对象的编码方式为 LINKEDLIST。
LINKEDLIST 到 ZIPLIST
1. 条件：当 LINKEDLIST 编码的列表变得较小且操作频率降低时，Redis 会将其转换为 ZIPLIST 编码以节省内存。
2. 转换步骤：
  - 遍历 LINKEDLIST 中的所有元素。
  - 将每个元素存储到 ZIPLIST 中。
  - 更新列表对象的编码方式为 ZIPLIST。

列表命令的实现

LPUSH / RPUSH
1. 功能：在列表的左侧或右侧推入一个或多个值。
2. 实现：
  - 判断当前列表的编码方式（ZIPLIST 或 LINKEDLIST）。
  - 根据编码方式将元素插入到列表的相应位置。
  - 在需要时进行编码转换。
LPOP / RPOP
1. 功能：从列表的左侧或右侧弹出一个值。
2. 实现：
  - 查找列表的编码方式（ZIPLIST 或 LINKEDLIST）。
  - 根据编码方式从列表中移除并返回相应的元素。
  - 在需要时进行编码转换。
LRANGE
1. 功能：返回列表中指定范围的元素。
2. 实现：
  - 根据列表的编码方式（ZIPLIST 或 LINKEDLIST）检索指定范围的元素。
  - 如果是 ZIPLIST，使用压缩列表的索引进行检索。
  - 如果是 LINKEDLIST，遍历链表并收集结果。
哈希对象（Hash）

编码方式：

ZIPLIST：用于存储小型哈希，所有字段和对应值都存储在一个压缩列表中。
HT**（哈希表）**：用于存储大型哈希，基于开放地址法的哈希表实现。

实现：

ZIPLIST：
- 将哈希的所有字段和对应的值存储在一个连续的压缩列表中。
- 适合字段和值都较小的哈希对象，节省内存并减少内存碎片。

// ziplist结构体示例
typedef struct {unsigned char *zl; // 指向压缩列表的指针unsigned int size; // 哈希大小
} Ziplist;

HT**（哈希表）**：
- 基于开放地址法的哈希表实现，用于存储大型哈希对象。
- 使用哈希函数将字段映射到桶中，支持高效的查找和插入操作。

// dictEntry结构体示例
typedef struct dictEntry {void *key;       // 哈希表中的键void *val;       // 键对应的值
} dictEntry;typedef struct dict {dictEntry **table; // 哈希表数组unsigned int size; // 哈希表大小
} dict;

图示：

外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来直接上传

ZIPLIST：用于存储小型哈希对象，字段和值存储在一个压缩列表中。
HT**（哈希表）**：用于存储大型哈希对象，基于哈希函数映射到桶中。

编码转换

ZIPLIST 到 HT
1. 条件：当哈希中的字段数量增加到一定阈值，Redis 会将 ZIPLIST 编码的哈希转换为 HT 编码，以提高查找和操作性能。
2. 转换步骤：
  - 遍历 ZIPLIST 中的所有字段和值。
  - 将每个字段和值插入到 HT 哈希表中。
  - 更新哈希对象的编码方式为 HT。
HT 到 ZIPLIST
1. 条件：当 HT 编码的哈希变得较小且字段数量减少时，Redis 会将其转换为 ZIPLIST 编码以节省内存。
2. 转换步骤：
  - 遍历 HT 哈希表中的所有字段和值。
  - 将每个字段和值存储到 ZIPLIST 中。
  - 更新哈希对象的编码方式为 ZIPLIST。

哈希命令的实现

HSET
1. 功能：设置哈希表中字段的值。
2. 实现：
  - 判断哈希对象的编码方式（ZIPLIST 或 HT）。
  - 根据编码方式更新字段的值。
  - 如果需要，进行编码转换。
HGET
1. 功能：获取哈希表中字段的值。
2. 实现：
  - 查找哈希对象的编码方式（ZIPLIST 或 HT）。
  - 根据编码方式获取字段的值。
  - 如果需要，进行编码转换。
HDEL
1. 功能：删除哈希表中指定字段。
2. 实现：
  - 查找哈希对象的编码方式（ZIPLIST 或 HT）。
  - 根据编码方式从哈希表中删除字段。
  - 如果需要，进行编码转换。
HGETALL
1. 功能：获取哈希表中所有字段和值。
2. 实现：
  - 根据哈希对象的编码方式（ZIPLIST 或 HT）遍历所有字段和值。
  - 如果是 ZIPLIST，使用压缩列表的索引进行遍历。
  - 如果是 HT，直接遍历哈希表中的所有条目。
集合对象（Set）

编码方式：

INTSET：用于存储小型集合，其中所有元素都是整数。
HT**（哈希表）**：用于存储大型集合，基于哈希表的实现。

实现：

INTSET：
- 使用紧凑的整数数组来存储集合中的元素。
- 适合集合中元素较少且所有元素为整数的情况。
- 随着元素数量的增加，INTSET 可以动态调整其存储的整数类型（如从8位整数到16位整数等）。

// intset结构体示例
typedef struct intset {uint32_t encoding;  // 存储元素的编码方式（如 8位、16位、32位等）uint32_t length;    // 集合中的元素数量int8_t contents[];  // 存储元素的数组
} intset;

HT**（哈希表）**：
- 采用哈希表来处理较大的集合，支持高效的成员查询和插入。
- 使用哈希函数将元素映射到桶中，避免了使用链表带来的高内存消耗。

// dictEntry结构体示例
typedef struct dictEntry {void *key;       // 哈希表中的键（集合元素）void *val;       // 对应的值（在集合中通常不使用）
} dictEntry;typedef struct dict {dictEntry **table; // 哈希表数组unsigned int size; // 哈希表大小
} dict;

图示：

外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来直接上传

INTSET：使用紧凑的整数数组，适合小型集合。
HT**（哈希表）**：使用哈希表，适合大型集合，支持高效的成员查询。

编码转换

INTSET 到 HT
1. 条件：当集合的元素数量增多或元素类型发生变化（例如，从整数集合到包含其他类型的集合），Redis 会将 INTSET 编码的集合转换为 HT 编码，以提高操作性能。
2. 转换步骤：
  - 遍历 INTSET 中的所有整数元素。
  - 将每个元素插入到 HT 哈希表中。
  - 更新集合对象的编码方式为 HT。
HT 到 INTSET
1. 条件：当 HT 编码的集合元素数量减少且所有元素为整数时，Redis 会将其转换为 INTSET 编码以节省内存。
2. 转换步骤：
  - 遍历 HT 哈希表中的所有元素。
  - 将每个整数元素存储到 INTSET 中。
  - 更新集合对象的编码方式为 INTSET。

集合命令的实现

SADD
1. 功能：将一个或多个成员添加到集合中。
2. 实现：
  - 判断集合的编码方式（INTSET 或 HT）。
  - 根据编码方式添加新成员。
  - 如果需要，进行编码转换。
SREM
1. 功能：从集合中删除一个或多个成员。
2. 实现：
  - 查找集合的编码方式（INTSET 或 HT）。
  - 根据编码方式从集合中删除成员。
  - 如果需要，进行编码转换。
SMEMBERS
1. 功能：返回集合中的所有成员。
2. 实现：
  - 根据集合的编码方式（INTSET 或 HT）遍历所有成员。
  - 如果是 INTSET，直接遍历整数数组。
  - 如果是 HT，遍历哈希表中的所有条目。
SISMEMBER
1. 功能：检查指定成员是否存在于集合中。
2. 实现：
  - 查找集合的编码方式（INTSET 或 HT）。
  - 根据编码方式检查成员的存在性。
  - 如果需要，进行编码转换
有序集合对象（Sorted Set）

编码方式：

ZIPLIST：用于存储小型有序集合，元素按分数排序存储在压缩列表中。
SKIPLIST：跳表，用于存储大型有序集合，以支持高效的范围查询和排序操作。

实现：

ZIPLIST：
- 适合存储较小的有序集合，使用压缩列表来存储每个元素及其分数。
- 元素和分数以紧凑的格式存储在一个连续的内存块中。

// ziplist结构体示例
typedef struct {unsigned char *zl; // 指向压缩列表的指针unsigned int size; // 有序集合的大小
} Ziplist;

SKIPLIST：
- 实现为多级链表结构，每一层是一个有序的链表。
- 通过跳跃表的结构，提供对元素的高效插入、删除和范围查询操作。

// skiplistNode结构体示例
typedef struct zskiplistNode {void *obj;         // 有序集合的元素double score;      // 元素的分数struct zskiplistNode *forward; // 跳表的下一层节点
} zskiplistNode;typedef struct zskiplist {zskiplistNode *header; // 跳表的头节点int level;             // 跳表的层数
} zskiplist;

图示：

外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来直接上传

ZIPLIST：适用于小型有序集合，元素和分数存储在压缩列表中。
SKIPLIST：多级链表结构，适合大型有序集合，支持高效的范围查询和排序操作。

编码转换

ZIPLIST 到 SKIPLIST
1. 条件：当有序集合中的元素数量增加，Redis 会将 ZIPLIST 编码的有序集合转换为 SKIPLIST 编码，以支持高效的范围查询和排序操作。
2. 转换步骤：
  - 遍历 ZIPLIST 中的所有元素及其分数。
  - 将每个元素及其分数插入到 SKIPLIST 中。
  - 更新有序集合对象的编码方式为 SKIPLIST。
SKIPLIST 到 ZIPLIST
1. 条件：当 SKIPLIST 编码的有序集合变得较小且操作频率降低时，Redis 会将其转换为 ZIPLIST 编码以节省内存。
2. 转换步骤：
  - 遍历 SKIPLIST 中的所有元素及其分数。
  - 将每个元素及其分数存储到 ZIPLIST 中。
  - 更新有序集合对象的编码方式为 ZIPLIST。

有序集合命令的实现

ZADD
1. 功能：向有序集合中添加一个或多个元素及其分数。
2. 实现：
  - 判断有序集合的编码方式（ZIPLIST 或 SKIPLIST）。
  - 根据编码方式添加新元素和分数。
  - 如果需要，进行编码转换。
ZRANGE
1. 功能：返回有序集合中指定范围内的元素。
2. 实现：
  - 根据有序集合的编码方式（ZIPLIST 或 SKIPLIST）进行范围查询。
  - 如果是 ZIPLIST，使用压缩列表的索引进行查询。
  - 如果是 SKIPLIST，遍历跳表中的节点进行查询。
ZREM
1. 功能：从有序集合中删除一个或多个元素。
2. 实现：
  - 查找有序集合的编码方式（ZIPLIST 或 SKIPLIST）。
  - 根据编码方式删除元素。
  - 如果需要，进行编码转换。
ZSCORE
1. 功能：获取有序集合中指定元素的分数。
2. 实现：
  - 查找有序集合的编码方式（ZIPLIST 或 SKIPLIST）。
  - 根据编码方式获取元素的分数。
  - 如果需要，进行编码转换。

总结：转换条件

列表对象（List）

压缩列表到****链表：
- 每个元素大小：小于 64 字节
- 元素数量：小于 512
当列表的元素数量增加或元素大小变大时，Redis 将压缩列表（ZIPLIST）转换为链表（LINKEDLIST），以支持高效的插入和删除操作。

哈希对象（Hash）

压缩列表到****哈希表：
- 字段长度：小于 64 字节
- 字段数量：小于 512
当哈希的字段数量增加或字段长度变长时，Redis 将压缩列表（ZIPLIST）转换为哈希表（HT），以支持高效的查找和操作。

集合对象（Set）

整数集合到****哈希表：
- 所有元素：都是整数
- 元素数量：不能超过 512
当集合的元素数量增加或元素不是整数时，Redis 将整数集合（INTSET）转换为哈希表（HT），以支持更大的集合和多种数据类型。

有序集合对象（Sorted Set）

压缩列表到跳表：
- 元素数量：小于 128
- 元素长度：每个长度不能超过 64 字节
当有序集合的元素数量增加或元素长度变长时，Redis 将压缩列表（ZIPLIST）转换为跳表（SKIPLIST），以支持高效的范围查询和排序操作。

类型检查与命令多态

类型检查的实现

Redis 在处理不同类型的对象时，需要确保操作的正确性。为此，Redis 实现了类型检查机制来验证对象的类型。

类型检查的实现步骤：
1. 数据结构：每个 Redis 对象都有一个 type 字段，用于表示对象的类型。
2. 操作前检查：
  - 对象类型检查：在执行命令之前，Redis 会检查对象的类型是否与命令要求的类型匹配。例如，如果一个命令要求操作字符串对象，那么 Redis 会检查对象的 type 是否为 REDIS_STRING。
  - 错误处理：如果对象的类型不匹配，Redis 会返回错误信息，告知用户操作不合法。
示例代码：

// 检查对象类型的宏
#define OBJ_TYPE_CHECK(obj, type) \if ((obj)->type != (type)) return NULL; // 返回错误或处理逻辑// 示例：检查一个对象是否是字符串类型
void handleStringCommand(robj *obj) {OBJ_TYPE_CHECK(obj, REDIS_STRING);// 继续处理字符串对象的命令
}

多态命令的实现

Redis 支持命令的多态性，使得相同的命令可以操作不同类型的对象。这是通过以下机制实现的：

多态命令实现步骤：
1. 命令分发：每个命令在执行时，根据对象的类型调用不同的处理函数。例如，GET 命令对字符串对象和哈希对象的处理逻辑是不同的。
2. 函数指针：Redis 使用函数指针来实现多态命令。每种对象类型都有一个对应的处理函数，当命令执行时，Redis 会根据对象的实际类型调用相应的函数。
示例代码：

// 函数指针定义
typedef void (*commandHandler)(robj *obj);// 字符串类型的命令处理函数
void handleStringCommand(robj *obj) {// 处理字符串类型对象的命令
}// 哈希类型的命令处理函数
void handleHashCommand(robj *obj) {// 处理哈希类型对象的命令
}// 根据对象类型选择处理函数
void processCommand(robj *obj, commandHandler handler) {handler(obj);
}// 示例：处理命令
void executeCommand(robj *obj) {if (obj->type == REDIS_STRING) {processCommand(obj, handleStringCommand);} else if (obj->type == REDIS_HASH) {processCommand(obj, handleHashCommand);}// 其他类型处理
}

图示：

外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来直接上传

检查：通过检查对象的 type 字段来确保操作的正确性。
多态命令：使用函数指针和类型检查来动态调用适当的命令处理函数。

内存回收

。

内存回收

在 Redis 中，内存回收是一个重要的机制，用于管理和优化内存的使用，确保系统的稳定性和性能。Redis 的内存回收涉及到对象的生命周期管理和内存的释放。

内存回收的实现

对象的生命周期管理

引用计数：Redis 使用引用计数来跟踪对象的引用数量。每个对象都有一个引用计数器，当对象被引用时，计数器增加；当引用被释放时，计数器减少。对象的内存只有在引用计数降为零时才会被回收。
示例代码：

// 创建一个新对象并初始化引用计数
robj *createObject(int type, void *ptr) {robj *o = zmalloc(sizeof(robj));o->type = type;o->ptr = ptr;o->refcount = 1;  // 初始引用计数为 1return o;
}// 增加对象的引用计数
void incrRefCount(robj *o) {o->refcount++;
}// 减少对象的引用计数并在需要时回收内存
void decrRefCount(robj *o) {if (--o->refcount == 0) {// 释放对象的内存// 假设释放内存的函数是 freeObjectfreeObject(o);}
}

垃圾回收****策略

延迟回收：Redis 使用延迟回收策略，通过周期性检查和释放不再使用的对象内存来减少内存碎片。这种策略避免了频繁的内存分配和释放带来的性能开销。
示例代码：

// 释放对象的内存
void freeObject(robj *o) {if (o->type == REDIS_STRING) {sdsfree(o->ptr);  // 释放字符串对象的内存} else if (o->type == REDIS_LIST) {// 释放列表对象的内存} else if (o->type == REDIS_HASH) {// 释放哈希对象的内存} // 其他对象类型的处理zfree(o);  // 释放对象结构体本身的内存
}

内存****释放

内存****释放函数：当对象的引用计数降为零时，Redis 会调用内存释放函数释放对象占用的内存。
示例代码：

外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来直接上传

内存****回收：
- 引用计数：用于跟踪对象的引用并在引用计数为零时回收内存。
- 垃圾回收：定期清理不再使用的对象。
- 内存****释放：调用释放函数释放对象的内存。

对象共享

Redis 使用对象共享机制来优化内存使用和提高性能。对象共享的核心思想是避免重复创建相同内容的对象，从而减少内存消耗和提升操作效率。

对象共享的实现

共享对象的概念
1. 共享对象：Redis 通过引用相同的对象实例来实现对象共享。例如，多个键可以指向同一个值对象，避免了相同数据的重复存储。
2. 共享策略：共享机制主要应用于字符串、列表、哈希等数据类型。对于不可变的数据类型，如字符串常量，Redis 可以直接共享它们。

共享对象的实现步骤

对象创建：
- Redis 在创建对象时会首先检查是否已有相同内容的对象存在。如果存在，则复用已有对象，而不是创建新对象。
对象查找：
- Redis 使用全局的哈希表来管理共享的对象。这个哈希表存储了所有共享对象的引用。对象的查找和复用主要依赖于这个哈希表。
示例代码：

// 创建并共享对象
robj *createSharedObject(int type, void *ptr) {// 使用全局哈希表查找是否已有相同对象robj *sharedObj = findSharedObject(ptr);if (sharedObj != NULL) {return sharedObj;  // 返回已存在的共享对象}// 创建新对象并将其添加到共享哈希表robj *newObj = createObject(type, ptr);addObjectToSharedTable(newObj);return newObj;
}// 查找共享对象
robj *findSharedObject(void *ptr) {// 查找共享对象哈希表// 返回对应的共享对象或 NULL
}// 将对象添加到共享哈希表
void addObjectToSharedTable(robj *obj) {// 将对象添加到全局共享哈希表
}

共享对象的类型
1. 字符串共享：
  - Redis 对于相同的字符串内容进行共享，尤其是对短小字符串（如“OK”）进行优化，避免重复创建相同的字符串对象。
2. 示例代码：
3. ```
// 共享常量字符串
robj *sharedOK = createSharedObject(REDIS_STRING, "OK");
```
4. 列表、哈希等：
  - 对于较复杂的数据结构，如列表和哈希，Redis 也会尝试进行对象共享，但需要确保对象的内容一致。

图示：

![外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来直接上传](https://img-home.csdnimg.cn/images/20230724024159.png?origin_url=https%3A%2F%2Fsh1twn2kpn.feishu.cn%2Fspace%2Fapi%2Fbox%2Fstream%2Fdownload%2Fasynccode%2F%3Fcode%3DZWJmYzcxMGMzOGI3YjA2YTVjNTI1YjU0MzM3NWQwOTlfak02VkphdGdPZ1VKWEpwalhGVE5mcnJJb04xZnlIcVhfVG9rZW46RVlyVGJmVDc3b3E4WEx4WmpzZ2N4WWk1 在这里插入图片描述
bm1kXzE3MjI5MzEzNDU6MTcyMjkzNDk0NV9WNA&pos_id=img-smWRaSUD-1722931509615)

对象共享：
- 共享对象：通过复用已有对象来减少内存消耗。
- 对象查找：使用全局哈希表来管理和查找共享对象。
- 共享策略：主要用于字符串和其他不可变数据类型。

对象的空转时长

对象的空转时长（Idle Time）指的是对象在 Redis 中未被访问或操作的时间长度。Redis 使用这个概念来管理和回收长期不活动的对象，从而优化内存使用和性能。

对象空转时长的实现

空转时长的记录

时间戳：Redis 为每个对象记录一个时间戳，表示该对象最后一次被访问的时间。这是通过系统时间来实现的。
示例代码：

// 更新对象的空转时间
void updateObjectIdleTime(robj *obj) {obj->last_access_time = getCurrentTime();  // 获取当前时间
}// 获取当前系统时间
time_t getCurrentTime() {return time(NULL);  // 返回当前时间戳
}

对象空转回收
1. 空转回收机制：Redis 定期检查对象的空转时长，如果某个对象的空转时长超过了设定的阈值，则会将其标记为可回收或直接回收。
2. 回收策略：
  - 惰性删除：只有在对象被访问时，Redis 才检查其空转时长，如果超出阈值则进行删除。
  - 定期回收：Redis 定期运行清理任务，遍历所有对象并删除超出空转时长的对象。
3. 示例代码：
4. ```
// 清理超时对象的函数
void periodicCleanup() {time_t now = getCurrentTime();// 遍历所有对象for (each object in all_objects) {if (now - object->last_access_time > IDLE_TIMEOUT) {freeObject(object);  // 释放超时对象的内存}}
}// 空转超时时长阈值
#define IDLE_TIMEOUT 3600  // 1 小时
```
配置和管理
1. 配置参数：Redis 提供了配置参数来调整对象空转的回收策略。例如，可以设置空转时长阈值和定期回收的频率。
2. 配置示例：
3. ```
# Redis 配置文件示例
# 设置对象的空转时长阈值为 1 小时
idle_timeout 3600
```

图示：

外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来直接上传

空转时长管理：
- 记录空转时间：为每个对象记录最后访问时间。
- 回收机制：通过惰性删除和定期清理来回收长期不活动的对象。
- 配置管理：通过配置文件调整空转时长和清理频率。