Redis 数据结构

16 October 2025  3338 words  ~7 mins
#Redis#数据结构#LinkedList

SDS

O(1) 获取长度

  • SDS 在len属性保存了 SDS的长度所以无需遍历即可获得当前长度
  • C 字符串不记录自身的长度信息， 为获取字符串的长度， 必须遍历整个字符串， 直到遇到代表字符串结尾的空字符为止， O(N) .

杜绝缓冲区溢出

  • SDS 通过 len 记录长度 和 自动扩容机制在修改时保证了当前有足够的缓冲区.
  • C 字符串 不检查空间 而且仅通过 \0 判断结尾

空间预分配 & 惰性空间

  • 空间预分配: 当需要进行空间扩容时 不仅会分配必要的空间 还会分配额外的空间.
  • 惰性空间: 当SDS 缩短保存字符串时 程序不立即重新分配缩短后的字节,而是用 free 记录,等待之后使用.
特性C 字符串SDS（Simple Dynamic String）
获取字符串长度的时间复杂度O(N)
必须遍历整个字符串直到遇到 \0		O(1)
长度直接存储在 len 字段中，API 自动维护
缓冲区溢出风险高
操作函数（如 strcat）不检查目标缓冲区大小，易越界写入		无
所有修改 API（如 sdscat）先检查空间，自动扩容后再操作
内存重分配频率每次修改都需重分配
增长需 realloc 防溢出，缩减需 realloc 防内存泄漏		大幅减少
通过 空间预分配（增长时多分配）和 惰性空间释放（缩短时不立即释放）优化，避免频繁 malloc/realloc
二进制安全性不安全
字符串中间不能含 \0，否则被截断；仅适合文本		安全
可存储任意字节（包括 \0），数据原样存取，支持图片、音频等二进制数据
  • SDS 的结构（简化）：
struct sdshdr {
	int len; // 已使用字节数（字符串长度）
	int free;// 未使用字节数
	char buf[];// 实际字符存储区（以 \0 结尾，但内容可含 \0）
}

链表

特点

  • 实现为 双端无环链表。
  • 支持 多态（通过 dup/free/match 函数指针）。
  • 用于：List 键、客户端列表、慢查询、发布订阅等。

结构

typedef struct listNode {
    struct listNode *prev, *next;
    void *value;
} listNode;

typedef struct list {
    listNode *head, *tail;
    unsigned long len;
    void *(*dup)(void *ptr);
    void (*free)(void *ptr);
    int (*match)(void *ptr, void *key);
} list;

字典

底层结构

Redis 字典由 两个哈希表（ht[0] 和 ht[1]）组成：

typedef struct dict {
    dictht ht[2];       // ht[0]: 主表；ht[1]: rehash 时的新表
    int rehashidx;      // rehash 进度，-1 表示未进行
} dict;
  • 每个哈希表（dictht）是一个 数组 + 单向链表：
    • 数组元素为桶（bucket）；
    • 桶内冲突通过 链地址法（单向链表）解决；
    • 节点类型为 dictEntry，含 key、value 和 next 指针。

扩容与缩容机制

1. 触发条件（基于负载因子）

负载因子 = ht[0].used / ht[0].size

场景触发 rehash 条件
无 BGSAVE / BGREWRITEAOF负载因子 ≥ 1 → 扩容
有 BGSAVE / BGREWRITEAOF负载因子 ≥ 5 → 才扩容（避免 fork 内存翻倍）
缩容负载因子 < 0.1 且表足够大

2. 扩容过程（渐进式 rehash）

  1. 分配 ht[1]：

    • 扩容：size = 第一个 ≥ ht[0].used * 2 的 2 的幂
    • 缩容：size = 第一个 ≥ ht[0].used 的 2 的幂

  2. 设置 rehashidx = 0，开始 rehash。

  3. 每次字典操作（GET/SET/DEL）时：

    • 顺带迁移 ht[0][rehashidx] 整个桶 到 ht[1]；
    • rehashidx++；
    • 新增操作只写入 ht[1]；
    • 查找/删除需查两个表（因数据分散在两表中）。

  4. 迁移完成：

    • 释放 ht[0]；
    • ht[1] → ht[0]；
    • rehashidx = -1。

三、关键特点与代价

优点

  • 无阻塞：rehash 分摊到每次操作，主线程不卡顿；
  • 数据安全：双表共存期间，读写正确；
  • 自动适应：根据负载动态扩缩容。

缺点

  • 内存占用翻倍：rehash 期间 ht[0] 和 ht[1] 同时存在；
  • 冷数据 rehash 延迟：长期无访问的字典可能迟迟无法完成 rehash；
    • Redis 通过 serverCron 定时任务主动推进缓解此问题。

跳表

底层结构

跳表本质上就是多层级链表,不同层级保存着随机跨度的后驱节点的指针,用来快速查找.

节点:

typedef struct zskiplistNode {
//Zset 对象的元素值
	sds ele;
	//元素权重值,用于排序
	double score;
	//后向指针
	struct zskiplistNode *backward;
	//节点的level数组，保存每层上的前向指针和跨度
	struct zskiplistLevel {
		struct zskiplistNode *forward;
		//跨度
		unsigned long span;
	} level[];
} zskiplistNode;

顶层结构:

typedef struct zskiplist {
    struct zskiplistNode *header, *tail;  // 头尾指针（O(1) 访问）
    unsigned long length;                 // 节点总数（O(1) 获取长度）
    int level;                            // 当前跳表最大层数（不含头节点）
} zskiplist;
  • header 是一个 特殊的头节点，不存实际数据（ele = NULL, score = 0），但有完整的 level[] 数组（如 32 层或 64 层）。
  • tail 指向最后一个真实数据节点（用于 ZREVRANGE 等反向操作）。
  • level 是 所有数据节点中的最大层数（头节点层数不计入）。

创建过程

Redis在创建头节点时如果层高最大限制是 32，那么在创建跳表「头节点」的时候，就会直接创建 32 层高的头节点. 在创建新节点时会在 [0, 1] 随机取值,如果小于 0.25 则会增加层高,继续取值,直到值大于 0.25.

Redis为什么使用跳表而不是用B+树?

Redis 是内存数据库，跳表在实现简单性、写入性能、内存访问模式等方面的综合优势，使其成为更合适的选择。

维度跳表优势B+ 树劣势
内存访问符合CPU缓存局部性，指针跳转更高效节点结构复杂，缓存不友好
实现复杂度代码简洁，无复杂平衡操作节点分裂/合并逻辑复杂，代码量大
写入性能插入/删除仅需调整局部指针插入可能触发递归节点分裂，成本高
内存占用结构紧凑，无内部碎片节点预分配可能浪费内存

Redis 选择使用跳表（Skip List）而不是 B+ 树来实现有序集合（Sorted Set）等数据结构，是经过多方面权衡后的结果。以下是详细的原因分析：

1、内存结构与访问模式的差异

B+ 树的特性

  • 磁盘友好：B+ 树的设计目标是优化磁盘I/O，通过减少树的高度来降低磁盘寻道次数（例如，一个3层的B+树可以管理数百万数据）。
  • 节点填充率高：每个节点存储多个键值（Page/Block），适合批量读写。
  • 范围查询高效：叶子节点形成有序链表，范围查询（如 ZRANGE）性能极佳。

跳表的特性

  • 内存友好：跳表基于链表，通过多级索引加速查询，内存访问模式更符合CPU缓存局部性（指针跳跃更少）。
  • 简单灵活：插入/删除时仅需调整局部指针，无需复杂的节点分裂与合并。
  • 概率平衡：通过随机层高实现近似平衡，避免了严格的平衡约束（如红黑树的旋转）。

Redis 是内存数据库，数据完全存储在内存中，不需要优化磁盘I/O，因此 B+ 树的磁盘友好特性对 Redis 意义不大。而跳表的内存访问模式更优，更适合高频的内存操作。

2、实现复杂度的对比

B+ 树的实现复杂度：

  • 节点分裂与合并：插入/删除时可能触发节点分裂或合并，需要复杂的再平衡逻辑。
  • 锁竞争：在并发环境下，B+ 树的锁粒度较粗（如页锁），容易成为性能瓶颈。
  • 代码复杂度：B+ 树的实现需要处理大量边界条件（如最小填充因子、兄弟节点借用等）。

跳表的实现复杂度：

  • 无再平衡操作：插入时只需随机生成层高，删除时直接移除节点并调整指针。
  • 细粒度锁或无锁：跳表可以通过分段锁或无锁结构（如 CAS）实现高效并发。
  • 代码简洁：Redis 的跳表核心代码仅需约 200 行（B+ 树实现通常需要数千行）。

对于 Redis 这种追求高性能和代码简洁性的项目，跳表的低实现复杂度更具吸引力，Redis作者Antirez曾表示，跳表的实现复杂度远低于平衡树，且性能相近，是更优选择。

3、性能对比

查询性能

  • 单点查询：跳表和 B+ 树的时间复杂度均为 O(log N)，但跳表的实际常数更小（内存中指针跳转比磁盘块访问快得多）。
  • 范围查询：B+ 树的叶子链表在范围查询时占优，但跳表通过双向链表也能高效支持 ZRANGE 操作。

写入性能

  • B+ 树：插入可能触发节点分裂，涉及父节点递归更新，成本较高。
  • 跳表：插入仅需修改相邻节点的指针，写入性能更优（Redis 的 ZADD 操作时间复杂度为 O(log N)）。

实测数据：在内存中，跳表的插入速度比 B+ 树快 2-3 倍，查询速度相当。

4、内存占用

  • B+ 树：每个节点需要存储多个键值和子节点指针，存在内部碎片（节点未填满时）。
  • 跳表：每个节点只需存储键值、层高和多个前向指针，内存占用更紧凑。

压缩列表是怎么实现的？

压缩列表是 Redis 为了节约内存而开发的，它是由连续内存块组成的顺序型数据结构，有点类似于数组。

压缩列表在表头有三个字段：

  • zlbytes，记录整个压缩列表占用对内存字节数；
  • zltail，记录压缩列表「尾部」节点距离起始地址由多少字节，也就是列表尾的偏移量；
  • zllen，记录压缩列表包含的节点数量；
  • zlend，标记压缩列表的结束点，固定值 0xFF（十进制255）。

在压缩列表中，如果我们要查找定位首尾元素通过表头三个字段（zllen）的长度直接定位，复杂度是 O(1)。查找其他元素时，只能逐个查找O(N) ，因此压缩列表不适合保存过多的元素。

另外，压缩列表节点（entry）的构成如下：

压缩列表节点包含三部分内容：

  • prevlen，记录了「前一个节点」的长度，目的是为了实现从后向前遍历；
  • encoding，记录了当前节点实际数据的「类型和长度」，类型主要有两种：字符串和整数。
  • data，记录了当前节点的实际数据，类型和长度都由 encoding 决定；

往压缩列表中插入数据时，压缩列表就会根据数据类型是字符串还是整数，以及数据的大小，会使用不同空间大小的 prevlen 和 encoding 这两个元素里保存的信息，这种根据数据大小和类型进行不同的空间大小分配的设计思想，正是 Redis 为了节省内存而采用的。

压缩列表的缺点是会发生连锁更新的问题，因此连锁更新一旦发生，就会导致压缩列表占用的内存空间要多次重新分配，这就会直接影响到压缩列表的访问性能。

所以说，虽然压缩列表紧凑型的内存布局能节省内存开销，但是如果保存的元素数量增加了，或是元素变大了，会导致内存重新分配，最糟糕的是会有「连锁更新」的问题。

因此，压缩列表只会用于保存的节点数量不多的场景，只要节点数量足够小，即使发生连锁更新，也是能接受的。

虽说如此，Redis 针对压缩列表在设计上的不足，在后来的版本中，新增设计了两种数据结构：quicklist（Redis 3.2 引入） 和 listpack（Redis 5.0 引入）。这两种数据结构的设计目标，就是尽可能地保持压缩列表节省内存的优势，同时解决压缩列表的「连锁更新」的问题。

listpack 采用了压缩列表的很多优秀的设计，比如还是用一块连续的内存空间来紧凑地保存数据，并且为了节省内存的开销，listpack 节点会采用不同的编码方式保存不同大小的数据。

我们先看看 listpack 结构：

listpack 头包含两个属性，分别记录了 listpack 总字节数和元素数量，然后 listpack 末尾也有个结尾标识。图中的 listpack entry 就是 listpack 的节点了。

每个 listpack 节点结构如下：

主要包含三个方面内容：

  • encoding，定义该元素的编码类型，会对不同长度的整数和字符串进行编码；
  • data，实际存放的数据；
  • len，encoding+data的总长度；

可以看到，listpack 没有压缩列表中记录前一个节点长度的字段了，listpack 只记录当前节点的长度，当我们向 listpack 加入一个新元素的时候，不会影响其他节点的长度字段的变化，从而避免了压缩列表的连锁更新问题。

← prevnext →