一个简单的字符串，为什么 -Redis- 要设计的如此特别？
struct attribute ((packed)) sdshdr8 {uint8_t len; //已使用空间大小 uint8_t alloc; //总共申请的空间大小(包括未使用的)unsigned char flags; //用来表示当前 sds 类型是 sdshdr8 还是 sdshdr16 等 char buf[]; //真实存储字符串的字节数组};
可以看到相比较于?Redis 3.2?版本之前的?sds?主要是修改了?free?属性然后新增了一个?flags?标记来区分当前的?sds?类型。
sds 空间分配策略
C?语言中因为字符串内部没有记录长度，所以如果扩充字符串的时候非常容易造成缓冲区溢出（buffer overflow）。
请看下面这张图，假设下面这张图就是内存里面的连续空间，可以很明显的看到，此时?wolf?和?Redis?两个字符串之间只有三个空位，那么这时候如果我们要将?wolf?字符串修改为?lonelyWolf，那么就需要?6?个空间，这时候下面这个空间是放不下的，所以必须要重新申请空间，但是假如说程序员忘了申请空间，或者说申请到的空间依然不够，那么就会出现后面的?Redis?字符串中的?Red?被覆盖了：
同样的，假如要缩小字符串的长度，那么也需要重新申请释放内存。否则，字符串一直占据着未使用的空间，会造成内存泄露。
C?语言避免缓存区溢出和内存泄露完全依赖于人为，很难把控，但是使用?sds?就不会出现这两个问题，因为当我们操作?sds时，其内部会自动执行空间分配策略，从而避免了上述两种情况的出现。
空间预分配
空间预分配指的是当我们通过?api?对?sds?进行扩展空间的时候，假如未使用空间不够用，那么程序不仅会为?sds?分配必须要的空间，还会额外分配未使用空间，未使用空间分配大小主要有两种情况：
1、假如扩大长度之后的?
len?属性小于等于?1MB?（即 1024 * 1024），那么就会同时分配和?len?属性一样大小的未使用空间（此时?buf?数组已使用空间 = 未使用空间）。2、假如扩大长度之后的?
len?属性大于?1MB，那么就会分配?1MB?未使用空间大小。
执行空间预分配策略的好处是提前分配了未使用空间备用后，就不需要每次增大字符串都需要分配空间，减少了内存重分配的次数。
惰性空间释放
惰性空间释放指的是当我们需要通过?api?减小?sds?长度的时候，程序并不会立即释放未使用的空间，而只是更新?free?属性的值，这样空间就可以留给下一次使用。而为了防止出现内存溢出的情况，sds?单独提供给了?api?让我们在有需要的时候去真正的释放内存。
sds 和 C 语言字符串区别
下面表格中列举了?Redis?中的?sds?和?C?语言中实现的字符串的区别：
sds 是如何被存储的
在?Redis?中所有的数据类型都是将对应的数据结构再进行了再一次包装，创建了一个字典对象来存储的，sds也不例外。每次创建一个?key-value?键值对，Redis?都会创建两个对象，一个是键对象，一个是值对象。而且需要注意的是在?Redis?中，值对象并不是直接存储，而是被包装成?redisObject?对象，并同时将键对象和值对象通过?dictEntry?对象进行封装，如下就是一个?dictEntry?对象：
typedef struct dictEntry {void *key;//指向 key，即 sdsunion {void *val;//指向 valueuint64_t u64;int64_t s64;double d;} v;struct dictEntry *next;//指向下一个 key-value 键值对(哈希值相同的键值对会形成一个链表，从而解决哈希冲突问题)} dictEntry;
redisObject?对象的定义为：
typedef struct redisObject {unsigned type:4;//对象类型（4 位=0.5 字节）unsigned encoding:4;//编码（4 位=0.5 字节）unsigned lru:LRU_BITS;//记录对象最后一次被应用程序访问的时间（24 位=3 字节）int refcount;//引用计数。等于 0 时表示可以被垃圾回收（32 位=4 字节）void *ptr;//指向底层实际的数据存储结构，如：sds 等(8 字节)} robj;
当我们在?Redis?客户端中执行命令?set name lonely_wolf?，就会得到下图所示的一个结构（省略了部分属性）：
看到这个图想必大家会有疑问，这里面的?type?和?encoding?到底是什么呢？其实这两个属性非常关键，Redis?就是通过这两个属性来识别当前的?value?到底属于哪一种基本数据类型，以及当前数据类型的底层采用了何种数据结构进行存储。
type 属性
type?属性表示对象类型，其对应了?Redis?当中的?5?种基本数据类型：
可以看到，这就是对应了我们?5?种常用的基本数据类型。
encoding 属性
Redis?当中每种数据类型都是经过特别设计的，相信大家看完这个系列也会体会到?Redis?设计的精妙之处。字符串在我们眼里是非常简单的一种数据结构了，但是?Redis?却把它优化到了极致，为了节省空间，其通过编码的方式定义了三种不同的存储方式：
int?编码当我们用字符串对象存储的是整型，且能用?8?个字节的?long?类型进行表示（即?2?的?63?次方减?1），则?Redis?会选择使用?int编码来存储，此时?redisObject?对象中的?ptr?指针直接替换为?
long?类型。我们想想?8?个字节如果用字符串来存储只能存?8?位，也就是千万级别的数字，远远达不到?2?的?63?次方减?1?这个级别，所以如果都是数字，用?long?类型会更节省空间。
embstr?编码当字符串对象中存储的是字符串，且长度小于?44?（Redis 3.2?版本之前是?39）时，Redis?会选择使用?embstr?编码来存储。raw?编码当字符串对象中存储的是字符串，且长度大于?44?时，Redis?会选择使用?raw?编码来存储。
讲了半天理论，接下来让我们一起来验证下这些结论，依次输入?set name lonely_wolf，type name，object encoding name?命令：
可以发现当前的数据类型就是?string，普通字符串因为长度小于?44，所以采用的是?embstr?编码。
再依次输入：set num 1111111111，set address aaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaa（长度?44），set address aaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaa（长度?45），分别查看类型和编码：
可以发现，当输入纯数字的时候，采用的是?int?编码，而字符串小于等于?44?则为?embstr，大于?44?则为?raw?编码。
字符串对象中除了上面提到的纯整数和字符串，还可以存储浮点型类型，所以字符串对象可以存储以下三种类型：
字符串
整数
浮点数
而当我们的?value?为整数时，还可以使用原子自增命令来实现?value?的自增，这个命令在实际开发过程中非常实用。
incr：自增?1。incrby：自增指定数值。-
不过这两个命令只能用在?value?为整数的场景，当?value?不是整数时则会报错。
embstr 编码为什么从 39 位修改为 44 位
embstr?编码中，redisObject?和?sds?是连续的一块内存空间，这块内存空间?Redis?限制为了?64?个字节，而redisObject?固定占了 16 字节（上面定义中有标注），Redis 3.2?版本之前的?sds?占了?8?个字节，再加上字符串末尾?\0?占用了?1?个字节，所以：64-16-8-1=39?字节。
Redis 3.2?版本之后?sds?做了优化，对于?embstr?编码会采用?sdshdr8?来存储，而?sdshdr8?占用的空间只有?24?位：3?字节（len+alloc+flag）+?\0?字符（1 字节），所以最后就剩下了：64-16-3-1=44?字节。
embstr 编码和 raw 编码的区别
embstr?编码是一种优化的存储方式，其在申请空间的时候因为?redisObject?和?sds?两个对象是一个连续空间，所以只需要申请?1?次空间（同样的，释放内存也只需要?1?次），而?raw?编码因为?redisObject?和?sds?两个对象的空间是不连续的，所以使用的时候需要申请?2?次空间（同样的，释放内存也需要?2?次）。但是使用?embstr?编码时，假如需要修改字符串，那么因为?redisObject?和?sds?是在一起的，所以两个对象都需要重新申请空间，为了避免这种情况发生，embstr?编码的字符串是只读的，不允许修改。
上图中的示例我们看到，对一个?embstr?编码的字符串对象进行?append?操作时，长度还没有达到?45，但是编码已经被修改为?raw?了，这就是因为?embstr?编码是只读的，如果需要对其修改，Redis?内部会将其修改为?raw?编码之后再操作。同样的，如果是操作?int?编码的字符串之后，导致?long?类型无法存储时（int?类型不再是整数或者长度超过?2?的?63?次方减?1?时)，也会将?int?编码修改为?raw编码。
PS：需要注意的是，编码一旦升级（int–>embstr–>raw），即使后期再把字符串修改为符合原编码能存储的格式时，编码也不会回退。
评论