redis 数据结构介绍三 - 第三部分 整数集合

redis中对于 set 其实有两种处理，对于元素均为整型，并且元素数目较少时，使用 intset 作为底层数据结构，否则使用 dict 作为底层数据结构，先看一下代码先

typedef struct intset {
    // 编码方式
    uint32t encoding;
    // 集合包含的元素数量
    uint32t length;
    // 保存元素的数组
    int8t contents[];
} intset;
/ Note that these encodings are ordered, so:
  INTSETENCINT16 < INTSETENCINT32 < INTSETENCINT64. */
#define INTSETENCINT16 (sizeof(int16t))
#define INTSETENCINT32 (sizeof(int32t))
#define INTSETENCINT64 (sizeof(int64t))

一眼看，为啥整型还需要编码，然后 int8t 怎么能存下大整形呢，带着这些疑问，我们一步步分析下去，这里的编码其实指的是这个整型集合里存的究竟是多大的整型，16 位，还是 32 位，还是 64 位，结构体下面的宏定义就是表示了 encoding 的可能取值，INTSETENCINT16 表示每个元素用2个字节存储，INTSETENCINT32 表示每个元素用4个字节存储，INTSETENCINT64 表示每个元素用8个字节存储。因此，intset中存储的整数最多只能占用64bit。length 就是正常的表示集合中元素的数量。最奇怪的应该就是这个 contents 了，是个 int8t 的数组，那放毛线数据啊，最小的都有 16 位，这里我在看代码和《redis 设计与实现》的时候也有点懵逼，后来查了下发现这是个比较取巧的用法，这里我用自己的理解表述一下，先看看 8，16，32，64 的关系，一眼看就知道都是 2 的 N 次，并且呈两倍关系，而且 8 位刚好一个字节，所以呢其实这里的contents 不是个常规意义上的 int8_t 类型的数组，而是个柔性数组。看下 wiki 的定义

>Flexible array members[1](https://en.wikipedia.org/wiki/Flexiblearraymember#citenote-1) were introduced in the [C99](https://en.wikipedia.org/wiki/C99) standard of the [C programming language](https://en.wikipedia.org/wiki/C(programminglanguage)) (in particular, in section §6.7.2.1, item 16, page 103).[2](https://en.wikipedia.org/wiki/Flexiblearraymember#citenote-2) It is a member of a struct, which is an array without a given dimension. It must be the last member of such a struct and it must be accompanied by at least one other member, as in the following example:

struct vectord {
    size_t len;
    double arr[]; // the flexible array member must be last
};

在初始化这个 intset 的时候，这个contents数组是不占用空间的，后面的反正用到了申请，那么这里就有一个问题，给出了三种可能的 encoding 值，他们能随便换吗，显然不行，首先在 intset 中数据的存放是有序的，这个有部分原因是方便二分查找，然后存放数据其实随着数据的大小不同会有一个升级的过程，看下图




新创建的intset只有一个header，总共8个字节。其中encoding = 2, length = 0, 类型都是uint32t，各占 4 字节，添加15, 5两个元素之后，因为它们是比较小的整数，都能使用2个字节表示，所以encoding不变，值还是2，也就是默认的 INTSETENCINT16，当添加32768的时候，它不再能用2个字节来表示了（2个字节能表达的数据范围是-215~215-1，而32768等于215，超出范围了），因此encoding必须升级到INTSETENC_INT32（值为4），即用4个字节表示一个元素。在添加每个元素的过程中，intset始终保持从小到大有序。与ziplist类似，intset也是按小端（little endian）模式存储的（参见维基百科词条[Endianness](https://en.wikipedia.org/wiki/Endianness)）。比如，在上图中intset添加完所有数据之后，表示encoding字段的4个字节应该解释成0x00000004，而第4个数据应该解释成0x00008000 = 32768