Redis源码---键值对中字符串的实现，用char*还是结构体

前言

为什么 Redis 不用 char*？

char* 的结构设计

操作函数复杂度

SDS 的设计思想

SDS 结构设计

SDS 操作效率

紧凑型字符串结构的编程技巧

小结

前言
对于 Redis 来说，键值对中的键是字符串，值有时也是字符串
在 Redis 中写入一条用户信息，记录了用户姓名、性别、所在城市等，这些都是字符串，如下所示：
此外，Redis 实例和客户端交互的命令和数据，也都是用字符串表示的
那么，既然字符串的使用如此广泛和关键，就使得在实现字符串时，需要尽量满足以下三个要求：
- 能支持丰富且高效的字符串操作，比如字符串追加、拷贝、比较、获取长度等
- 能保存任意的二进制数据，比如图片等
- 能尽可能地节省内存开销
其实，如果你开发过 C 语言程序，应该就知道，在 C 语言中可以使用 char* 字符数组来实现字符串
同时，C 语言标准库 string.h 中也定义了多种字符串的操作函数
比如字符串比较函数 strcmp、字符串长度计算函数 strlen、字符串追加函数 strcat 等，这样就便于开发者直接调用这些函数来完成字符串操作
所以这样看起来，Redis 好像完全可以复用 C 语言中对字符串的实现呀？
但实际上，在使用 C 语言字符串时，经常需要手动检查和分配字符串空间，而这就会增加代码开发的工作量
而且，图片等数据还无法用字符串保存，也就限制了应用范围
那么，从系统设计的角度来看，该如何设计实现字符串呢？
其实，Redis 设计了简单动态字符串(Simple Dynamic String，SDS)的结构，用来表示字符串
相比于 C 语言中的字符串实现，SDS 这种字符串的实现方式，会提升字符串的操作效率，并且可以用来保存二进制数据
下面介绍下 SDS 结构的设计思想和实现技巧，这样就既可以掌握char* 实现方法的不足和 SDS 的优势，还能学习到紧凑型内存结构的实现技巧
如果要在自己的系统软件中实现字符串类型，就可以参考 Redis 的设计思想，来更好地提升操作效率，节省内存开销
好，接下来，先来了解下为什么 Redis 没有复用 C 语言的字符串实现方法
为什么 Redis 不用 char*？
实际上，要想解答这个问题，需要先知道 char* 字符串数组的结构特点，还有 Redis 对字符串的需求是什么，所以下面就来具体分析一下
char* 的结构设计
首先，来看看 char* 字符数组的结构
char*字符数组的结构很简单，就是一块连续的内存空间，依次存放了字符串中的每一个字符
比如，下图显示的就是字符串“redis”的char*数组结构：
从图中可以看到，字符数组的最后一个字符是“\0”
这个字符的作用是什么呢？其实，C 语言在对字符串进行操作时，char* 指针只是指向字符数组的起始位置，而字符数组的结尾位置就用“\0”表示，意思是指字符串的结束
这样一来，C 语言标准库中字符串的操作函数，就会通过检查字符数组中是否有“\0”，来判断字符串是否结束
比如，strlen 函数就是一种字符串操作函数，它可以返回一个字符串的长度
这个函数会遍历字符数组中的每一个字符，并进行计数，直到检查的字符为“\0”
此时，strlen 函数会停止计数，返回已经统计到的字符个数
下图显示了 strlen 函数的执行流程：
再通过一段代码，来看下“\0”结束字符对字符串长度的影响
这里创建了两个字符串变量 a 和 b
分别给它们赋值为“red\0is”和“redis\0”
然后用 strlen 函数计算这两个字符串长度，如下所示：
当程序执行完这段代码后，输出的结果分别是 3 和 5，表示 a 和 b 的长度分别是3个字符和5个字符
这是因为 a 中在“red”这 3 个字符后，就有了结束字符“\0”，而 b 中的结束字符是在“redis”5 个字符后
也就是说，char* 字符串以“\0”表示字符串的结束，其实会给我们保存数据带来一定的负面影响
如果要保存的数据中，本身就有“\0”，那么数据在“\0”处就会被截断
而这就不符合 Redis 希望能保存任意二进制数据的需求了
操作函数复杂度
而除了 char* 字符数组结构的设计问题以外
使用“\0”作为字符串的结束字符，虽然可以让字符串操作函数判断字符串的结束位置
但它也会带来另一方面的负面影响，也就是会导致操作函数的复杂度增加
还是以 strlen 函数为例，该函数需要遍历字符数组中的每一个字符，才能得到字符串长度
所以这个操作函数的复杂度是 O(N)
再来看另一个常用的操作函数：字符串追加函数 strcat
strcat 函数是将一个源字符串src 追加到一个目标字符串的末尾
该函数的代码如下所示：
从代码中可以看到，strcat 函数和 strlen 函数类似，复杂度都很高，也都需要先通过遍历字符串才能得到目标字符串的末尾
然后对于 strcat 函数来说，还要再遍历源字符串才能完成追加
另外，它在把源字符串追加到目标字符串末尾时，还需要确认目标字符串具有足够的可用空间，否则就无法追加
所以，这就要求开发人员在调用 strcat 时，要保证目标字符串有足够的空间，不然就需要开发人员动态分配空间，从而增加了编程的复杂度
而操作函数的复杂度一旦增加，就会影响字符串的操作效率
这就不符合 Redis 对字符串高效操作的需求了
综合以上在 C 语言中使用 char* 实现字符串的两大不足之处以后
现在就对Redis 是如何对字符串的实现进行设计考虑的
SDS 的设计思想
因为 Redis 是使用 C 语言开发的，所以为了保证能尽量复用 C 标准库中的字符串操作函数
Redis 保留了使用字符数组来保存实际的数据
但是，和 C 语言仅用字符数组不同，Redis 还专门设计了 SDS（即简单动态字符串）的数据结构
SDS 结构设计
首先，SDS 结构里包含了一个字符数组 buf[]，用来保存实际数据
同时，SDS 结构里还包含了三个元数据，分别是字符数组现有长度 len、分配给字符数组的空间长度 alloc，以及 SDS类型 flags
其中，Redis 给 len 和 alloc 这两个元数据定义了多种数据类型，进而可以用来表示不同类型的 SDS，稍后会具体介绍
下图显示了 SDS 的结构：
另外，如果在 Redis 源码中查找过 SDS 的定义，那可能会看到，Redis 使用 typedef 给char* 类型定义了一个别名，这个别名就是 sds，如下所示：
其实，这是因为 SDS 本质还是字符数组，只是在字符数组基础上增加了额外的元数据
在Redis 中需要用到字符数组时，就直接使用 sds 这个别名
同时，在创建新的字符串时，Redis 会调用 SDS 创建函数 sdsnewlen
sdsnewlen 函数会新建 sds 类型变量（也就是 char* 类型变量），并新建 SDS 结构体，把 SDS 结构体中的数组buf[] 赋给 sds 类型变量
最后，sdsnewlen 函数会把要创建的字符串拷贝给 sds 变量
下面的代码就显示了 sdsnewlen 函数的这个操作逻辑：
好了，了解了 SDS 结构的定义后，再来看看，相比传统 C 语言字符串，SDS 操作效率的改进之处
SDS 操作效率
因为 SDS 结构中记录了字符数组已占用的空间和被分配的空间，这就比传统 C 语言实现的字符串能带来更高的操作效率
还是以字符串追加操作为例
Redis 中实现字符串追加的函数是 sds.c 文件中的 sdscatlen函数
这个函数的参数一共有三个，分别是目标字符串 s、源字符串 t 和要追加的长度 len
源码如下所示：
通过分析这个函数的源码，可以看到sdscatlen 的实现较为简单，其执行过程分为三步：
- 首先，获取目标字符串的当前长度，并调用 sdsMakeRoomFor 函数，根据当前长度和要追加的长度，判断是否要给目标字符串新增空间
- 这一步主要是保证，目标字符串有足够的空间接收追加的字符串
- 其次，在保证了目标字符串的空间足够后，将源字符串中指定长度 len 的数据追加到目标字符串
- 最后，设置目标字符串的最新长度
下面一张图显示了 sdscatlen 的执行过程
所以，到这里就能发现，和 C 语言中的字符串操作相比，SDS 通过记录字符数组的使用长度和分配空间大小，避免了对字符串的遍历操作，降低了操作开销，进一步就可以帮助诸多字符串操作更加高效地完成，比如创建、追加、复制、比较等，这一设计思想非常值得学习
此外，SDS 把目标字符串的空间检查和扩容封装在了 sdsMakeRoomFor 函数中，并且在涉及字符串空间变化的操作中，如追加、复制等，会直接调用该函数
这一设计实现，就避免了开发人员因忘记给目标字符串扩容，而导致操作失败的情况
比如：
使用函数 strcpy (char *dest, const char *src) 时，如果 src 的长度大于 dest 的长度，代码中也没有做检查的话，就会造成内存溢出
所以这种封装操作的设计思想，同样值得学习
那么，除了使用元数据记录字符串数组长度和封装操作的设计思想，SDS 还有什么优秀的设计与实现值得学习呢？
这就和刚才给你介绍的 Redis 对内存节省的需求相关了
所以接下来，就来看看 SDS 在编程技巧上是如何实现节省内存的
紧凑型字符串结构的编程技巧
前面有提到，SDS 结构中有一个元数据 flags，表示的是 SDS 类型
事实上，SDS 一共设计了 5 种类型，分别是 sdshdr5、sdshdr8、sdshdr16、sdshdr32 和 sdshdr64
这 5 种类型的主要区别就在于，它们数据结构中的字符数组现有长度 len 和分配空间长度 alloc，这两个元数据的数据类型不同
因为 sdshdr5 这一类型 Redis 已经不再使用了，所以这里主要来了解下剩余的 4 种类型
以 sdshdr8 为例，它的定义如下所示：
可以看到，现有长度 len 和已分配空间 alloc 的数据类型都是 uint8_t
uint8_t 是 8 位无符号整型，会占用 1 字节的内存空间
当字符串类型是 sdshdr8 时，它能表示的字符数组长度（包括数组最后一位\0）不会超过 256 字节（2 的 8 次方等于 256）
而对于 sdshdr16、sdshdr32、sdshdr64 三种类型来说，它们的 len 和 alloc 数据类型分别是 uint16_t、uint32_t、uint64_t，即它们能表示的字符数组长度，分别不超过 2 的 16 次方、32 次方和 64 次方
这两个元数据各自占用的内存空间在 sdshdr16、sdshdr32、sdshdr64 类型中，则分别是 2 字节、4 字节和 8 字节
实际上，SDS 之所以设计不同的结构头（即不同类型），是为了能灵活保存不同大小的字符串，从而有效节省内存空间
因为在保存不同大小的字符串时，结构头占用的内存空间也不一样，这样一来，在保存小字符串时，结构头占用空间也比较少
否则，假设 SDS 都设计一样大小的结构头，比如都使用 uint64_t 类型表示 len 和 alloc
那么假设要保存的字符串是 10 个字节，而此时结构头中 len 和 alloc 本身就占用了 16 个字节了，比保存的数据都多了
所以这样的设计对内存并不友好，也不满足 Redis 节省内存的需求
除了设计不同类型的结构头，Redis 在编程上还使用了专门的编译优化来节省内存空间
在刚才介绍的 sdshdr8 结构定义中，可以看到，在 struct 和 sdshdr8 之间使用了__attribute__ ((__packed__))，如下所示：
其实这里，__attribute__ ((__packed__))的作用就是告诉编译器，在编译 sdshdr8结构时，不要使用字节对齐的方式，而是采用紧凑的方式分配内存
这是因为在默认情况下，编译器会按照 8 字节对齐的方式，给变量分配内存
也就是说，即使一个变量的大小不到 8个字节，编译器也会给它分配 8 个字节
举个例子：
假设定义了一个结构体 s1，它有两个成员变量，类型分别是 char 和 int，如下所示
虽然 char 类型占用 1 个字节，int 类型占用 4 个字节，但是如果你运行这段代码，就会发现打印出来的结果是 8
这就是因为在默认情况下，编译器会给 s1 结构体分配 8 个字节的空间，而这样其中就有 3 个字节被浪费掉了
为了节省内存，Redis 在这方面的设计上可以说是精打细算的
所以，Redis 采用了__attribute__ ((__packed__))属性定义结构体，这样一来，结构体实际占用多少内存空间，编译器就分配多少空间
比如，用__attribute__ ((__packed__))属性定义结构体 s2，同样包含 char 和 int两个类型的成员变量，代码如下所示
当运行这段代码时，可以看到，打印的结果是 5，表示编译器用了紧凑型内存分配，s2结构体只占用 5 个字节的空间
好了，总而言之，如果在开发程序时，希望能节省数据结构的内存开销，就可以把__attribute__ ((__packed__))这个编程方法用起来
小结
主要介绍了 Redis 中字符串的设计与实现
要知道，字符串的实现需要考虑操作高效、能保存任意二进制数据，以及节省内存的需求
而 Redis 中设计实现字符串的方式，就非常值得学习和借鉴
需要重点关注三个要点，分别是：
C 语言中使用 char* 实现字符串的不足，主要是因为使用“\0”表示字符串结束，操作时需遍历字符串，效率不高，并且无法完整表示包含“\0”的数据，因而这就无法满足 Redis的需求
Redis 中字符串的设计思想与实现方法
Redis 专门设计了 SDS 数据结构，在字符数组的基础上，增加了字符数组长度和分配空间大小等元数据
这样一来，需要基于字符串长度进行的追加、复制、比较等操作，就可以直接读取元数据，效率也就提升了
而且，SDS 不通过字符串中的“\0”字符判断字符串结束，而是直接将其作为二进制数据处理，可以用来保存图片等二进制数据
SDS 中是通过设计不同 SDS 类型来表示不同大小的字符串，并使用__attribute__((__packed__))这个编程小技巧，来实现紧凑型内存布局，达到节省内存的目的