首頁 > 資料庫 > Redis > 主體

詳解Redis中的資料結構

青灯夜游
發布: 2021-04-02 09:45:11
轉載
5428 人瀏覽過

詳解Redis中的資料結構

在實際開發,Redis使用會頻繁,那麼在使用過程中我們該如何正確抉擇資料型別呢?哪些場景下適用哪些資料類型。而且在面試中也很常被面試官問到Redis資料結構方面的問題:

  • Redis為什麼快呢?
  • 為什麼查詢操作會變慢了?
  • Redis Hash rehash過程
  • 為什麼使用哈希表作為Redis的索引

當我們分析了解Redis資料結構,可以為了我們在使用Redis的時候,正確抉擇資料型別使用,提升系統效能。 【相關推薦:Redis影片教學

Redis底層資料結構

Redis 是一個記憶體鍵值key-value 資料庫,且鍵值對資料保存在記憶體中,因此Redis基於記憶體的資料操作,其效率高,速度快;

其中,KeyString類型,Redis 支援的value 類型包括了StringListHashSetSorted SetBitMap等。 Redis 能夠之所以能夠廣泛地適用眾多的業務場景,基於其多樣化類型的value

RedisValue的資料型別是基於為Redis自訂的物件系統redisObject實現的,

typedef struct redisObject{
    //类型
    unsigned type:4;
    //编码
    unsigned encoding:4;
    //指向底层实现数据结构的指针
    void *ptr;
    ….. 
}
登入後複製

redisObject除了記錄實際數據,還需要額外的內存空間記錄數據長度、空間使用等元數據信息,其中包含了8 字節的元數據和一個8 位元組指針,指針指向具體資料型別的實際資料所在位置:

詳解Redis中的資料結構

#其中,指標指向的就是基於 Redis的底層資料結構儲存資料的位置,Redis的底層資料結構:SDS,雙向鍊錶、跳表,雜湊表,壓縮列表、整數集合實現的。

那麼Redis底層資料結構是怎麼實現的呢?

Redis底層資料結構實作

我們先來看看Redis比較簡​​單的SDS,雙向鍊錶,整數集合

SDS、雙向鍊錶和整數集合

SDS,使用len欄位記錄已使用的位元組數,將取得字串長度複雜度降低為O(1),而且SDS惰性釋放空間的,你free了空間,系統把資料記錄下來下次想用時候可直接使用。不用新申請空間。
詳解Redis中的資料結構
整數集合,在記憶體中分配一塊位址連續的空間,資料元素會挨著存放,不需要額外指標帶來空間開銷,其特點為記憶體緊湊節省記憶體空間,查詢複雜度為O(1)效率高,其他操作複雜度為O(N);

雙向鍊錶 , 在記憶體上可以為非連續、非順序空間,透過額外的指標開銷前驅/後驅指標串聯元素之間的順序。

其特性為節插入/更新資料複雜度為O(1)效率高,查詢複雜度為O(N);

Hash哈希表

哈希表,其實類似是數組,數組的每個元素稱為一個哈希桶,每個哈希桶中保存了鍵值對數據,且哈希桶中的元素使用dictEntry結構,
詳解Redis中的資料結構

#因此,雜湊桶元素保存的並不是鍵值對值本身,而是指向具體值的指針,所以在儲存每個鍵值對的時候會額外空間開銷,至少有增加24個字節,特別是ValueString的鍵值對,每一個鍵值對就需要額外開銷24個位元組空間。當保存資料小,額外開銷比資料還大時,這時為了節省空間,考慮換資料結構。

那來看看全域雜湊表全圖:
詳解Redis中的資料結構
雖然雜湊表操作很快,但Redis資料變大後,就會出現一個潛在的風險:哈希表的衝突問題和rehash開銷問題這可以解釋為什麼哈希表操作變慢了?

當到哈希表中寫入更多資料時,哈希衝突是不可避免的問題, Redis 解決哈希衝突的方式,就是鍊式哈希 ,同一個哈希桶中的多個元素用一個鍊錶來保存,它們之間依次用指針連接,如圖所示:
詳解Redis中的資料結構

當哈希衝突也會越來越多,這就會導致某些哈希衝突鏈過長,進而導致這個鏈上的元素查找耗時長,效率降低。
  • 為了解決哈希衝突帶了的鏈過長的問題,進行
  • rehash
  • 操作
  • ,增加現有的哈希桶數量,分散單桶元素數量。那麼
rehash

過程怎麼樣執行的呢?

Rehash為了使#rehash 操作更有效率,使用兩個全域哈希表:哈希表1和哈希表2,具體如下:

將哈希表2 分配更大的空間,

把哈希表1 中的資料重新映射並拷貝到哈希表2 中;

詳解Redis中的資料結構釋放哈希表1 的空間

但由於表1和表2在重新映射複製時資料大,如果一次把哈希表1 中的資料都遷移完,會造成Redis

執行緒阻塞,無法服務其他請求。

為了避免這個問題,保證Redi

s能正常處理客戶端請求,

Redis 採用了漸進式
rehash詳解Redis中的資料結構

每處理一個請求時,從哈希表1 中依次將索引位置上的所有entries 拷貝到哈希表2 中,把一次性大量拷貝的開銷,分攤到了多次處理請求的過程中,避免了耗時操作,並保證了資料的快速存取。

在理解完Hash雜湊表相關知識點後,看看不常見的壓縮清單和跳表。

壓縮清單與跳表

詳解Redis中的資料結構

壓縮清單

,在陣列基礎上,在壓縮清單在表頭有三個欄位zlbytes、zltail 和zllen,分別表示列表長度、列表尾的偏移量和列表中的entry 個數;壓縮列表在表尾還有一個zlend,表示列表結束。

記憶體緊湊節省記憶體空間,記憶體中分配一塊位址連續的空間,資料元素會挨著存放,不需要額外指標帶來空間開銷;找出定位第一個元素和最後一個元素,可以透過表頭三個欄位的長度直接定位,複雜度是O(1)。 跳表 ,在鍊錶的基礎上,增加了多層索引,透過索引位置的幾個跳轉,實現資料的快速定位,如下圖所示: 特點:當資料量很大時,跳表的查找複雜度為O(logN)。 綜上所述,可以得知底層資料結構的時間複雜度:##時間複雜度雜湊表O(1)整數陣列 O(N)
優點:
例如查詢33
資料結構類型
###雙向鍊錶######O(N)############壓縮清單######O( N)############跳表######O(logN)#############

Redis自訂的物件系統類型即為RedisValue的資料類型,Redis的資料類型是基於底層資料結構實現的,那資料型態有哪些呢?

Redis資料類型

StringListHashSorted Set Set比較常見的類型,其與底層資料結構對應關係如下:

資料類型 #資料結構
String SDS(簡單動態字串)
List #雙向鍊錶
壓縮清單
Hash 壓縮清單
雜湊表
Sorted Set 壓縮清單
跳表
#Set 哈希表
整數陣列

資料型態對應特性跟其實現的底層資料結構差不多,性質也是一樣的,且

String,基於SDS實現,適用於簡單key-value儲存、setnx key value實作分散式鎖定、計數器(原子性)、分散式全域唯一ID。

List, 按照元素進入List 的順序進行排序的,遵循FIFO(先進先出)規則,一般使用在 排序統計以及簡單的訊息佇列。

Hash, 是字串key和字串value之間的映射,十分適合用來表示一個物件訊息,特點添加和刪除操作複雜度都是O(1)。

Set,是String 類型元素的無序集合,集合成員是唯一的,這表示集合中不能出現重複的資料。基於哈希表實現的,所以添加,刪除,查找的複雜度都是 O(1)。

Sorted Set,  是Set的類型的升級, 不同的是每個元素都會關聯一個 double 類型的分數,透過分數排序,可以範圍查詢。

那我們再來看看這些資料類型,Redis GeoHyperLogLogBitMap

Redis Geo, 將地球看為近似為球體,基於GeoHash 將二維的經緯度轉換成字串,來實現位置的分割跟指定距離的查詢。特點一般使用在跟位置有關的應用。

HyperLogLog, 是一種機率資料結構,它使用機率演算法來統計集合的近似基數 , 錯誤率大概在0.81%。當集合元素數量非常多時,它計算基數所需的空間總是固定的,而且還很小,適合使用做 UV 統計。

BitMap ,用一個位元位元來映射某個元素的狀態, 只有0 和1 兩種狀態,非常典型的二值狀態,且其本身是用String 類型作為底層資料結構實現的一種統計二值狀態的資料類型 ,優勢大量節省記憶體空間,可是使用在二值統計場景。

在理解上述知識後,我們接下來討論一下根據哪些策略選擇相對應的應用場景下的Redis資料類型?

選擇適合的Redis資料類型策略

#在實際開發應用程式中,Redis可以適用於眾多的業務場景,但我們需要怎麼選擇資料類型儲存呢?

主要依據就是時間/空間複雜度,在實際的開發中可以考慮以下幾個點:

  • 資料量,資料本身大小
  • 集合類型統計模式
  • 支援單點查詢/範圍查詢
  • 特殊使用場景

#資料量,資料本身大小

#當資料量比較大,資料本身比較小,使用String就會使用額外的空間大大增加,因為使用雜湊表儲存鍵值對,使用dictEntry 結構保存,會導致保存每個鍵值對時額外保存dictEntry的三個指標的開銷,這樣就會導致資料本身小於額外空間開銷,最終會導致儲存空間資料大小遠大於原本資料儲存大小。

可以使用基於整數陣列壓縮列表實作了ListHashSorted Set ,因為整數數組壓縮列表在記憶體中都是分配一塊位址連續的空間,然後把集合中的元素一個接一個地放在這塊空間內,非常緊湊,不用再透過額外的指針把元素串接起來,這就避免了額外指針帶來的空間開銷。而且採用集合類型時,一個 key 就對應一個集合的數據,能保存的數據多了很多,但也只用了一個 dictEntry,這樣就節省了記憶體。

集合類型統計模式

Redis集合類型統計模式常見的有:

  • 聚合統計( 交集、差集、並集統計):  對多個集合進行聚合計算時,可以選擇Set;
  • 排序統計(要求集合類型能對元素保序): RedisListSorted Set是有序集合,List是依照元素進入 List 的順序進行排序的,Sorted Set 可以依照元素的權重來排序;
  • 二值狀態統計( 集合元素的取值就只有0 和1 兩種) :Bitmap 本身是用String 類型作為底層資料結構實現的一種統計二值狀態的資料類型, Bitmap透過BITOP 按位元與、或、異或的操作後使用BITCOUNT 統計1 的個數。
  • 基數統計(統計一個集合中不重複的元素的個數):HyperLogLogLog 是一種用於統計基數的資料集合類型,統計結果是有一定誤差的,標準誤算率是0.81% 。需要精確統計結果的話,用 Set 或 Hash 類型。

詳解Redis中的資料結構

Set類型,適用統計使用者/好友/追蹤/粉絲/有興趣的人集合聚合操作,例如

  • 統計手機APP每天的新增用戶數
  • 兩個用戶的共同好友

#RedisList#和Sorted Set是有序集合,使用應對集合元素排序需求,例如

  • #最新評論清單
  • 排行榜

#Bitmap二值狀態統計,適用資料量大,且可以使用二值狀態表示的統計,例如:

  • 簽到打卡,當天使用者簽到數字
  • 使用者週活躍
  • 使用者線上狀態

HyperLogLogLog 是一種用於統計基數的資料集合類型,統計一個集合中不重複的元素個數,例如

  • 統計網頁的UV , 一個使用者一天內的多次造訪只能算一次

支援單點查詢/範圍查詢

RedisListSorted Set是有序集合支援範圍查詢,但是Hash是不支援範圍查詢的

特殊使用場景

訊息佇列,使用Redis作為訊息佇列的實現,要訊息的基本要求訊息保序處理重複的訊息保證訊息可靠性,方案有如下:

  • 基於List 的訊息佇列解決方案
  • 基於Streams 的訊息佇列解決方案

基於List 基於Strems
訊息保序 使用LPUSH/RPOP 使用XADD/XREAD
阻塞讀取 #使用BRPOP 使用XREAD block
重複訊息處理 #生產者自行實作全域唯一ID Streams自動產生全域唯一ID
訊息可靠性 使用BRPOPLPUSH 使用PENDING List自動留存訊息

適用場景訊息總量小

訊息總量大,需要消費群組形式讀取資料

#########基於位置LBS 服務###,使用###Redis###的特定###GEO###資料類型實現,###GEO### 可以記錄經緯度形式的地理位置信息,被廣泛地應用在LBS 服務中。 例如:叫車軟體是怎麼基於位置提供服務的。 #########總結############Redis###之所以那麼快,是因為其基於記憶體的資料運算和使用###Hash###哈希表格作為索引,其效率高,速度快,而且得益於其底層資料多樣化使得其可以適用於眾多場景,不同場景中選擇合適的資料類型可以提升其查詢效能。 ######更多程式相關知識,請造訪:###程式設計影片###! ! ###

以上是詳解Redis中的資料結構的詳細內容。更多資訊請關注PHP中文網其他相關文章!

來源:segmentfault.com
本網站聲明
本文內容由網友自願投稿,版權歸原作者所有。本站不承擔相應的法律責任。如發現涉嫌抄襲或侵權的內容,請聯絡admin@php.cn
熱門教學
更多>
最新下載
更多>
網站特效
網站源碼
網站素材
前端模板
關於我們 免責聲明 Sitemap
PHP中文網:公益線上PHP培訓,幫助PHP學習者快速成長!