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:
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,Key
是String
類型,Redis
支援的value
類型包括了String
、List
、 Hash
、 Set
、 Sorted Set
、BitMap
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
。
而Redis
的Value
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; ….. }
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:
#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?
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
是惰性釋放空間的,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。
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,
#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Value
為String
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:
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:
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:
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
Redis 採用了漸進式
rehash。
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。優點: | 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)。|
---|---|
例如查詢33 | |
綜上所述,可以得知底層資料結構的時間複雜度: | |
資料結構類型 | ##時間複雜度|
雜湊表 | O(1) |
整數陣列 | O(N) |
Redis
自訂的物件系統類型即為Redis
的Value
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?
String
、List
、Hash
、Sorted 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 Geo
、HyperLogLog
、BitMap
?
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?
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:
#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和壓縮列表實作了List
、Hash
和Sorted Set
,因為整數數組和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。
Redis
集合類型統計模式常見的有:
Set
;Redis
中List
和Sorted 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;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。 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。 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
#Redis
中List
#和Sorted Set
是有序集合,使用應對集合元素排序需求,例如
#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:
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
Redis
中List
和Sorted Set
是有序集合支援範圍查詢,但是Hash
是不支援範圍查詢的
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、處理重複的訊息和保證訊息可靠性,方案有如下:
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
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!