Redis Hash(散列表)实现原理深度图解

2023-08-0109:14:38数据结构与算法Comments1,538 views字数 3728阅读模式

1. 是什么

Redis Hash(散列表)是一种 field-value pairs(键值对)集合类型,类似于 Python 中的字典、Java 中的 HashMap。一个 field 对应一个 value,你可以通过 field 在 O(1) 时间复杂度查 field 找关联的 field,也可以通过 field 来更新或者删除这个键值对。文章源自菜鸟学院-https://www.cainiaoxueyuan.com/suanfa/52123.html

Redis 的散列表 dict 由数组 + 链表构成,数组的每个元素占用的槽位叫做哈希桶,当出现散列冲突的时候就会在这个桶下挂一个链表,用“拉链法”解决散列冲突的问题文章源自菜鸟学院-https://www.cainiaoxueyuan.com/suanfa/52123.html

简单地说就是将一个 key 经过散列计算均匀的映射到散列表上。文章源自菜鸟学院-https://www.cainiaoxueyuan.com/suanfa/52123.html

Redis Hash(散列表)实现原理深度图解
图 2-18

图 2-18文章源自菜鸟学院-https://www.cainiaoxueyuan.com/suanfa/52123.html

2. 修炼心法

Hash 数据类型底层存储数据结构实际上有两种。文章源自菜鸟学院-https://www.cainiaoxueyuan.com/suanfa/52123.html

  1. dict 结构。
  2. 在 7.0 版本之前使用 ziplist,之后被 listpack 代替。

通常情况下使用 dict 数据结构存储数据,每个 field-value pairs 构成一个 dictEntry 节点来保存。文章源自菜鸟学院-https://www.cainiaoxueyuan.com/suanfa/52123.html

只有同时满足以下两个条件的时候,才会使用 listpack(7.0 版本之前使用 ziplist)数据结构来代替 dict 存储, 把 key-value 键值对按照 field 在前 value 在后,紧密相连的方式放到一次把每个键值对放到列表的表尾文章源自菜鸟学院-https://www.cainiaoxueyuan.com/suanfa/52123.html

  • 每个键值对中的 field 和 value 的字符串字节大小都小于hash-max-listpack-value 配置的值(默认 64)。
  • field-value pairs 键值对数量小于 hash-max-listpack-entries配置的值(默认 512)。

每次向散列表写数据的时候,都会调用 t_hash.c 中的hashTypeConvertListpack()函数来判断是否需要转换底层数据结构。文章源自菜鸟学院-https://www.cainiaoxueyuan.com/suanfa/52123.html

当插入和修改的数据不满足以上两个条件时,就把散列表底层存储结构转换成 dict结构。需要注意的是,不能由 dict 退化成 listpack文章源自菜鸟学院-https://www.cainiaoxueyuan.com/suanfa/52123.html

虽然使用了 listpack 就无法实现 O(1) 时间复杂度操作数据,但是使用 listpack 能大大减少内存占用,而且数据量比较小,性能并不是有太大差异。文章源自菜鸟学院-https://www.cainiaoxueyuan.com/suanfa/52123.html

为了对上层屏蔽散列表底层使用了不同数据结构存储,所以抽象了一个 hashTypeIterator 迭代器来实现散列表的查询。文章源自菜鸟学院-https://www.cainiaoxueyuan.com/suanfa/52123.html

Hashes 数据类型使用 listpack 作为存储数据时的情况,如图 2-19 所示。文章源自菜鸟学院-https://www.cainiaoxueyuan.com/suanfa/52123.html

Redis Hash(散列表)实现原理深度图解
图 2-19

图 2-19文章源自菜鸟学院-https://www.cainiaoxueyuan.com/suanfa/52123.html

listpack 数据结构在之前的已经介绍过, 接下来带你揭秘 dict 到底长啥样。文章源自菜鸟学院-https://www.cainiaoxueyuan.com/suanfa/52123.html

Redis 数据库就是一个全局散列表。正常情况下,我只会使用 ht_table[0]散列表,图 2-20 是一个没有进行 rehash 状态下的字典。文章源自菜鸟学院-https://www.cainiaoxueyuan.com/suanfa/52123.html

Redis Hash(散列表)实现原理深度图解
图 2-20

图 2-20文章源自菜鸟学院-https://www.cainiaoxueyuan.com/suanfa/52123.html

dict 字典在源代码 dict.h中使用 dict 结构体表示。文章源自菜鸟学院-https://www.cainiaoxueyuan.com/suanfa/52123.html

struct dict {
    dictType *type;
  // 真正存储数据的地方,分别存放两个指针
    dictEntry **ht_table[2];
    unsigned long ht_used[2];

    long rehashidx;

    int16_t pauserehash;
    signed char ht_size_exp[2];
};
  • dictType *type,存放函数的结构体,定义了一些函数指针,可以通过设置自定义函数,实现 dict 的 key 和 value 存放任何类型的数据。
  • 重点看 dictEntry **ht_table[2],存放了两个 dictEntry 的二级指针,指针分别指向了一个 dictEntry 指针的数组。
  • ht_used[2],记录每个散列表使用了多少槽位(比如数组长度 32,使用了 12)。
  • rehashidx,用于标记是否正在执行 rehash 操作,-1 表示没有进行 rehash。如果正在执行 rehash,那么其值表示当前 rehash 操作执行的 ht_table[0] 散列表 dictEntry 数组的索引。
  • pauserehash 表示 rehash 的状态,大于 0 时表示 rehash 暂停了,小于 0 表示出错了。

继续看 dictEntry,数组中每个元素都是 dictEntry 类型,就是这玩意存放了键值对,表示字典的一个节点。文章源自菜鸟学院-https://www.cainiaoxueyuan.com/suanfa/52123.html

typedef struct dictEntry {
    void *key;
    union {
        void *val;
        uint64_t u64;
        int64_t s64;
        double d;
    } v;
    struct dictEntry *next;
} dictEntry;
  • *key指针指向键值对中的键,实际上指向一个 SDS 实例。
  • v是一个 union 联合体,表示键值对中的值,同一时刻只有一个字段有值,用联合体的目是节省内存。
    • *val 如果值是非数字类型,那就使用这个指针存储。
    • uint64_t u64,值是无符号整数的时候使用这个字段存储。
    • int64_t s64,值是有符号整数时,使用该字段存储。
    • double d,值是浮点数是,使用该字段存储。
  • *next指向下一个节点指针,当散列表数据增加,可能会出现不同的 key 得到的哈希值相等,也就是说多个 key 对应在一个哈希桶里面,这就是哈希冲突。Redis 使用拉链法,也就是用链表将数据串起来。

MySQL:“为啥 ht_table[2] 存放了两个指向散列表的指针?用一个散列表不就够了么。”文章源自菜鸟学院-https://www.cainiaoxueyuan.com/suanfa/52123.html

默认使用 ht_table [0] 进行读写数据,当散列表的数据越来越多的时候,哈希冲突严重会出现哈希桶的链表比较长,导致查询性能下降。文章源自菜鸟学院-https://www.cainiaoxueyuan.com/suanfa/52123.html

我为了唯快不破想了一个法子,当散列表保存的键值对太多或者太少的时候,需要通过 rehash(重新散列)对散列表进行扩容或者缩容。文章源自菜鸟学院-https://www.cainiaoxueyuan.com/suanfa/52123.html

扩容和缩容文章源自菜鸟学院-https://www.cainiaoxueyuan.com/suanfa/52123.html

  1. 为了高性能,减少哈希冲突,我会创建一个大小等于 ht_used[0] * 2的散列表 ht_table[1],也就是每次扩容时根据散列表 ht_table [0]已使用空间扩大一倍创建一个新散列表ht_table [1]。反之,如果是缩容操作,就根据ht_table [0]已使用空间缩小一倍创建一个新的散列表。文章源自菜鸟学院-https://www.cainiaoxueyuan.com/suanfa/52123.html
  2. 重新计算键值对的哈希值,得到这个键值对在新散列表 ht_table [1]的桶位置,将键值对迁移到新的散列表上。文章源自菜鸟学院-https://www.cainiaoxueyuan.com/suanfa/52123.html
  3. 所有键值对迁移完成后,修改指针,释放空间。具体是把 ht_table[0]指针指向扩容后的散列表,回收原来小的散列表内存空间,ht_table[1]指针指向NULL,为下次扩容或者缩容做准备。文章源自菜鸟学院-https://www.cainiaoxueyuan.com/suanfa/52123.html

MySQL:“什么时候会触发扩容?”文章源自菜鸟学院-https://www.cainiaoxueyuan.com/suanfa/52123.html

  1. 当前没有执行 BGSAVE或者 BGREWRITEAOF命令,同时负载因子大于等于 1。也就是当前没有 RDB 子进程和 AOF 重写子进程在工作,毕竟这俩操作还是比较容易对性能造成影响的,就不扩容火上浇油了。
  2. 正在执行 BGSAVE或者 BGREWRITEAOF命令,负载因子大于等于 5。(这时候哈希冲突太严重了,再不触发扩容,查询效率太慢了)。

负载因子 = 散列表存储 dictEntry 节点数量 / 散列表桶个数。完美情况下,每个哈希桶存储一个 dictEntry 节点,这时候负载因子 = 1。文章源自菜鸟学院-https://www.cainiaoxueyuan.com/suanfa/52123.html

MySQL:“需要迁移数据量很大,rehash 操作岂不是会长时间阻塞主线程?”文章源自菜鸟学院-https://www.cainiaoxueyuan.com/suanfa/52123.html

为了防止阻塞主线程造成性能问题,我并不是一次性把全部的 key 迁移,而是分多次,将迁移操作分散到每次请求中,避免集中式 rehash 造成长时间阻塞,这个方式叫渐进式 rehash文章源自菜鸟学院-https://www.cainiaoxueyuan.com/suanfa/52123.html

在执行渐进式 rehash 期间,dict 会同时使用 ht_table[0] 和 ht_table[1]两个散列表,rehash 具体步骤如下。文章源自菜鸟学院-https://www.cainiaoxueyuan.com/suanfa/52123.html

  1. 将 rehashidx设置成 0,表示 rehash 开始执行。
  2. 在 rehash 期间,服务端每次处理客户端对 dict 散列表执行添加、查找、删除或者更新操作时,除了执行指定操作以外,还会检查当前 dict 是否处于 rehash 状态,是的话就把散列表ht_table[0]上索引位置为 rehashidx 的桶的链表的所有键值对 rehash 到散列表 ht_table[1]上,这个哈希桶的数据迁移完成,就把 rehashidx 的值加 1,表示下一次要迁移的桶所在位置。
  3. 当所有的键值对迁移完成后,将 rehashidx设置成 -1,表示 rehash 操作已完成。

MySQL:“rehash 过程中,字典的删除、查找、更新和添加操作,要从两个 ht_table 都搞一遍么?”文章源自菜鸟学院-https://www.cainiaoxueyuan.com/suanfa/52123.html

删除、修改和查找可能会在两个散列表进行,第一个散列表没找到就到第二个散列表进行查找。但是增加操作只会在新的散列表上进行。文章源自菜鸟学院-https://www.cainiaoxueyuan.com/suanfa/52123.html

MySQL:“如果请求比较少,岂不是会很长时间都要使用两个散列表。”文章源自菜鸟学院-https://www.cainiaoxueyuan.com/suanfa/52123.html

好问题,在 Redis Server 初始化时,会注册一个时间事件,定时执行 serverCron 函数,其中包含 rehash 操作用于辅助迁移,避免这个问题。文章源自菜鸟学院-https://www.cainiaoxueyuan.com/suanfa/52123.html

serverCron 函数除了做 rehash 以外,主要处理如下工作。文章源自菜鸟学院-https://www.cainiaoxueyuan.com/suanfa/52123.html

  • 过期 key 删除。
  • 监控服务运行状态。
  • 更新统计数据。
  • 渐进式 rehash。
  • 触发 BGSAVE / AOF rewrite 以及停止子进程。
  • 处理客户端超时。
  • ......

是不是很贴心,既能保证性能,又能避免内存浪费。好了,今天散列表底层数据结构实现原理就到这里。文章源自菜鸟学院-https://www.cainiaoxueyuan.com/suanfa/52123.html

  • 本站内容整理自互联网,仅提供信息存储空间服务,以方便学习之用。如对文章、图片、字体等版权有疑问,请在下方留言,管理员看到后,将第一时间进行处理。
  • 转载请务必保留本文链接:https://www.cainiaoxueyuan.com/suanfa/52123.html

Comment

匿名网友 填写信息

:?: :razz: :sad: :evil: :!: :smile: :oops: :grin: :eek: :shock: :???: :cool: :lol: :mad: :twisted: :roll: :wink: :idea: :arrow: :neutral: :cry: :mrgreen:

确定