Redis 設計與實現 3：字串 SDS

小新是也發表於2020-12-25

本文的分析沒有特殊說明都是基於 Redis 6.0 版本原始碼
redis 6.0 原始碼：https://github.com/redis/redis/tree/6.0

在 Redis 中，字串都用自定義的結構簡單動態字串(Simple Dynamic Strings，SDS)。
Redis 中使用到的字串都是用 SDS，例如 key、string 型別的值、sorted set 的 member、hash 的 field 等等等等。。。

資料結構

舊版本的結構

在 3.2 版本之前，sds 的定義是這樣的：

struct sdshdr {
	// buf 陣列中已使用的位元組數量，也就是 sds 本身的字串長度
    unsigned int len;
    // buf 陣列中未使用的位元組數量
    unsigned int free;
    // 位元組陣列，用於儲存字串
    char buf[];
};

舊版本 SDS 結構示例

這樣的結構有幾個好處：

單獨記錄長度len，獲取字串長度的時間複雜度是 \(O(1)\) 。傳統的 C 字串獲取長度需要遍歷字串，直到遇到\0，時間複雜度是 \(O(N)\)。
buf 陣列末尾遵循 C 字串以 \0 結尾的慣例，可以相容 C 處理字串的函式。
減少修改字串帶來的記憶體重分配次數，Redis 使用了 空間預分配(預先申請大一點點的空間) 和 空間惰性釋放(字串變短修改len欄位即可)來減少字串修改引起的記憶體重新分配。
不以\0為結尾的判斷，二進位制安全。因為圖片等二進位制資料中，可能包含\0，傳統 C 字串一遇到 \0 就認為字串結束了，會導致不能完整儲存。

缺點：

len 和 free 的定義用了 4 個位元組，可以表示 2^32 的長度。但是我們實際使用的字串，往往沒有那麼長。4 個位元組造成了浪費。

新版本的結構

舊版本中我們說到，len 和 free 的缺點是用了太長的變數，新版本解決了這個問題。
我們來看一下新版本的 SDS 結構。

在 Redis 3.2 版本之後，Redis 將 SDS 劃分為 5 種型別：

型別	位元組	位
sdshdr5	< 1	<8
sdshdr8	1	8
sdshdr16	2	16
sdshdr32	4	32
sdshdr64	8	64

新版本新增加了一個 flags 欄位來標識型別，長度 1 位元組(8 位)。
型別只佔用了前 3 位。在 sdshdr5 中，後 5 位用來儲存字串的長度。其他型別後 5 位沒有用。

struct __attribute__ ((__packed__)) sdshdr5 {
    unsigned char flags; /* 前 3 位儲存型別，後 5 位儲存字串長度 */
    char buf[];
};
struct __attribute__ ((__packed__)) sdshdr8 {
    uint8_t len; /* 字串長度，1 位元組 8 位 */
    uint8_t alloc; /* 申請的總長度，1 位元組 8 位 */
    unsigned char flags; /* 前 3 位儲存型別，後 5 位未使用 */
    char buf[];
};
struct __attribute__ ((__packed__)) sdshdr16 {
    uint16_t len; /* 字串長度，2 位元組 16 位 */
    uint16_t alloc; /* 申請的總長度，2 位元組 16 位 */
    unsigned char flags; /* 前 3 位儲存型別，後 5 位未使用 */
    char buf[];
};
struct __attribute__ ((__packed__)) sdshdr32 {
    uint32_t len; /* 字串長度，4 位元組 32 位 */
    uint32_t alloc; /* 申請的總長度，4 位元組 32 位 */
    unsigned char flags; /* 前 3 位儲存型別，後 5 位未使用 */
    char buf[];
};
struct __attribute__ ((__packed__)) sdshdr64 {
    uint64_t len; /* 字串長度，8 位元組 64 位 */
    uint64_t alloc; /* 申請的總長度，8 位元組 64 位 */
    unsigned char flags; /* 前 3 位儲存型別，後 5 位未使用 */
    char buf[];
};

優點：

舊版本相對於傳統 C 字串的優點，新版本都有
相對於舊版本，新版本可以通過字串的長度，選擇不同的結構，可以節約記憶體
使用 __attribute__ ((__packed__)) ，讓編譯器取消結構在編譯過程中的優化對齊，按照實際佔用位元組數進行對齊，可以節約記憶體

SDS 的初始化

sds 的定義，跟傳統的C語言字串保持型別相容 char *。但是 sds 是二進位制安全的，中間可能包含\0。

sds.h

typedef char *sds;

sds.c

// 初始化 sds
sds sdsnewlen(const void *init, size_t initlen) {
	// 指向 sdshdr 開始地方的指標
    void *sh;
    // sds 實際是一個指標，指向 buf 開始的位置
    sds s;
    // 根據初始化的長度，返回 sds 的型別
    char type = sdsReqType(initlen);
    // initlen == 0，是空字串，空字串往往就是用來往後新增位元組的，使用 SDS_TYPE_8 比 SDS_TYPE_5 更好
    if (type == SDS_TYPE_5 && initlen == 0) type = SDS_TYPE_8;
    // 根據型別獲取 struct sdshdr 的長度
    int hdrlen = sdsHdrSize(type);
    // flags 欄位的指標
    unsigned char *fp;
	
	// 開始分配空間，+1 是為了最後一個的結束符號 \0
    sh = s_malloc(hdrlen+initlen+1);
    if (sh == NULL) return NULL;
    // const char *SDS_NOINIT = "SDS_NOINIT";
    if (init==SDS_NOINIT)
        init = NULL;
    else if (!init)
    	// 不是 init 則清空 sh 的記憶體
        memset(sh, 0, hdrlen+initlen+1);
    // s 指向了 buf 開始的地址
    // 從上面結構可以看出，記憶體地址的順序： len, alloc, flag, buf
    // 因為 buf 本身不佔用空間，hdrlen 實際上就是結構的頭(len、alloc、flags)
    s = (char*)sh+hdrlen;
    // flags 佔用 1 個位元組，所以 s 退一位就是 flags 的開始位置了
    fp = ((unsigned char*)s)-1;
    switch(type) {
        case SDS_TYPE_5: {
        	// #define SDS_TYPE_BITS 3
        	// 前 3 位儲存型別，後 5 位儲存長度
            *fp = type | (initlen << SDS_TYPE_BITS);
            break;
        }
        case SDS_TYPE_8: {
        	// define SDS_HDR_VAR(T,s) struct sdshdr##T *sh = (void*)((s)-(sizeof(struct sdshdr##T)));
        	// sh 變數賦值了 struct sdshdr
            SDS_HDR_VAR(8,s);
            sh->len = initlen;
            sh->alloc = initlen;
            *fp = type;
            break;
        }
        // 下面是對 SDS_TYPE_16、SDS_TYPE_32、SDS_TYPE_64 的初始化，跟 SDS_TYPE_8 的類似，篇幅有限，省略...
    }
    // 如果 init 非空，則把 init 字串賦值給 s，實際上也是 buf 的初始化
    if (initlen && init)
        memcpy(s, init, initlen);
   	// 最後加一個結束標誌 \0
    s[initlen] = '\0';
    return s;
}

SDS 的擴/縮容

擴容

擴容就不跟初始化一樣寫註釋寫得那麼詳細了，直接拉最重要的幾句程式碼就行。

sds sdsMakeRoomFor(sds s, size_t addlen) {
    // #define SDS_MAX_PREALLOC (1024*1024)
    // 當新的長度小於 1M 的時候，長度會增長一倍
    // 當新的長度達到 1M 之後，最多就增長 1M 了
    if (newlen < SDS_MAX_PREALLOC)
        newlen *= 2;
    else
        newlen += SDS_MAX_PREALLOC;
    // ...
}

縮容

sds 縮短不會真正縮小 buf，而是隻改長度而已，型別也不變。