三次给你讲清楚 Redis 之 Redis 是个啥

华为云开发者社区

关注

发布于: 2021 年 04 月 08 日

摘要：Redis 是一款基于键值对的 NoSQL 数据库，它的值支持多种数据结构：字符串(strings)、哈希(hashes)、列表(lists)、集合(sets)、有序集合(sorted sets)等。

本文分享自华为云社区《三次给你聊清楚Redis》之Redis是个啥》，原文作者：兔老大。

一、入门

Redis 是一款基于键值对的 NoSQL 数据库，它的值支持多种数据结构：字符串(strings)、哈希(hashes)、列表(lists)、集合(sets)、有序集合(sorted sets)等。

• Redis 将所有的数据都存放在内存中，所以它的读写性能十分惊人，用作数据库，缓存和消息代理。

• Redis 具有内置的复制，Lua 脚本，LRU 逐出，事务和不同级别的磁盘持久性，并通过 Redis Sentinel 和 Redis Cluster 自动分区提供了高可用性。

• Redis 典型的应用场景包括：缓存、排行榜、计数器、社交网络、消息队列等

1.1NoSql 入门概述 1）

1）单机 Mysql 的美好时代

瓶颈：

数据库总大小一台机器硬盘内存放不下；
数据的索引（B + tree）一个机器的运行内存放不下；
访问量（读写混合）一个实例不能承受；

2）Memcached（缓存）+ MySql + 垂直拆分

通过缓存来缓解数据库的压力，优化数据库的结构和索引。

垂直拆分指的是：分成多个数据库存储数据（如：卖家库与买家库）。

3）MySql 主从复制读写分离

主从复制：主库来一条数据，从库立刻插入一条；
读写分离：读取（从库 Master），写（主库 Slave）；

4）分表分库+水平拆分+MySql 集群

主库的写压力出现瓶颈（行锁 InnoDB 取代表锁 MyISAM）；
分库：根据业务相关紧耦合在同一个库，对不同的数据读写进行分库（如注册信息等不常改动的冷库与购物信息等热门库分开）；
分表：切割表数据（例如 90W 条数据，id 1-30W 的放在 A 库，30W-60W 的放在 B 库，60W-90W 的放在 C 库）；

MySql 扩展的瓶颈

大数据下 IO 压力大
表结构更改困难

常用的 Nosql

Redis

memcache

Mongdb 以

上几种 Nosql 请到各自的官网上下载并参考使用

Nosql 的核心功能点

KV(存储)

Cache(缓存)

Persistence(持久化)

……

1.2redis 的介绍和特点:

问题：

传统数据库：持久化存储数据。

solr 索引库:大量的数据的检索。

在实际开发中，高并发环境下，不同的用户会需要相同的数据。

因为每次请求，在后台我们都会创建一个线程来处理，这样造成，同样的数据从数据库中查询了 N 次。

而数据库的查询本身是ＩＯ操作，效率低，频率高也不好。

总而言之，一个网站总归是有大量的数据是用户共享的，但是如果每个用户都去数据库查询，效率就太低了。

解决：

将用户共享数据缓存到服务器的内存中。

特点：

1、基于键值对

2、非关系型(redis)关系型数据库:

存储了数据以及数据之间的关系,oracle,mysql

非关系型数据库:存储了数据,redis,mdb.

3、数据存储在内存中，服务器关闭后，持久化到硬盘中

4、支持主从同步

实现了缓存数据和项目的解耦。

redis 存储的数据特点：

大量数据

用户共享数据数据不经常修改。

查询数据

redis 的应用场景：

网站高并发的主页数据

网站数据的排名

消息订阅

1.3redis——数据结构和对象的使用介绍

redis 官网

微软写的windows下的redis

我们下载第一个，然后基本一路默认就行了。

安装后，服务自动启动，以后也不用自动启动。

出现这个表示我们连接上了。

1.3.1 String

数据结构

struct sdshdr{    //记录buf数组中已使用字节的数量    int len;    //记录buf数组中未使用的数量    int free;    //字节数组，用于保存字符串    char buf[];}

复制代码

常见操作

127.0.0.1:6379> set hello worldOK127.0.0.1:6379> get hello"world"127.0.0.1:6379> del hello(integer) 1127.0.0.1:6379> get hello(nil)127.0.0.1:6379>

复制代码

应用场景

String 是最常用的一种数据类型，普通的 key/value 存储都可以归为此类，value 其实不仅是 String，也可以是数字：比如想知道什么时候封锁一个 IP 地址（访问超过几次）。INCRBY 命令让这些变得很容易，通过原子递增保持计数。

1.3.2 LIST

数据结构

typedef struct listNode{    //前置节点    struct listNode *prev;    //后置节点    struct listNode *next;    //节点的值    struct value;}

复制代码

常见操作

> lpush list-key item(integer) 1> lpush list-key item2(integer) 2> rpush list-key item3(integer) 3> rpush list-key item(integer) 4> lrange list-key 0 -11) "item2"2) "item"3) "item3"4) "item"> lindex list-key 2"item3"> lpop list-key"item2"> lrange list-key 0 -11) "item"2) "item3"3) "item"

复制代码

应用场景

Redis list 的应用场景非常多，也是 Redis 最重要的数据结构之一。我们可以轻松地实现最新消息排行等功能。Lists 的另一个应用就是消息队列，可以利用 Lists 的 PUSH 操作，将任务存在 Lists 中，然后工作线程再用 POP 操作将任务取出进行执行。

1.3.3 HASH

数据结构

dictht 是一个散列表结构，使用拉链法保存哈希冲突的 dictEntry。

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    unsigned long sizemask;    //该哈希表已有节点的数量    unsigned long used;}
typedef struct dictEntry{    //键    void *key;    //值    union{        void *val;        uint64_tu64;        int64_ts64;    }    struct dictEntry *next;}

复制代码

Redis 的字典 dict 中包含两个哈希表 dictht，这是为了方便进行 rehash 操作。在扩容时，将其中一个 dictht 上的键值对 rehash 到另一个 dictht 上面，完成之后释放空间并交换两个 dictht 的角色。

typedef struct dict {    dictType *type;    void *privdata;    dictht ht[2];    long rehashidx; /* rehashing not in progress if rehashidx == -1 */    unsigned long iterators; /* number of iterators currently running */} dict;

复制代码

rehash 操作并不是一次性完成、而是采用渐进式方式，目的是为了避免一次性执行过多的 rehash 操作给服务器带来负担。

渐进式 rehash 通过记录 dict 的 rehashidx 完成，它从 0 开始，然后没执行一次 rehash 例如在一次 rehash 中，要把 dict[0] rehash 到 dict[1]，这一次会把 dict[0] 上 table[rehashidx] 的键值对 rehash 到 dict[1] 上，dict[0] 的 table[rehashidx] 指向 null，并令 rehashidx++。

在 rehash 期间，每次对字典执行添加、删除、查找或者更新操作时，都会执行一次渐进式 rehash。

采用渐进式 rehash 会导致字典中的数据分散在两个 dictht 中，因此对字典的操作也会在两个哈希表上进行。例如查找时，先从 ht[0]查找，没有再查找 ht[1]，添加时直接添加到 ht[1]中。

常见操作

> hset hash-key sub-key1 value1(integer) 1> hset hash-key sub-key2 value2(integer) 1> hset hash-key sub-key1 value1(integer) 0> hgetall hash-key1) "sub-key1"2) "value1"3) "sub-key2"4) "value2"> hdel hash-key sub-key2(integer) 1> hdel hash-key sub-key2(integer) 0> hget hash-key sub-key1"value1"> hgetall hash-key1) "sub-key1"2) "value1"

复制代码

1.3.4 SET

常见操作

> sadd set-key item(integer) 1> sadd set-key item2(integer) 1> sadd set-key item3(integer) 1> sadd set-key item(integer) 0> smembers set-key1) "item2"2) "item"3) "item3"> sismember set-key item4(integer) 0> sismember set-key item(integer) 1> srem set-key item(integer) 1> srem set-key item(integer) 0> smembers set-key1) "item2"2) "item3"

复制代码

应用场景

Redis 为集合提供了求交集、并集、差集等操作，故可以用来求共同好友等操作。

1.3.5 ZSET

数据结构

typedef struct zskiplistNode{//后退指针 struct zskiplistNode *backward;//分值 double score;//成员对象 robj *obj;//层 struct zskiplistLever{//前进指针 struct zskiplistNode *forward;//跨度 unsigned int span;}lever[];}

typedef struct zskiplist{    //表头节点跟表尾结点    struct zskiplistNode *header, *tail;    //表中节点的数量    unsigned long length;    //表中层数最大的节点的层数    int lever;}

复制代码

跳跃表，基于多指针有序链实现，可以看作多个有序链表。

与红黑树等平衡树相比，跳跃表具有以下优点：

插入速度非常快速，因为不需要进行旋转等操作来维持平衡性。
更容易实现。
支持无锁操作。

常见操作

> zadd zset-key 728 member1(integer) 1> zadd zset-key 982 member0(integer) 1> zadd zset-key 982 member0(integer) 0> zrange zset-key 0 -11) "member1"2) "member0"> zrange zset-key 0 -1 withscores1) "member1"2) "728"3) "member0"4) "982"> zrangebyscore zset-key 0 800 withscores1) "member1"2) "728"> zrem zset-key member1(integer) 1> zrem zset-key member1(integer) 0> zrange zset-key 0 -1 withscores1) "member0"2) "982"

复制代码

应用场景

以某个条件为权重，比如按顶的次数排序。ZREVRANGE 命令可以用来按照得分来获取前 100 名的用户，ZRANK 可以用来获取用户排名，非常直接而且操作容易。

Redis sorted set 的使用场景与 set 类似，区别是 set 不是自动有序的，而 sorted set 可以通过用户额外提供一个优先级(score)的参数来为成员排序，并且是插入有序的，即自动排序。

1.4 Spring 整合 Redis

引入依赖

- spring-boot-starter-data-redis

<dependency>			<groupId>org.springframework.boot</groupId>			<artifactId>spring-boot-starter-data-redis</artifactId>		</dependency>

复制代码

配置 Redis

- 配置数据库参数

# RedisPropertiesspring.redis.database=11#第11个库，这个随便spring.redis.host=localhostspring.redis.port=6379#端口

复制代码

- 编写配置类，构造 RedisTemplate

这个 springboot 已经帮我们配了，但是默认 object，我想改成 string

import org.springframework.context.annotation.Bean;import org.springframework.context.annotation.Configuration;import org.springframework.data.redis.connection.RedisConnectionFactory;import org.springframework.data.redis.core.RedisTemplate;import org.springframework.data.redis.serializer.RedisSerializer;

@Configurationpublic class RedisConfig {

@Beanpublic RedisTemplate<String, Object> redisTemplate(RedisConnectionFactory factory) {    RedisTemplate<String, Object> template = new RedisTemplate<>();    template.setConnectionFactory(factory);
    // 设置key的序列化方式    template.setKeySerializer(RedisSerializer.string());    // 设置value的序列化方式    template.setValueSerializer(RedisSerializer.json());    // 设置hash的key的序列化方式    template.setHashKeySerializer(RedisSerializer.string());    // 设置hash的value的序列化方式    template.setHashValueSerializer(RedisSerializer.json());
    template.afterPropertiesSet();    return template;}

复制代码

}

访问 Redis

- redisTemplate.opsForValue()

- redisTemplate.opsForHash()

- redisTemplate.opsForList()

- redisTemplate.opsForSet()

- redisTemplate.opsForZSet()

@RunWith(SpringRunner.class)@SpringBootTest@ContextConfiguration(classes = CommunityApplication.class)public class RedisTests {

@Autowiredprivate RedisTemplate redisTemplate;
@Testpublic void testStrings() {    String redisKey = "test:count";
    redisTemplate.opsForValue().set(redisKey, 1);
    System.out.println(redisTemplate.opsForValue().get(redisKey));    System.out.println(redisTemplate.opsForValue().increment(redisKey));    System.out.println(redisTemplate.opsForValue().decrement(redisKey));}
@Testpublic void testHashes() {    String redisKey = "test:user";
    redisTemplate.opsForHash().put(redisKey, "id", 1);    redisTemplate.opsForHash().put(redisKey, "username", "zhangsan");
    System.out.println(redisTemplate.opsForHash().get(redisKey, "id"));    System.out.println(redisTemplate.opsForHash().get(redisKey, "username"));}
@Testpublic void testLists() {    String redisKey = "test:ids";
    redisTemplate.opsForList().leftPush(redisKey, 101);    redisTemplate.opsForList().leftPush(redisKey, 102);    redisTemplate.opsForList().leftPush(redisKey, 103);
    System.out.println(redisTemplate.opsForList().size(redisKey));    System.out.println(redisTemplate.opsForList().index(redisKey, 0));    System.out.println(redisTemplate.opsForList().range(redisKey, 0, 2));
    System.out.println(redisTemplate.opsForList().leftPop(redisKey));    System.out.println(redisTemplate.opsForList().leftPop(redisKey));    System.out.println(redisTemplate.opsForList().leftPop(redisKey));}
@Testpublic void testSets() {    String redisKey = "test:teachers";
    redisTemplate.opsForSet().add(redisKey, "刘备", "关羽", "张飞", "赵云", "诸葛亮");
    System.out.println(redisTemplate.opsForSet().size(redisKey));    System.out.println(redisTemplate.opsForSet().pop(redisKey));    System.out.println(redisTemplate.opsForSet().members(redisKey));}
@Testpublic void testSortedSets() {    String redisKey = "test:students";
    redisTemplate.opsForZSet().add(redisKey, "唐僧", 80);    redisTemplate.opsForZSet().add(redisKey, "悟空", 90);    redisTemplate.opsForZSet().add(redisKey, "八戒", 50);    redisTemplate.opsForZSet().add(redisKey, "沙僧", 70);    redisTemplate.opsForZSet().add(redisKey, "白龙马", 60);
    System.out.println(redisTemplate.opsForZSet().zCard(redisKey));    System.out.println(redisTemplate.opsForZSet().score(redisKey, "八戒"));    System.out.println(redisTemplate.opsForZSet().reverseRank(redisKey, "八戒"));    System.out.println(redisTemplate.opsForZSet().reverseRange(redisKey, 0, 2));}
@Testpublic void testKeys() {    redisTemplate.delete("test:user");
    System.out.println(redisTemplate.hasKey("test:user"));
    redisTemplate.expire("test:students", 10, TimeUnit.SECONDS);}

复制代码

}

这样还是稍微有点麻烦，我们其实可以绑定 key

// 多次访问同一个key@Testpublic void testBoundOperations() {    String redisKey = "test:count";    BoundValueOperations operations = redisTemplate.boundValueOps(redisKey);    operations.increment();    operations.increment();    operations.increment();    operations.increment();    operations.increment();    System.out.println(operations.get());}

复制代码

二、数据结构原理总结

这部分在我看来是最有意思的，我们有必要了解底层数据结构的实现，这也是我最感兴趣的。比如，

你知道 redis 中的字符串怎么实现的吗？为什么这么实现？
你知道 redis 压缩列表是什么算法吗？
你知道 redis 为什么抛弃了红黑树反而采用了跳表这种新的数据结构吗？
你知道 hyperloglog 为什么用如此小的空间就可以有这么好的统计性能和准确性吗？
你知道布隆过滤器为什么这么有效吗？有没有数学证明过？
你是否还能很快写出来快排？或者不断优化性能的排序？
是不是只会调库了甚至库函数怎么实现的都不知道？真的就是快排？

包括数据库，持久化，处理事件、客户端服务端、事务的实现、发布和订阅等功能的实现，也需要了解。

2.1 数据结构和对象的实现

1）字符串

redis 并未使用传统的 c 语言字符串表示，它自己构建了一种简单的动态字符串抽象类型。

在 redis 里，c 语言字符串只会作为字符串字面量出现，用在无需修改的地方。

当需要一个可以被修改的字符串时，redis 就会使用自己实现的 SDS（simple dynamic string）。比如在 redis 数据库里，包含字符串的键值对底层都是 SDS 实现的，不止如此，SDS 还被用作缓冲区（buffer）：比如 AOF 模块中的 AOF 缓冲区以及客户端状态中的输入缓冲区。

下面来具体看一下 sds 的实现：

struct sdshdr{    int len;//buf已使用字节数量（保存的字符串长度）    int free;//未使用的字节数量    char buf[];//用来保存字符串的字节数组};

复制代码

sds 遵循 c 中字符串以'\0'结尾的惯例，这一字节的空间不算在 len 之内。这样的好处是，我们可以直接重用 c 中的一部分函数。比如 printf；

sds 相对 c 的改进

获取长度：c 字符串并不记录自身长度，所以获取长度只能遍历一遍字符串，redis 直接读取 len 即可。

缓冲区安全：c 字符串容易造成缓冲区溢出，比如：程序员没有分配足够的空间就执行拼接操作。而 redis 会先检查 sds 的空间是否满足所需要求，如果不满足会自动扩充。

内存分配：由于 c 不记录字符串长度，对于包含了 n 个字符的字符串，底层总是一个长度 n+1 的数组，每一次长度变化，总是要对这个数组进行一次内存重新分配的操作。因为内存分配涉及复杂算法并且可能需要执行系统调用，所以它通常是比较耗时的操作。

redis 内存分配：

1、空间预分配：如果修改后大小小于 1MB，程序分配和 len 大小一样的未使用空间，如果修改后大于 1MB，程序分配 1MB 的未使用空间。修改长度时检查，够的话就直接使用未使用空间，不用再分配。

2、惰性空间释放：字符串缩短时不需要释放空间，用 free 记录即可，留作以后使用。

二进制安全

c 字符串除了末尾外，不能包含空字符，否则程序读到空字符会误以为是结尾，这就限制了 c 字符串只能保存文本，二进制文件就不能保存了。

而 redis 字符串都是二进制安全的，因为有 len 来记录长度。

2）链表

作为一种常用数据结构，链表内置在很多高级语言中，因为 c 并没有，所以 redis 实现了自己的链表。

链表在 redis 也有一定的应用，比如列表键的底层实现之一就是链表。（当列表键包含大量元素或者元素都是很长的字符串时）发布与订阅、慢查询、监视器等功能也用到了链表。

具体实现：

//redis的节点使用了双向链表结构typedef struct listNode {    // 前置节点    struct listNode *prev;    // 后置节点    struct listNode *next;    // 节点的值    void *value;} listNode;

复制代码

//其实学过数据结构的应该都实现过typedef struct list {    // 表头节点    listNode *head;    // 表尾节点    listNode *tail;    // 链表所包含的节点数量    unsigned long len;    // 节点值复制函数    void *(*dup)(void *ptr);    // 节点值释放函数    void (*free)(void *ptr);    // 节点值对比函数    int (*match)(void *ptr, void *key);} list;

复制代码

总结一下 redis 链表特性：

双端、无环、带长度记录

多态：使用 void* 指针来保存节点值，可以通过 dup 、 free 、 match 为节点值设置类型特定函数，可以保存不同类型的值。

3）字典

其实字典这种数据结构也内置在很多高级语言中，但是 c 语言没有，所以 redis 自己实现了。应用也比较广泛，比如 redis 的数据库就是字典实现的。不仅如此，当一个哈希键包含的键值对比较多，或者都是很长的字符串，redis 就会用字典作为哈希键的底层实现。

来看看具体是实现：

//redis的字典使用哈希表作为底层实现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    // 总是等于 size - 1    unsigned long sizemask;
    // 该哈希表已有节点的数量    unsigned long used;
} dictht;

复制代码

table 是一个数组，数组中的每个元素都是一个指向 dictEntry 结构的指针， 每个 dictEntry 结构保存着一个键值对

图为一个大小为 4 的空哈希表。我们接着就来看 dictEntry 的实现：

typedef struct dictEntry {    // 键    void *key;    // 值    union {void *val;        uint64_t u64;        int64_t s64;    } v;
    // 指向下个哈希表节点，形成链表    struct dictEntry *next;} dictEntry;

复制代码

（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 就是解决键冲突问题的，冲突了就挂后面，这个学过数据结构的应该都知道吧，不说了。

下面我们来说字典是怎么实现的了。

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    int rehashidx; //* rehashing not in progress if rehashidx == -1 } dict;

复制代码

type 和 privdata 是对不同类型的键值对，为创建多态字典而设置的：

type 指向 dictType ，每个 dictType 保存了用于操作特定类型键值对的函数，可以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给那些类型特定函数的可选参数。

dictType 就暂时不展示了，不重要而且字有点多。。。还是讲有意思的东西吧

rehash（重新散列）

随着我们不断的操作，哈希表保存的键值可能会增多或者减少，为了让哈希表的负载因子维持在合理的范围内，有时需要对哈希表进行合理的扩展或者收缩。一般情况下，字典只使用 ht[0] 哈希表， ht[1] 哈希表只会在对 ht[0] 哈希表进行 rehash 时使用。

redis 字典哈希 rehash 的步骤如下：

1）为 ht[1]分配合理空间：如果是扩展操作，大小为第一个大于等于 ht[0]used2 的，2 的 n 次幂。

如果是收缩操作，大小为第一个大于等于 ht[0]*used 的，2 的 n 次幂。

2）将 ht[0]中的数据 rehash 到 ht[1]上。

3）释放 ht[0]，将 ht[1]设置为 ht[0]，ht[1]创建空表，为下次做准备。

渐进 rehash

数据量特别大时，rehash 可能对服务器造成影响。为了避免，服务器不是一次性 rehash 的，而是分多次。

我们维持一个变量 rehashidx，设置为 0，代表 rehash 开始，然后开始 rehash，在这期间，每个对字典的操作，程序都会把索引 rehashidx 上的数据移动到 ht[1]。

随着操作不断执行，最终我们会完成 rehash，设置 rehashidx 为-1.

需要注意：rehash 过程中，每一次增删改查也是在两个表进行的。

4）整数集合

整数集合（intset）是 Redis 用于保存整数值的集合抽象数据结构，可以保存 int16_t 、 int32_t 、 int64_t 的整数值，并且保证集合中不会出现重复元素。

实现较为简单：

typedef struct intset {    // 编码方式    uint32_t encoding;    // 集合包含的元素数量    uint32_t length;    // 保存元素的数组    int8_t contents[];} intset;

复制代码

各个项在数组中从小到大有序地排列，并且数组中不包含任何重复项。

虽然 intset 结构将 contents 属性声明为 int8_t 类型的数组，但实际上 contents 数组并不保存任何 int8_t 类型的值 —— contents 数组的真正类型取决于 encoding 属性的值：

如果 encoding 属性的值为 INTSET_ENC_INT16 ，那么 contents 就是一个 int16_t 类型的数组，数组里的每个项都是一个 int16_t 类型的整数值（最小值为 -32,768 ，最大值为 32,767 ）。
如果 encoding 属性的值为 INTSET_ENC_INT32 ，那么 contents 就是一个 int32_t 类型的数组，数组里的每个项都是一个 int32_t 类型的整数值（最小值为 -2,147,483,648 ，最大值为 2,147,483,647 ）。
如果 encoding 属性的值为 INTSET_ENC_INT64 ，那么 contents 就是一个 int64_t 类型的数组，数组里的每个项都是一个 int64_t 类型的整数值（最小值为 -9,223,372,036,854,775,808 ，最大值为 9,223,372,036,854,775,807 ）。

升级

c 语言是静态类型语言，不允许不同类型保存在一个数组。这样第一，灵活性较差，第二，有时会用掉不必要的内存。

比如用 long long 储存 1

为了提高整数集合的灵活性和节约内存，我们引入升级策略。

当我们要将一个新元素添加到集合里，并且新元素类型比集合现有元素的类型都要长时，集合需要先进行升级。

分为三步进行：

根据新元素的类型，扩展整数集合底层数组的空间大小，并为新元素分配空间。
将底层数组现有的所有元素都转换成与新元素相同的类型，并将类型转换后的元素放置到正确的位上
将新元素添加到底层数组里面。

因为每次添加新元素都可能会引起升级，每次升级都要对已有元素类型转换，所以添加新元素的时间复杂度为 O(N) 。

因为引发升级的新元素比原数据都长，所以要么他是最大的，要么他是最小的。我们把它放在开头或结尾即可。

降级

略略略，不管你们信不信，整数集合不支持降级操作。。我也不知道为啥

5）压缩

列表压缩列表是列表键和哈希键的底层实现之一。

当一个列表键只包含少量列表项，并且列表项都是小整数或者短字符串，redis 就会用压缩列表做列表键底层实现。

压缩列表是 Redis 为了节约内存而开发的，由一系列特殊编码的连续内存块组成的顺序型（sequential）数据结构。

一个压缩列表可以包含任意多个节点（entry），每个节点可以保存一个字节数组或者一个整数值。

具体实现：

具体说一下 entry：

由三个部分组成：

1、previous_entry_length:记录上一个节点的长度，这样我们就可以从最后一路遍历到开头。

2、encoding：记录了 content 所保存的数据类型和长度。（具体编码不写了，不重要）

3、content：保存节点值，可以是字节数组或整数。（具体怎么压缩的等我搞明白再补）

连锁更新

前面说过，每个节点的 previous_entry_length 属性都记录了前一个节点的长度：

如果前一节点的长度< 254 KB，那么 previous_entry_length 需要用 1 字节长的空间
如果前一节点的长度>=254 KB，那么 previous_entry_length 需要用 5 字节长的空间

现在，考虑这样一种情况：在一个压缩列表中，有多个连续的、长度介于 250 字节到 253 字节之间的节点，这时，如果我们将一个长度大于等于 254 字节的新节点 new 设置为压缩列表的表头节点。。。。

然后脑补一下，就会导致连锁扩大每个节点的空间对吧？e(i)因为 e(i-1)的扩大而扩大，i+1 也是如此，以此类推... ...

删除节点同样会导致连锁更新。

这个事情只是想说明一个问题：插入删除操作的最坏时间复杂度其实是 o(n*n)，因为每更新一个节点都要 o(n)。

但是，也不用太过担心，因为这种特殊情况并不多见，这些命令的平均复杂度依旧是 o(n)。

点击关注，第一时间了解华为云新鲜技术~

发布于: 2021 年 04 月 08 日阅读数: 47

原文链接:【http://xie.infoq.cn/article/9ccbd47401e3e60a926bbd6bb】。文章转载请联系作者。

华为云开发者社区

关注

提供全面深入的云计算技术干货 2020.07.14 加入

华为云开发者社区，提供全面深入的云计算前景分析、丰富的技术干货、程序样例，分享华为云前沿资讯动态，方便开发者快速成长与发展，欢迎提问、互动，多方位了解云计算！传送门：https://bbs.huaweicloud.com/

发布

暂无评论

创作场景

三次给你讲清楚 Redis 之 Redis 是个啥

一、入门

1.1NoSql 入门概述 1）

1.2redis 的介绍和特点:

1.3redis——数据结构和对象的使用介绍

1.3.1 String

1.3.2 LIST

1.3.3 HASH

1.3.4 SET

1.3.5 ZSET

1.4 Spring 整合 Redis

二、数据结构原理总结

2.1 数据结构和对象的实现

1） 字符串

2） 链表

3）字典

4）整数集合

5）压缩

华为云开发者社区

评论

1）字符串

2）链表