Bootstrap

数据结构与对象-字典

        字典,又称为符号表(symbol table)、关联数组(associative array)或映射(map),是一种用于保存键值对(key-value pair)的抽象数据结构。
        在字典中,一个键(key)可以和一个值(value)进行关联(或者说将键映射为值),这些关联的键和值就称为键值对。
        字典中的每个键都是独一无二的,程序可以在字典中根据键查找与之相关的值,或者通过键来更新值,又或者根据键来删除整个键值对,等等。
        字典经常作为一种数据结构内置在许多高级编程语言中,但是Redis使用的C语言没有内置这种数据结构,所以Redis构建了自己的字典实现。
        字典在Redis中的应用相当广泛,比如Redis的数据库就是使用字典作为底层实现的,对数据库的增删改查操作也是建立在对字典的操作上的。

字典的实现

        Redis的字典使用哈希表作为底层实现,一个哈希表包含了多个哈希表节点,每个哈希表节点就保存了字典中的一个键值对。接下来将分别介绍Redis的哈希表、哈希表节点和字典的实现。

哈希表

Redis使用的哈希表由dict.h/dictht结构定义:

typedef struct dictht {
    //哈希表数组
    dictEntry **table;

    //哈希表大小
    unsigned long size;

    //哈希表大小掩码,用于计算索引值
    //总是size-1
    unsigned long sizemask;

    //该哈希表已有节点的数量
    unsigned long used;
}dictht;

        table属性是一个数组,数组中的每个元素都是一个指向dict.h/dictEntry结构的指针,每个dictEntry结构保存一个键值对;
        size属性记录了哈希表的大小,也即是table数组的大小;
        而used属性则记录了哈希表中目前已有节点(键值对)的数量;
        sizemask属性的值总是size-1,这个属性和哈希值一起决定了一个键应该放到table数组的那个索引上。

哈希表节点

哈希表节点使用dict.h/dictEntry结构表示,每个dictEntry节点都保存一个键值对:

typedef struct dictEntry {
    //键
    void *key;

    //值
    unino{
        void *val;
        uint_64_tu64;
        int64_ts64;
    }v;

    //指向下个哈希表节点,形成链表
    struct dictEntry *next;
}dictEntry;

        key属性保存键值对的键,而v属性保存键对应的值。其中v可以是一个指针,或者是一个uint64_t整数,又或者是一个int64_t整数。
        next属性是指向另一个哈希表节点的指针,这个指针可以将多个哈希值相同的节点连接在一起,以此来解决键冲突(collision)的问题。

字典

Redis中的字典使用dict.h/dict结构表示:

typedef struct dict {
    //类型特定函数
    dictType *type;

    //私有数据
    void *privdata;

    //哈希表
    dictht ht[2];

    //rehash索引
    //当rehash不在进行时,值为-1
    in trehashidx;/*rehashing not in progress if rehashidx == -1*/
}dict;

        type属性和privdata属性是针对不同类型的键值对,为创建多态字典而设置的:
        type属性是一个指向dictType结构的指针,每个dictType结构保存了一簇用于操作特定类型键值对的函数,Redis会为用途不同的字典设置不同的类型特定函数。
        而privdata属性则保存了需要传递给那些特定类型函数的可选参数。

typedef struct dictType {
    //计算哈希值的函数
    unsigned int (*hashFunction)(const void *key);

    //复制键的函数
    void (*keyDup)(void *privdata, const void *key);

    //复制值的函数
    void (*valDup)(void *privdata, const void *Obj);

    //对比键的函数
    int (*keyCompare)(void *privdata, const void *key1, const void *key2);

    //销毁键的函数
    void (*keyDestructor)(void *privdata, const void *key);

    //销毁值的函数
    void (*valDestructor)(void *privdata, const void *Obj);
}dictType;

        ht属性是包含两个项的数组,数组中的每个项都是一个dictht哈希表,一般情况下只会用到ht[0]哈希表,而ht[1]哈希表只会在对ht[0]哈希表rehash时使用。
        除了ht[1]之外,还有一个与和rehash有关的属性就是rehashidx,它记录了rehash目前的进度,如果目前没有在进行中的rehash,那么rehashidx的值为-1。

哈希算法

        当一个新的键值对需要添加到字典里时,系统需要现根据键计算出哈希值和索引值,然后根据索引值,将包含新的键值对的哈希表节点放到哈希表数组中指定索引上。
        Redis计算哈希值和索引值的算法如下:
        # 使用字典设置的hash函数,计算键key的哈希值
        hash = dict -> type -> hashFunction(key);

        # 使用哈希表的sizemask值和哈希值,计算出索引值
        # 根据情况不同,ht[x]可以是ht[0]或ht[1]
        index = hash & dict -> ht[x].sizemask;

        当字典用于数据库的底层实现,或者用于哈希键的底层实现时,Redis使用MurmurHash2算法来计算键的哈希值。
        MurmurHash算法最初由Ausin Appleby与2008年发明,这种算法的优点在于,即使输入的键是有规律的,算法仍能给出很好的随机分布,并且算法的计算速度也很快。
        MurmurHash算法目前最新的版本为MurmurHash3,而Redis使用的版本是MurmurHash2,关于MurmurHash算法更多的信息可以参考该算法的主页:http://code.google.com/p/smhasher/。

解决哈希键冲突

        当有两个及以上数量的键值对被分配在了哈希表数组的同一个索引上,我们称这些键发生了冲突(collision)。
        Redis的哈希表使用链地址法(separatc chaining)来解决哈希键冲突,每个哈希表节点都存在一个next指针,多个哈希表节点可以通过next指针组成一个单向链表,被分配到同一个索引上的多个节点可以使用这个单向链表连接起来,这就解决了键冲突的问题。
        因为dictEntry节点组成的链表没有指向链尾的指针,所以为了速度考虑,程序总是将新节点添加到链表的表头位置(复杂度为O(1)),排在其他已有节点前面。

rehash(重新散列)

        随着操作的不断执行,哈希表保存的键值对会逐渐的增多或减少,为了让哈希表的负载因子(load factor)维持在一个合理的范围之内,当哈希表保存的键值对过多或过少时,程序需要对哈希表进行响应的扩展或收缩。
        扩展和收缩哈希表的工作可以通过执行rehash(重新散列)操作来完成,Redis对字典的哈希表执行rehash的步骤如下:
        1)为字典的ht[1]哈希表分配空间,这个哈希表的空间大小取决于要执行的操作,以及ht[0]当前包含的键值对数量(也即是ht[0].used属性的值):

  • 如果执行的是扩展操作,那么ht[1]的大小为第一个大于等于ht[0].used*2的2^n(2的n次方幂)
  • 如果执行的是收缩操作,那么ht[1]的大小为第一个大于等于ht[0].used的2^n(2的n次方幂)

        2)将保存在ht[0]中的所有键值对rehash到ht[1]上面:
            rehash指的是重新计算键的哈希值和索引值,然后将键值对放置到ht[1]哈希表的指定位置。
        3)当ht[0]包含的所有键值对都迁移到了ht[1]之后(ht[0]变为空表),释放ht[0],将ht[1]设置为ht[0],并在ht[1]新创建一个空白哈希表,为下一次rehash做准备。

哈希表的扩展与收缩

        当一下条件中任意一个被满足时,程序会自动开始对哈希表执行扩展操作:
        1)服务器目前没有在执行BGSAVE命令或者BGREWRITEAOF命令,并且哈希表的负载因子大于等于1。
        2)服务器目前正在执行BGSAVE命令或者BGREWRITEAOF命令,并且哈希表的负载因子大于等于5。
        其中哈希表的负载因子可以通过公式:
            # 负载因子 = 哈希表已保存的节点数量 / 哈希表大小
            load_factor = ht[0].used / ht[0].size 
        计算得出。

        根据BGSAVE命令或BGREWRITEAOP命令释放正在执行,服务器进行扩展操作的负载因子并不相同。这是因为在执行BGSAVE命令或BGREWRITEAOP命令的过程中,Redis需要创建当前服务器进程的子进程,而大多数操作系统都采用写时复制(copy-on-write)技术来优化子进程的使用效率,所以在子进程存在期间,程序会提高执行扩展操作的负载因子,从而尽可能避免在子进程存在期间对哈希表进行扩展操作,这可以避免不必要的内存写入操作,最大限度的节约内存。

        另一方面,当哈希表的负载因子小于0.1时,程序会自动开始对哈希表进行收缩操作。

渐进式rehash

        上一节说过,扩展或收缩哈希表需要将ht[0]中的所有键值对rehash到ht[1]里面。但是,这个rehash操作并不是一次性、集中地完成的,而是分多次,渐进式地完成。
        这样做的原因在于,如果ht[0]中只保存着少量的键值对,那么服务器可以瞬间将这些键值对全部rehash到ht[1]里面;但是,如果ht[0]中存在百万、千万甚至亿级键值对时,那么要一次性将这些键值对全部rehash至ht[1]里面的话,庞大的计算量可能会导致服务器在一段时间内停止服务。
        因此,为了避免rehash对服务器性能造成影响,服务器不是一次性将ht[0]中所有的键值对全部rehash到ht[1]里面,而是分多次、渐进式地将ht[0]里面的键值对慢慢地rehash到ht[1]。
        以下是哈希表渐进式rehash的详细步骤:
        1)为ht[1]分配空间,让字典同时持有ht[0]和ht[1]两个哈希表。
        2)在字典中维持一个索引计数器变量rehashidx,并将它的值设为0,表示rehash工作正式开始。
        3)在rehash进行期间,每次对字典进行添加、删除、查找或者更新操作时,程序除了执行指定的操作以外,还会顺带将ht[0]哈希表的键值对rehash到ht[1],当rehash工作完成之后,程序将rehashidx属性的值增加一。
        4)随着字典操作的不断执行,最终在某个时间点上,ht[0]的所有键值对都会被rehash至ht[1],这时程序将rehashidx的值设为-1,表示rehash操作执行完成。
        渐进式rehash的好处在于它使用分而治之的方式,将rehash键值对所需的计算工作均摊到每个键值对的添加、删除、查找和更新操作上,从而避免了集中式rehash带来的庞大计算量。

渐进式rehash执行期间的哈希表操作

        因为在渐进式rehash的过程中,字典会同时持有ht[0]和ht[1]两个哈希表,所以在渐进式rehash执行期间,字典的查询(find)、删除(delete)和更新(update)操作会在两个哈希表上进行。例如,要在字典中查询一个键的话,程序会先在ht[0]里面进行查找,如果没找到的话,就会到ht[1]中进行查找。
        另外,在渐进式rehash执行期间,新添加到字典的键值对一律保存至ht[1]里面,而ht[0]则不再进行任何添加操作,这一措施保证了ht[0]里的键值对数量只减不增,并随着rehash操作的执行最终变成空表。

字典API

函数作用时间复杂度
dictCreate创建一个新字典O(1)
dictAdd将给定的键值对添加到字典里面O(1)
dictReplace将给定的键值对添加到字典里面,如果键以及存在于字典,那么用新值取代原有的值O(1)
dictFetchValue返回给定键的值O(1)
dictGetRandomKey从字典中随机返回一个键值对O(1)
dictDelete从字典中删除给定键所对应的键值对O(1)
dictRelease释放给定字典,以及字典中包含的所有键值对O(N),N为字典包含的键值对数量

;