你不知道的Redis数据结构

Redis数据结构

Redis作为缓存利器，不论是在工作中还是面试中都是需要对其足够了解，那么请你说出Redis的数据结构，你是否了解呢？相信一定有人脱口而出，String、List、Hash、Set、Sorted Set，这里一定一定要注意，问题指的是数据结构而不是数据类型，数据结构是数据类型的底层实现，应该为简单动态字符串、双向链表、压缩列表、哈希表、跳表、整型数组，数据类型和数据结构的关系如下。

了解完这些，我们就知道了Redis键值中的值保存形式，那么Redis的整体结构应该是什么样子呢

Redis的整体结构

Redis为实现快速存储，采用哈希表保存所有的键值对，哈希表本质就是数组，数组的每一个元素称为哈希桶，哈希桶中可以包含多个键值对，所以哈希表由多个哈希桶构成，这里需要注意的是键值对中的value在哈希桶中保存的只是指针，并不是字符串对象或者集合对象，整体结构如下所示

Redis的底层结构决定了所有的键查找时间复杂度都是O(1)，因为Redis只需要计算键的哈希值就能得到键对应的数组下标从而得到哈希桶entry对象，从而访问value值，但是也就是因为这一特点衍生了另外一个问题。

哈希冲突

哈希冲突，全局哈希表长度有限那么不同键的哈希值完全有可能相同，也就是说不同键定位到的数组下标可能是同一个，这时就需要借鉴entry对象的next指针（这个可以参考JDK1.7HashMap的底层实现），采用哈希冲突链解决哈希冲突。

哈希冲突解决完毕是不是高枕无忧了呢？必然不是，采用哈希冲突链是能解决哈希冲突的问题，同时也带来了另外一个性能问题，哈希冲突链的访问只能是一个一个往下查找，如果冲突链过长查找效率自然变差，那么只要想办法将冲突链变短是不是就可以解决这个问题，所以Redis提出了Rehash的操作，就是增大哈希桶的数据，让集中存放在哈希桶中的entry对象，分散保存，减少每一个哈希桶的entry对象数（将哈希冲突链变短）从而减少哈希冲突。

Redis的Rehash操作

Redis默认使用两个全局哈希表，哈希表1和哈希表2，其中默认存储的是哈希表1，当哈希表1达到执行Rehash操作时，Redis会执行三个操作：

将哈希表2的容量初始化为哈希表1的两倍。
将哈希表1的值慢慢转移到哈希表2中。
释放哈希表1的空间。

至此Redis就完成了一次rehash，新的数据保存操作会在哈希表2中进行，后面如再需要Rehash时会利用哈希表1进行扩容，完成上述的三个步骤。如果有了解JVM的同学肯定马上想到这种替换操作和幸存0区和幸存1区的作用及其类似。

这里需要注意一个问题，Rehash的步骤2将哈希表1的值转移到哈希表2并不是一次性完成，而是多次执行，称为渐进式rehash，因为哈希表数据量大可能导致Redis线程阻塞，影响业务正常请求。

如图有如下初始数据，假设存在查询请求。

当请求1查询key1的值时其键值下标对应的是哈希表数组下标为1的位置，那么会先遍历数组下标为1的哈希冲突链，得到value值并返回，后面会将哈希冲突链的值从哈希表1转移到哈希表2上（会重新计算哈希）。

当请求2查询key2的值时其键值下标为2同样会执行返回value值的操作同时拷贝值到哈希表2上。

这样的机制就能将一次性大批量的拷贝操作，分摊到多次请求中来完成，避免耗时访问，提升访问效率。

注意点

在进行渐进式rehash时，其实对于哈希表的修改、删除、查询等操作都会在哈希表1和哈希表2中进行，例如查询操作在哈希表1中没有查询到数据就会去哈希表2中查询，其余类似，另外在渐进式哈希执行期间新增操作应该是保存到扩容的哈希表中（上图就是哈希表2，但不是一直都是哈希表2可能多次哈希），这样就能保证被扩容的哈希表（上图指哈希表1）只减不增，随着rehash的进行最后被扩容的哈希表变为空。

哈希表会在每一次请求的时候会将被扩容的哈希表1中数据拷贝到扩容哈希表2中，但如果一个数组下标的值从未有过请求去访问，那么是不是这个哈希表就永远无法完成复制呢？其实并不然就算没有请求去访问一个数组下标，同样会有定时任务去做数组拷贝，这样保证了访问量少的数据同样能复制到新的哈希表中。