redis底层数据结构——简单动态字符串

开始讲述动态字符串前我们先问自己几个问题，我们知道redis是使用c语言编写的，那么redis的string数据结构底层是使用c的字符串吗？如果不是C的字符串那么是什么？为何要新增一个数据结构？新增的数据结构可以带来哪些好处？C字符串在redis里面完全消失了吗？下面的内容会回答这些问题。

概述

Redis没有直接使用C语言传统的字符串表示（以空字符结尾的字符数组，以下简称C字符串），而是自己构建了一种名为简单动态字符串（simpledynamicstring，SSDS）的抽象类型，并将SDS用作Redis的默认学符串表示。

什么时候用C里面的字符串

在Redis里面，C字符串只会作为字符串字面量（stringliteral）用在一些无须对字符串直进行修改的地方，比如打印日志。

什么时候使用SDS

当Redis需要的不仅仅是一个字符串字面量，而是一个可以被修改的字符串值时，Redis就会使用SDS来表示字符串值，比如在Redis的数据库里面，包含字符串值的键值对在底层都是由SDS实现的。

使用场景

SDS用于string的value和基础数据结构的key中，例如：

• 在客户端执行命令：

``
redis>SET msg helloworld

OK
``
那么Redis将在数据库中创建一个新的键值对，其中：键值对的键是一个字符串对象，对象的底层实现是一个保存着字符串“msg”的SDS；键值对的值也是一个字符串对象，对象的底层实现是一个保存着字符单“hello world" 的SDS。

• 在客户端执行命令：

``
redis>RPUSH fruits “apple” “banana” “cherry”

（integer）3
``
那么Redis将在数据库中创建一个新的键值对，其中：
键值对的键是一个字符串对象，对象的底层实现是一个保存了字符串“fruits”的SDS
键值对的值是一个列表对象，列表对象包含了三个字符串对象，这三个字符串对象
分别由三个SDS实现：第一个SDS保存着字符串“apple”，第二个SDS保存着字
符串"banana”，第三个SDS保存着字符串“cherry”
除了用来保存数据库中的字符串值之外，SDS还被用作缓冲区（buffer）：AOF模块中的AOF缓冲区，以及客户端状态中的输人缓冲区，都是由SDS实现的。

SDS定义

``

struct Sdshdr{
// 记录buf数组中已使用字节的数量
//等于SDS所保存字符串的长度
int len;

//记录buf数组中未使用字节的数量
int free;

//字节数组，用于保存字符串
char buf[];
}

``

• free属性的值为0，表示这个SDS没有分配任何未使用空间。
• len属性的值为5，表示这个SDS保存了一个五字节长的字符串。
• buf属性是一个char类型的数组，数组的前五个字节分别保存了·R”、e”、 s，五个字符，而最后一个字节则保存了空字符·0”。

SDS与C语言的字符串差异

常数时间复杂度获取字符串长度

因为C字符串并不记录自身的长度信息，所以为了获取一个C字符串的长度，程序必须遍历整个字符串，对遇到的每个字符进行计数，直到遇到代表字符串结尾的空字符为止，这个操作的复杂度为O(N)。但是SDS由于len属性已经记录了字符串长度，所以SDS的API直接返回这个属性值就可以获取字符串长度，时间复杂度为O(1)。这是一种空间换时间的优化使得redis的string数据结构在获取长度时很快，但是修改时会比较慢，因为还要修改len的值。

杜绝缓冲区溢出

在C语言中，在内存中存在两个紧紧挨着的字符串A与B，当对A拼接上C时，由于A与B紧挨着，这时候就导致A的数据溢出到B中，B字符串被修改了。

与C字符串不同，SDS的空间分配策略完全杜绝了发生缓冲区溢出的可能性：当SDS
API需要对SDS进行修改时，API会先检查SDS的空间是否满足修改所需的要求，如果不满足的话，API会自动将SDS的空间扩展至执行修改所需的大小，然后才执行实际的修改操作，所以使用SDS既不需要手动修改SDS的空间大小，也不会出现前面所说的缓冲区溢出问题。

减少修改字符串时带来的内存重分配次数

因为C字符串并不记录自身的长度，所以对于一个包含了N个字符的C字符串来说，这个C字符串的底层实现总是一个N+1个字符长的数组（额外的一个字符空间用于保存空字符）。因为C字符串的长度和底层数组的长度之间存在着这种关联性，所以每次增长或者缩短一个C字符串，程序都总要对保存这个C字符串的数组进行一次内存重分配操作。

为了避免C字符串的这种缺陷，SDS通过未使用空间解除了字符电长度和底层数组长
度之间的关联：在SDS中，buf数组的长度不一定就是字符数量加一，数组里面可以包含未使用的字节，而这些字节的数量就由SDS的free属性记录。

通过未使用空间，SDS实现了空间预分配和情性空间释放两种优化策略

1.空间预分配

空间预分配用于优化SDS的字符串增长操作：当SDS的API对一个SDS进行修改
并且需要对SDS进行空间扩展的时候，程序不仅会为SDS分配修改所必须要的空间，还会为SDS分配额外的未使用空间。

其中，额外分配的未使用空间数量由以下公式决定：

• 如果对SDS进行修改之后，SDS的长度（也即是1en属性的值）将小于1MB
  那么程序分配和1en属性同样大小的未使用空间，这时SDS1en属性的值将和
  free属性的值相同。举个例子，如果进行修改之后，SDS的1en将变成13字
  节，那么程序也会分配13字节的未使用空间，SDS的buf数组的实际长度将变成13+13+1=27字节（额外的一字节用于保存空字符）
• 如果对SDS进行修改之后，SDS的长度将大于等于1MB，那么程序会分配1MB的未使用空间。举个例子，如果进行修改之后，SDS的1en将变成30MB，那么程序会分配1MB的未使用空间，SDS的buf数组的实示长度将为30MB+1MB+1byte

通过空间预分配策略，Redis可以减少连续执行字符串增长操作所需的内存重分配次数。

在扩展SDS空间之前，SDSAPI会先检查未使用空间是否足够，如果足够的话，API
就会直接使用未使用空间，而无须执行内存重分配。

通过这种预分配策略，SDS将连续增长N次字符申所需的内存重分配次数从必定N次
降低为最多N次。

2.情性空间释放

情性空间释放用于优化SDS的字符串缩短操作：当SDS的API需要缩短SDS保存的字符申时，程序并不立即使用内存重分配来回收缩短后多出来的字节，而是使用free属性将这些字节的数量记录起来，并等待将来使用。

通过情性空间释放策略，SDS避免了缩短字符申时所需的内存重分配操作，并为将来可能有的增长操作提供了优化。

与此同时，SDS也提供了相应的API，让我们可以在有需要时，真正地释放SDS的未使用空间，所以不用担心情性空间释放策略会造成内存浪费。

二进制安全

C字符串中的字符必须符合某种编码（比如ASCII），并且除了字符串的末尾之外，字
舒串里面不能包含空字符，否则最先被程序读人的空字符将被误认为是字符串结尾，这些限制使得C字符串只能保存文本数据，而不能保存像图片、音频、视频、压缩文件这样的二进制数据。

虽然数据库一般用于保存文本数据，但使用数据库来保存二进制数据的场景也不少见
因此，为了确保Redis可以适用于各种不同的使用场景，SDS的API都是二进制安全的
（binary-safe），所有SDSAPI都会以处理二进制的方式来处理SDS存放在buf数组里的数据，程序不会对其中的数据做任何限制、过滤、或者假设，数据在写人时是什么样的，它被读取时就是什么样。

这也是我们将SDS的buf属性称为字节数组的原因—Redis不是用这个数组来保存字符，而是用它来保存一系列二进制数据。

通过使用二进制安全的SDS，而不是C字符串，使得Redis不仅可以保存文本数据，还
可以保存任意格式的三进制数据。

兼容部分C字符串函数

虽然SDS的API都是二进制安全的，但它们一样遵循C字符串以空字符结尾的惯例这些API总会将SDS保存的数据的末尾设置为空字符，并且总会在为buf数组分配空间时多分配一个字节来容纳这个空字符，这是为了让那些保存文本数据的SDS可以重用一部分<string.h>库定义的函数。

通过遵循C字符串以空字符结尾的惯例，SDS可以在有需要时重用<string.h>函数库，从而避免了不必要的代码重复。

总结