Redis 数据结构 - 字典 dict

字典

以下源码基于redis 3.0

参考资料主要为《Redis 设计与实现 - 黄建宏》

书号：ISBN 978-7-111-46474-7

字典，又称为符号表（symbol talbe）、关联数组（associative array）、映射（map），是一种用于保存键值对（key-value pair）的抽象数据结构。

在字典中，一个键（key）可以和一个值（value）进行关联，或者说将键映射为值，这些关联的键和值就成为键值对。

字典中的每个键都是独一无二的，程序可以在字典中根据键查找与之相关联的值，或者通过键来更新值，或者通过键来删除整个键值对。

在 reids 中，字典的应用是相当广泛的，比如 redis 的数据库就是使用字典来作为底层实现的，对数据库的增删改查操作都是建立在对字典的操作之上的。

字典还是 hash 的底层实现之一，当一个哈希包含的键值对比较多，又或者键值对中的元素都是比较长的字符串时，redis 就会使用字典作为 哈希 的底层实现。

以下为 dict 的结构图：

字典的实现

哈希表

/* This is our hash table structure. Every dictionary has two of this as we
 * implement incremental rehashing, for the old to the new table. */
/*
 * 哈希表
 *
 * 每个字典都使用两个哈希表，从而实现渐进式 rehash 。
 */
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，决定一个键应该被放到哪个索引上
    // 总是等于 size - 1
    unsigned long sizemask;
    // 该哈希表已有节点的数量
    unsigned long used;
} dictht;

Table 属性是一个数组，数组中的每个元素都指向一个dictEntry结构的指针，每个dictEntry结构保存着一个键值对。size 属性记录了哈希表的大小，也即是 table 数组的大小，而 used 属性则记录了哈希表目前已有节点（键值对）的数量。

哈希表的节点

/*
 * 哈希表节点
 */
typedef struct dictEntry { 
    // 键
    void *key;
    // 值
    union {
      	// 可以是一个指针，一个整数
        void *val;
        uint64_t u64;
        int64_t s64;
    } v;
    // 指向下个哈希表节点，形成链表，以解决 hash 冲突
    struct dictEntry *next;
} dictEntry;

出现 hash 冲突时的 hash 表：

字典

/*
 * 字典
 */
typedef struct dict {
    // 类型特定函数
    dictType *type;
    // 私有数据
    void *privdata;
    // 哈希表，一个只包含两个项的数组，数组的每一项都是一个 hash 表，
  	// 一般情况下，字典只会使用 ht[0]，ht[1] 哈希表只会在对 ht[0] 哈希表进行 rehash 时使用。
    dictht ht[2];
    // rehash 索引
    // 当 rehash 不在进行时，值为 -1
    int rehashidx; /* rehashing not in progress if rehashidx == -1 */
    // 目前正在运行的安全迭代器的数量
    int iterators; /* number of iterators currently running */
} dict;

其中，type 和 privdata 属性是针对不同类型的键值对，为创建多态字典而设置的。

• type 是一个指针，指向 dictType 结构，每个 dictType 结构保存了一簇用于操作特定类型键值对的函数，redis 会为不同用途的字典设置不同的类型特定函数。

  /*
   * 字典类型特定函数
   */
  typedef struct dictType {
      // 计算哈希值的函数
      unsigned int (*hashFunction)(const void *key);
      // 复制键的函数
      void *(*keyDup)(void *privdata, const void *key);
      // 复制值的函数
      void *(*valDup)(void *privdata, const void *obj);
      // 对比键的函数
      int (*keyCompare)(void *privdata, const void *key1, const void *key2);
      // 销毁键的函数
      void (*keyDestructor)(void *privdata, void *key);
      // 销毁值的函数
      void (*valDestructor)(void *privdata, void *obj);
  } dictType;
  

• 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

哈希算法

当要将一个新的键值添加到字典里面时，程序需要先根据键值对的键计算出哈希值和索引值，然后再根据索引值，将包含新键值对的哈希表节点放到哈希表数组的指定索引上面。

// 计算给定键的哈希值
#define dictHashKey(d, key) (d)->type->hashFunction(key)

// 计算索引值
/* Get the index in the new hash table */
// 计算新哈希表的哈希值，以及节点插入的索引位置
h = dictHashKey(d, de->key) & d->ht[1].sizemask;

目前 redis 使用的是 MurmurHash 算法，该算法最早是由 Austin Appleby 于 2008 年发明的。该算法的优点在于，即使输入的键是有规律的，算法仍然能给出一个很好的随机分布性，并且计算的速度也很快。

解决键冲突

当有两个或以上数量的键被分配到了哈希表数组的同一个索引上，我们称这些键发生了冲突（collision）。

Redis 使用的链地址法来解决键冲突，每个哈希表节点都有一个 next 指针，多个哈希表节点通过 next 指针，来构成一个单向的链表，这样就解决了键冲突问题。

值得一提的是，java 在 hash 表中关于 hash 冲突的解决方法也是使用的 链地址法。

这里额外扩展下 hash 冲突的常用解决方法：

1. 开放地址法
   • 使用某种探测算法，在散列表中寻找下一个空的散列地址，只要散列表足够大，总能找到空的散列地址。
   • 实现方式有
     • 线性探查：发生 hash 冲突时，顺序查找下一个位置，直到找到一个空位置（固定探测步长 1 的探测）
     • 二次探查：在发生 hash 冲突时，在表的左右位置进行按一定步长跳跃式探测（固定探测步长 n 的探测）
     • 伪随机探查：在发生 hash 冲突时，根据公式生成一个随机数，作为此次探测空位置的步长（随机步长 n 的探测）
2. 再 hash 法
   • 这种方式会一次生成多个 hash 值，当第一个冲突了，就顺序取下一个，这种方式产生的不容易聚集，但是增加了计算时间。
3. 链地址法（拉链法）
   • 目前 java 中的 HashMap、ConcurrentHashMap 采用的解决 hash 冲突的办法，通过将冲突的键值保存一个额外的 next 指针，形成一个单项链表。为保证查询效率，在链表长度到达一定限制时，会重构为一颗红黑树。
   • 这种方式，最差的结果就是所有的 hash 全部映射到一个槽上，这样 hash 就会退化成一个链表。
4. 建立公共的溢出区域
   • 将 hash 表分为基础表和溢出表两部分，为所有的发生了 hash 冲突的关键字，记录一个公共的溢出区域来存放。在查找的时候，先与哈希表的相应位置比较，如果查找成功，则返回。否则去公共区域按顺序查找。
   • 在冲突较少时性能较好，冲突数据多时耗时。

在 redis 的字典中，当发生了 hash 冲突后，由于 dictEntry 节点上组成的链表没有链表表尾的指针，所以为了速度考虑，当发生 hash 冲突后，总是会把新节点添加到链表的表头位置，时间复杂度为 O(1)，排在其他的节点之前。

插入算法：

/* Low level add. This function adds the entry but instead of setting
 * a value returns the dictEntry structure to the user, that will make
 * sure to fill the value field as he wishes.
 *
 * This function is also directly exposed to user API to be called
 * mainly in order to store non-pointers inside the hash value, example:
 *
 * entry = dictAddRaw(dict,mykey);
 * if (entry != NULL) dictSetSignedIntegerVal(entry,1000);
 *
 * Return values:
 *
 * If key already exists NULL is returned.
 * If key was added, the hash entry is returned to be manipulated by the caller.
 */
/*
 * 尝试将键插入到字典中
 *
 * 如果键已经在字典存在，那么返回 NULL
 *
 * 如果键不存在，那么程序创建新的哈希节点，
 * 将节点和键关联，并插入到字典，然后返回节点本身。
 *
 * T = O(N)
 */
dictEntry *dictAddRaw(dict *d, void *key)
{
    int index;
    dictEntry *entry;
    dictht *ht;

    // 如果条件允许的话，进行单步 rehash
    // T = O(1)
    if (dictIsRehashing(d)) _dictRehashStep(d);

    /* Get the index of the new element, or -1 if
     * the element already exists. */
    // 计算键在哈希表中的索引值
    // 如果值为 -1 ，那么表示键已经存在
    // T = O(N)
    if ((index = _dictKeyIndex(d, key)) == -1)
        return NULL;

    // T = O(1)
    /* Allocate the memory and store the new entry */
    // 如果字典正在 rehash ，那么将新键添加到 1 号哈希表
    // 否则，将新键添加到 0 号哈希表
    ht = dictIsRehashing(d) ? &d->ht[1] : &d->ht[0];
    // 为新节点分配空间
    entry = zmalloc(sizeof(*entry));
    // 将新节点插入到链表表头
    entry->next = ht->table[index];
    ht->table[index] = entry;
    // 更新哈希表已使用节点数量
    ht->used++;

    /* Set the hash entry fields. */
    // 设置新节点的键
    // T = O(1)
    dictSetKey(d, entry, key);

    return entry;
}

rehash

随着操作的不断进行，哈希表里的键值对会逐渐增多或者减少，为了让哈希表的负载因子（load factor）维持在一个合理的范围内，当哈希表保存的键值对数量太多或者太少时，程序会对哈希表的大小进行响应的扩展或者收缩。这个操作就是通过执行rehash（重新散列）来完成的。

rehash 的步骤如下：

1. 为字典 ht[1] 哈希表分配空间，分配的大小取决于进行的操作，以及当前 ht[0] 当前包含的键值对数量，即 ht[0].userd 属性的值，具体操作大小为：

   1. 扩展操作

      按当前使用的节点数量，扩大为第一个大于等于 ht[0].used 的 2 的 n 次方。

      /* Expand the hash table if needed */
      /*
       * 根据需要，初始化字典（的哈希表），或者对字典（的现有哈希表）进行扩展
       *
       * T = O(N)
       */
      static int _dictExpandIfNeeded(dict *d)
      {
          /* Incremental rehashing already in progress. Return. */
          // 渐进式 rehash 已经在进行了，直接返回
          if (dictIsRehashing(d)) return DICT_OK;
      
          /* If the hash table is empty expand it to the initial size. */
          // 如果字典（的 0 号哈希表）为空，那么创建并返回初始化大小的 0 号哈希表
          // T = O(1)
          if (d->ht[0].size == 0) return dictExpand(d, DICT_HT_INITIAL_SIZE);
      
          /* If we reached the 1:1 ratio, and we are allowed to resize the hash
           * table (global setting) or we should avoid it but the ratio between
           * elements/buckets is over the "safe" threshold, we resize doubling
           * the number of buckets. */
          // 一下两个条件之一为真时，对字典进行扩展
          // 1）字典已使用节点数和字典大小之间的比率接近 1：1
          //    并且 dict_can_resize 为真
          // 2）已使用节点数和字典大小之间的比率超过 dict_force_resize_ratio
          if (d->ht[0].used >= d->ht[0].size &&
              (dict_can_resize ||
               d->ht[0].used/d->ht[0].size > dict_force_resize_ratio))
          {
              // 新哈希表的大小至少是目前已使用节点数的两倍
              // T = O(N)
              return dictExpand(d, d->ht[0].used*2);
          }
      
          return DICT_OK;
      }
      

   2. 收缩操作

      按当前使用的节点数量，缩小为第一个大于等于 ht[0].used 的 2 的 n 次方。

      /* Resize the table to the minimal size that contains all the elements,
       * but with the invariant of a USED/BUCKETS ratio near to <= 1 */
      /*
       * 缩小给定字典
       * 让它的已用节点数和字典大小之间的比率接近 1:1
       *
       * 返回 DICT_ERR 表示字典已经在 rehash ，或者 dict_can_resize 为假。
       *
       * 成功创建体积更小的 ht[1] ，可以开始 resize 时，返回 DICT_OK。
       *
       * T = O(N)
       */
      int dictResize(dict *d)
      {
          int minimal;
      
          // 不能在关闭 rehash 或者正在 rehash 的时候调用
          if (!dict_can_resize || dictIsRehashing(d)) return DICT_ERR;
      
          // 计算让比率接近 1：1 所需要的最少节点数量
          minimal = d->ht[0].used;
          if (minimal < DICT_HT_INITIAL_SIZE)
              minimal = DICT_HT_INITIAL_SIZE;
      
          // 调整字典的大小
          // T = O(N)
          return dictExpand(d, minimal);
      }
      

   注：公共方法源码

   /* Expand or create the hash table */
   /*
    * 创建一个新的哈希表，并根据字典的情况，选择以下其中一个动作来进行：
    *
    * 1) 如果字典的 0 号哈希表为空，那么将新哈希表设置为 0 号哈希表
    * 2) 如果字典的 0 号哈希表非空，那么将新哈希表设置为 1 号哈希表，
    *    并打开字典的 rehash 标识，使得程序可以开始对字典进行 rehash
    *
    * size 参数不够大，或者 rehash 已经在进行时，返回 DICT_ERR 。
    *
    * 成功创建 0 号哈希表，或者 1 号哈希表时，返回 DICT_OK 。
    *
    * T = O(N)
    */
   int dictExpand(dict *d, unsigned long size)
   {
       // 新哈希表
       dictht n; /* the new hash table */
   
       // 根据 size 参数，计算哈希表的大小
       // T = O(1)
       unsigned long realsize = _dictNextPower(size);
   
       /* the size is invalid if it is smaller than the number of
        * elements already inside the hash table */
       // 不能在字典正在 rehash 时进行
       // size 的值也不能小于 0 号哈希表的当前已使用节点
       if (dictIsRehashing(d) || d->ht[0].used > size)
           return DICT_ERR;
   
       /* Allocate the new hash table and initialize all pointers to NULL */
       // 为哈希表分配空间，并将所有指针指向 NULL
       n.size = realsize;
       n.sizemask = realsize-1;
       // T = O(N)
       n.table = zcalloc(realsize*sizeof(dictEntry*));
       n.used = 0;
   
       /* Is this the first initialization? If so it's not really a rehashing
        * we just set the first hash table so that it can accept keys. */
       // 如果 0 号哈希表为空，那么这是一次初始化：
       // 程序将新哈希表赋给 0 号哈希表的指针，然后字典就可以开始处理键值对了。
       if (d->ht[0].table == NULL) {
           d->ht[0] = n;
           return DICT_OK;
       }
   
       /* Prepare a second hash table for incremental rehashing */
       // 如果 0 号哈希表非空，那么这是一次 rehash ：
       // 程序将新哈希表设置为 1 号哈希表，
       // 并将字典的 rehash 标识打开，让程序可以开始对字典进行 rehash
       d->ht[1] = n;
       d->rehashidx = 0;
       return DICT_OK;
   
       /* 顺带一提，上面的代码可以重构成以下形式：
       
       if (d->ht[0].table == NULL) {
           // 初始化
           d->ht[0] = n;
       } else {
           // rehash 
           d->ht[1] = n;
           d->rehashidx = 0;
       }
   
       return DICT_OK;
   
       */
   }
   
   /* Our hash table capability is a power of two */
   /*
    * 计算第一个大于等于 size 的 2 的 N 次方，用作哈希表的值
    *
    * T = O(1)
    */
   static unsigned long _dictNextPower(unsigned long size)
   {
       unsigned long i = DICT_HT_INITIAL_SIZE;
   
       if (size >= LONG_MAX) return LONG_MAX;
       while(1) {
           if (i >= size)
               return i;
           i *= 2;
       }
   }
   

2. 将保存在 ht[0] 中的所有的键值对 rehash 到 ht[1] 上面，重新计算键的哈希值和索引值。

3. 当 ht[0] 包含的所有键值对都迁移到了 ht[1] 之后，ht[0] 变成空表，释放 ht[0]，将 ht[1] 设置为 ht[0]，并在 ht[1] 新创建一个空白哈希表，为下一次 rehash 做准备。

哈希表的扩展与收缩

当满足以下任意一个条件时，程序会自动开始对哈希表执行扩展操作：

1. 服务器目前没有在执行BGSAVE [SCHEDULE]命令或者BGREWRITEAOF命令，并且哈希表的负载因子大于等于1
2. 服务器目前正在执行BGSAVE [SCHEDULE]命令或者BGREWRITEAOF命令，并且哈希表的负载因子大于等于5

哈希表的负载因子计算公式：

// 负载因子 = 哈希表已保存节点数量 / 哈希表大小
load_factor = ht[0].used / ht[0].size

例如：

• 对于一个大小为 4，包含 4 个键值对的哈希表来说，负载因子为：load_factor = 4 / 4 = 1
• 对于一个大小为 512，包含 256 个键值对的哈希表来说，负载因子为：load_factor = 256 / 512 = 0.5

由于在执行BGSAVE [SCHEDULE]命令或者BGREWRITEAOF命令的过程中，redis 需要创建当前服务器的子进程，而大多数操作系统都会采用写时复制（copy on write）技术来优化子进程使用效率，所以在子进程存在期间，服务器会通过提高 扩展操作所需要的 load_factor，从而尽可能的避免在子进程存在期间对哈希表进行扩展操作，这可以避免不必要的内存写入操作，最大限度的节约内存。

关于收缩方面，当哈希表的负载因子小于0.1时，会自动开始对哈希表进行收缩操作。

渐进式 rehash

前面提到了 rehash 的相关操作：通过将 ht[0] 的所有键值对 rehash 到 ht[1] 里面，来完成哈希表的扩展或收缩。

但是这个过程很明显不是一次性、集中式的完成的，而是一个分多次、渐进式的过程。

试想如果需要对一个拥有庞大数量键值对的哈希表进行 rehash 操作，而这个过程是一次性完成的，庞大的计算量将会引起服务器在一段时间内停止服务。因此，为了避免这样的操作对服务器的性能影响，rehash 是一个渐进的、分多次的过程。

详细步骤：

1. 为 ht[1] 分配空间，让字典同时持有 ht[0] 和 ht[1] 两个哈希表
2. 在字典中维持了一个索引计数器：变量 rehashidx，并将它的值设置为 0，代表 rehash 正式开始
3. 在 rehash 期间，每次对字典的添加、删除、查找或者更新操作时，程序除了执行指定的操作外，还会顺带将 ht[0] 哈希表在 rehashidx 索引上的所有键值对 rehash 到 ht[1]，当 rehash 工作完成后，程序会将 rehashidx 属性的值增加一
4. 随着字典操作的不断进行，最终在一个时间点上，ht[0] 的所有键值对都会被 rehash 到 ht[1]，这时程序将 rehashidx 属性的值设为 -1，表示 rehash 完成。

这样将 rehash 的所有需要计算工作，均摊到对字典的每个添加删除和查找更新操作上。

在渐进式 rehash 执行过程中，字典会同时使用 ht[0] 和 ht[1] 两个哈希表，所以在渐进式 rehash 进行期间，字典的删除（delete）、查找（find）、更新（update）等操作会同时在两个哈希表上进行。

例如：要查找一个键的话，程序会先在 ht[0] 里面进行查找，如果没找到的话，就会继续到 ht[1] 里面进行查找。

但是，在渐进式 rehash 进行过程中，新添加的字典的键值会一律保存到 ht[1] 里面，而 ht[0] 则不再进行任何添加操作，这个措施保证了 ht[0] 包含的键值对数量只会减不会增，并且随着 rehash 进行，最终变成空表。

字典的 API

字典的大部分操作都是 O(1) 的时间复杂度。在此给出查询源码：

查询指定 key 值

/*
 * 返回字典中包含键 key 的节点
 *
 * 找到返回节点，找不到返回 NULL
 *
 * T = O(1)
 */
dictEntry *dictFind(dict *d, const void *key)
{
    dictEntry *he;
    unsigned int h, idx, table;

    // 字典（的哈希表）为空
    if (d->ht[0].size == 0) return NULL; /* We don't have a table at all */

    // 如果条件允许的话，进行单步 rehash
    if (dictIsRehashing(d)) _dictRehashStep(d);

    // 计算键的哈希值
    h = dictHashKey(d, key);
    // 在字典的哈希表中查找这个键
    // T = O(1)
    for (table = 0; table <= 1; table++) {

        // 计算索引值
        idx = h & d->ht[table].sizemask;

        // 遍历给定索引上的链表的所有节点，查找 key
        he = d->ht[table].table[idx];
        // T = O(1)
        while(he) {

            if (dictCompareKeys(d, key, he->key))
                return he;

            he = he->next;
        }

        // 如果程序遍历完 0 号哈希表，仍然没找到指定的键的节点
        // 那么程序会检查字典是否在进行 rehash ，
        // 然后才决定是直接返回 NULL ，还是继续查找 1 号哈希表
        if (!dictIsRehashing(d)) return NULL;
    }

    // 进行到这里时，说明两个哈希表都没找到
    return NULL;
}

// 比对两个键
#define dictCompareKeys(d, key1, key2) \
    (((d)->type->keyCompare) ? \
        (d)->type->keyCompare((d)->privdata, key1, key2) : \
        (key1) == (key2))

// 查看字典是否正在 rehash
#define dictIsRehashing(ht) ((ht)->rehashidx != -1)

总结

• 字典被广泛应用于实现 Redis 的各种功能，其中包括数据库和哈希键。
• Redis 中的字典使用哈希表作为底层实现，每个字典都带有两个哈希表，一个平时使用，一个在 rehash 中使用。
• 字典被作为数据库的底层实现，或者哈希键的底层实现时，Redis 使用** MurmurHash2 算法来计算键的哈希值**。
• 哈希表使用链地址法来解决键冲突，被分配到同一个索引上的多个键值对会连接成一个单向的链表。
• 在对哈希表进行扩展或者收缩操作时，程序需要将现有的哈希表包括的所有键值对 rehash 到新哈希表里面，并且这个 rehash 过程并不是一次性完成的，而是渐进式完成的。

最后，再看一眼 dict 的结构图：

本栏目推荐文章
• Jmeter 如何连接mysql数据库？
• SQL Server 检测是不是数字型数据的两种方法
• python字典的使用
• 如何通过Navicat把MySQL远程数据库导入到本地数据库
• 和利时MACS6通过dat文件实现任意时间范围与测点的历史数据提取与科研分析
• 深入理解spring框架：剖析多线程模式下数据库连接
• 数据可视化是如何帮助大型企业提高效率的？
• redis 数据库
• openpyxl模块--------------------------------重复数据
• Django客户端应用1向服务端应用2发送POST请求并接收解析数据

数据结构 字典 结构 数据 Redis数据结构 字典 结构 数据 数据结构 字符串 字典 字符 字典 结构 指南 数据 数据结构 结构 数据redis redis数据结构 字符串 字符 redis数据结构 结构 数据 数据结构redis-linux字符 场景 数据结构 字典 结构 笔记 redis数据结构 整数 字符串 字典 数据mysql