Redis源码研究—哈希表

1. Redis中的哈希表

Redis是个key/value存储系统，学过数据结构的人都知道，key/value最简单的数据结果就是哈希表（当然，还有其他方式，如B-树，二叉平衡树等），hash表的性能取决于两个因素：hash表的大小和解决冲突的方法。这两个是矛盾的：hash表大，则冲突少，但是用内存过大；而hash表小，则内存使用少，但冲突多，性能低。一个好的hash表会权衡这两个因素，使内存使用量和性能均尽可能低。在Redis中，哈希表是所有其他数据结构的基础，对于其他所有数据结构，如：string，set，sortedset，均是保存到hash表中的value中的，这个可以很容易的通过设置value的类型为void*做到。本文详细介绍了Redis中hash表的设计思想和实现方法。

【注】 本文的源代码分析是基于redis-2.4.3版本的。

2. Redis哈希表的设计思想

下图是从淘宝中摘得的图片，主要描述Redis中hash表的组织方式。

在Redis中，hash表被称为字典（dictionary），采用了典型的链式解决冲突方法，即：当有多个key/value的key的映射值（每对key/value保存之前，会先通过类似HASH(key) MOD N的方法计算一个值，以便确定其对应的hash table的位置）相同时，会将这些value以单链表的形式保存；同时为了控制哈希表所占内存大小，redis采用了双哈希表(ht[2])结构，并逐步扩大哈希表容量（桶的大小）的策略，即：刚开始，哈希表ht[0]的桶大小为4，哈希表ht[1]的桶大小为0，待冲突严重（redis有一定的判断条件）后，ht[1]中桶的大小增为ht[0]的两倍，并逐步(注意这个词：”逐步”)将哈希表ht[0]中元素迁移（称为“再次Hash”）到ht[1]，待ht[0]中所有元素全部迁移到ht[1]后，再将ht[1]交给ht[0]（这里仅仅是C语言地址交换），之后重复上面的过程。

3. Redis哈希表实现3.1  基本数据结构

Redis哈希表的实现位于文件dict.h和dict.c中，主要数据结构如下：

1 2 3 4 5 6 7 8 9 10 11 12 13

//hash表结构   typedef struct dictht {     dictEntry **table; //hash 表中的数据，以key/value形式，通过单链表保存     unsigned long size; //桶个数     unsigned long sizemask; //size-1，方便定位     unsigned long used; //实际保存的元素数   } dictht;

1 2 3 4 5 6 7 8 9 10 11 12 13 14 15

//hash表结构，含有两个hash表，以实现增量再hash算法。   typedef struct dict {     dictType *type; //hash表的类型，可以是string, list等     void *privdata; //该hash表的一些private数据     dictht ht[2];     int rehashidx; /* rehashing not in progress if rehashidx == -1 */     int iterators; /* number of iterators currently running */   } dict;

1 2 3 4 5 6 7 8 9 10 11

//hash表中每一项key/value，若key的映射值，以单链表的形式保存   typedef struct dictEntry {     void *key;     void *val;     struct dictEntry *next;   } dictEntry;

1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17

//每种hash table的类型，里面既有成员函数，又有成员变量，完全是模拟的C++类，注意，每个函数带有的privdata均为预留参数   typedef struct dictType {     unsigned int (*hashFunction)(const void *key); //要采用的hash函数     void *(*keyDup)(void *privdata, const void *key); //对key进行拷贝     void *(*valDup)(void *privdata, const void *obj); //对value进行拷贝     int (*keyCompare)(void *privdata, const void *key1, const void *key2);//key比较器     void (*keyDestructor)(void *privdata, void *key);//销毁key，一般为释放空间     void (*valDestructor)(void *privdata, void *obj);//销毁value，一般为释放空间   } dictType;

3.2  基本操作

Redis中hash table主要有以下几个对外提供的接口：dictCreate、dictAdd、dictReplace、dictDelete、dictFind、dictEmpty等，而这些接口调用了一些基础操作，包括：_dictRehashStep，_dictKeyIndex等。下面分析一下_dictRehashStep函数：

该函数主要完成rehash操作。Hash Table在一定情况下会触发rehash操作，即：将第一个hash table中的数据逐步转移到第二个hash table中。

【1】触发条件

1 2 3 4 5 6 7 8 9 10 11 12 13 14 15

//dict.c, _dictExpandIfNeeded()   if (d->ht[0].used >= d->ht[0].size &&     (dict_can_resize ||       d->ht[0].used/d->ht[0].size > dict_force_resize_ratio))   {     return dictExpand(d, ((d->ht[0].size > d->ht[0].used) ?       d->ht[0].size : d->ht[0].used)*2);   }

当第一个表的元素数目大于桶数目且元素数目与桶数目比值大于5时，hash 表就会扩张，扩大后新表的大小为旧表的2倍。

【2】转移策略

为了避免一次性转移带来的开销，Redis采用了平摊开销的策略，即：将转移代价平摊到每个基本操作中，如：dictAdd、dictReplace、dictFind中，每执行一次这些基本操作会触发一个桶中元素的迁移操作。在此，有读者可能会问，如果这样的话，如果旧hash table非常大，什么时候才能迁移完。为了提高前移速度，Redis有一个周期性任务serverCron，每隔一段时间会迁移100个桶。

1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19

//redis.c   int dictRehashMilliseconds(dict *d, int ms) {     long long start = timeInMilliseconds();     int rehashes = 0;     while(dictRehash(d,100)) {       rehashes += 100;       if (timeInMilliseconds()-start > ms) break;     }     return rehashes;   }

下面分析一下dictAdd函数：

首先，检查hash table是否正在rehash操作，如果是，则分摊一个rehash开销：

1	if (dictIsRehashing(d)) _dictRehashStep(d);

然后，检查该key/value的key是否已经存在，如果存在，则直接返回：

1 2 3

if ((index = _dictKeyIndex(d, key)) == -1)     return DICT_ERR;

需要注意的是，决定是否需要进行rehash是在查找操作（_dictKeyIndex）中顺便做的：

1 2 3 4 5

//_dictKeyIndex()   if (_dictExpandIfNeeded(d) == DICT_ERR)     return -1;

接着，会通过hash算法定位该key的位置，并创建一个dictEntry节点，插入到对应单链表中：

1 2 3 4 5 6 7

entry = zmalloc(sizeof(*entry));   entry->next = ht->table[index];   ht->table[index] = entry;   ht->used++;

最后将key/value对填充到该entry中：

1 2 3

dictSetHashKey(d, entry, key);   dictSetHashVal(d, entry, val);

这就是整个dictAdd函数的流程。其他操作类似，均是刚开始分摊rehash开销（如果需要），然后通过hash方法定位位置，并进行相应的逻辑操作。

原创文章，转载请注明： 转载自

本文链接地址: