Redis字符串操作及SDS字符串实现

本专栏新增整合黄健宏老师的《Redis设计与实现》，以便更加有效地了解Redis 的内部构造及运作机制，帮助学者更高效得使用Redis。博文中会以虚线分区，上半区为Redis的简单使用，下半区为Redis内部实现，如果是简单地使用Redis快速完成工作或者只是想简单的了解Redis，只看上半区即可，有兴趣或等空闲的时候学习下下半区，结合源码会对Redis的理解更上一层楼。

redis-cli -n 登录不同的库

清楚当前库中的数据

FLUSHDB

清楚所有库中的数据

FLUSHALL

字符串

可以是字符串（简单的字符串、复杂的字符串（例如JSON、XML））、数字（整数、浮点数），甚至是二进制（图片、音频、视频），但是值最大不能超过512MB

SET key value

1.   如果一个键已经存在，再次set会覆盖它的值
2. “XX”表示键不存在不能设置
3. “NX”表示键不存在才能设置 [ SETNX key value 的同义]

SET key value [EX seconds] [PX millisenconds]  设置键的有效时间(还可以用EXPIRE key seconds)

MSET key value [key value......]同时设置多个值

MSETNX key value [key value......] 至少有一个存在才能设置成功 否则不执行任何设置[具有原子性]

GETSET key new-value 将字符串的值设置为 new-value ，并返回字符串设置新值之前存储的值

APPEND key value 将value插入到字符串的末尾

STRLEN key 获取key对应value的长度 

KEYS * 查询已有的键

SETRANGE key [索引位置] value： 从[索引位置]开始设置

从左向右从0开始，从右向左从-1开始。

GETRANGE key [起始位

置][结束位置]（GETRANGE key 0 -1：表示获取所有）

INCRBY DECRBY 数值的加减

INCRBYFLOAT key value 浮点数的加减

过期时间设置

设置过多少秒或毫秒后过期
1、EXPIRE key seconds：秒
2、PEXPIRE key milliseconds：毫秒设置在指定Unix时间戳过去
1、EXPIREAT key timestamp
2、PEXPIREAT key milliseconds-timestamp

删除过期

PERSIST key

查看剩余生存时间

TTL key
1、key存在，但没有设置TTL，返回-1
2、可以存在，但还在生存期内，返回剩余生存时间
3、key曾经存在，但已经消亡，返回-2(2.8版本之前返回-1)

键是否存在

EXISTS key

键重命名

RENAME key newkeyName
ERNAMENX key newkeyName

键删除

DEL key [key.......]

---

---

---

首先需明确理解Redis是使用对象来表示数据库中的键和值，当我们在Redis数据库中新建一个键值对时，我们至少会创建两个对象，一个对象用作键值对的键（键对象），另一个对象用作键值对的值（值对象）

typedef struct redisObject{//类型unsigned type;//编码unsigned encoding;//指定底层实现数据结构的指针void *ptr;//...
}robj;

字符串对象模型图：

Redis只会使用C字符串作为字面量，在大多数情况下，redis使用SDS(Simple Dynamic String,简单动态字符串)作为字符串表示，Redis中简单动态字符串SDS数据结构与API相关文件是：sds.h, sds.c。SDS主要API如下，如需查看源代码，可自行百度“redis sds源码”，查看相关文档。本文截取自hoohack，感谢博主分享，源码在博文结尾。

比起C字符串，SDS具有以下优点：

1. 常数复杂度获取字符串长度（C字符串获取长度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；而SDS只需访问SDS的len属性值）
2. 杜绝缓冲区溢出（进行拼接操作时，SDS先检查给定的空间是否足够，不够的话，先扩展空间再执行拼接操作[扩展的同时会指定相同长度的free，达到“优点3”]；而C字符串在空间不足时会导致缓冲区溢出，影响内存中与其紧邻的C字符串）
3. 减少修改字符串长度时所需的内存分配次数（SDS通过非使用空间free实现可空间预分配和惰性空间释放两种策略）
4. 二进制安全（SDS API会以二进制方式处理SDS存放在buf数组里的数据，不会对数据做任何限制、过滤或者假设，数据写入的时候什么样，他被读取的时候就是什么样；C字符串则不能保存图片、音频、视频、压缩文件这样的二级制数据，字符串里不能包含空字符，否则会被认为是字符串结尾）
5. 兼容部分C字符串函数

SDS定义：1、‘len’用于记录buf数组总已使用的字节的数量，等于SDS中已保存的字符串的长度2、‘free’记录buf数组中未使用的字节的数量3、‘buf[]’字节数组，用于保存字符串。

SDS示例：

sds结构体的定义

#define SDS_TYPE_5  0
#define SDS_TYPE_8  1
#define SDS_TYPE_16 2
#define SDS_TYPE_32 3
#define SDS_TYPE_64 4
#define SDS_TYPE_MASK 7// sds结构体，使用不同的结构体来保存不同长度大小的字符串
typedef char *sds;struct __attribute__ ((__packed__)) sdshdr5 {unsigned char flags; /* flags共8位，低三位保存类型标志，高5位保存字符串长度，小于32(2^5-1) */char buf[]; // 保存具体的字符串
};
struct __attribute__ ((__packed__)) sdshdr8 {uint8_t len; /* 字符串长度，buf已用的长度 */uint8_t alloc; /* 为buf分配的总长度，alloc-len就是sds结构体剩余的空间 */unsigned char flags; /* 低三位保存类型标志 */char buf[];
};struct __attribute__ ((__packed__)) sdshdr16 {uint16_t len; /* used */uint16_t alloc; /* excluding the header and null terminator */unsigned char flags; /* 3 lsb of type, 5 unused bits */char buf[];
};struct __attribute__ ((__packed__)) sdshdr32 {uint32_t len; /* used */uint32_t alloc; /* excluding the header and null terminator */unsigned char flags; /* 3 lsb of type, 5 unused bits */char buf[];
};struct __attribute__ ((__packed__)) sdshdr64 {uint64_t len; /* used */uint64_t alloc; /* excluding the header and null terminator */unsigned char flags; /* 3 lsb of type, 5 unused bits */char buf[];
};

sds结构体从4.0开始就使用了5种header定义，节省内存的使用，但是不会用到sdshdr5，我认为是因为sdshdr5能保存的大小较少，2^5=32，因此就不使用它。

其他的结构体保存了len、alloc、flags以及buf四个属性。各自的含义见代码的注释。

sds结构体的获取

上面可以看到有5种结构体的定义，在使用的时候是通过一个宏来获取的：

#define SDS_HDR(T,s) ((struct sdshdr##T *)((s)-(sizeof(struct sdshdr##T))))

"##"被称为连接符，它是一种预处理运算符， 用来把两个语言符号(Token)组合成单个语言符号。比如SDS_HDR(8, s)，根据宏定义展开是：

((struct sdshdr8 *)((s)-(sizeof(struct sdshdr8))))

而具体使用哪一个结构体，sds底层是通过flags属性与SDS_TYPE_MASK做与运算得出具体的类型（具体的实现可见下面的sdslen函数），然后再根据类型去获取具体的结构体。

sds特性的实现

在Redis设计与实现一书中讲到，相比C字符串而言，sds的特性如下：

• 常数复杂度获取字符串长度
• 杜绝缓冲区溢出
• 减少内存重新分配次数
• 二进制安全

那么，它是怎么做到的呢？看代码。

常数复杂度获取字符串长度

因为sds将长度属性保存在结构体中，所以只需要读取这个属性就能获取到sds的长度，具体调用的函数时sdslen，实现如下：

static inline size_t sdslen(const sds s) {unsigned char flags = s[-1];switch(flags&SDS_TYPE_MASK) {case SDS_TYPE_5:return SDS_TYPE_5_LEN(flags);case SDS_TYPE_8:return SDS_HDR(8,s)->len;case SDS_TYPE_16:return SDS_HDR(16,s)->len;case SDS_TYPE_32:return SDS_HDR(32,s)->len;case SDS_TYPE_64:return SDS_HDR(64,s)->len;}return 0;
}

可以看到，函数是根据类型调用SDS_HDR宏来获取具体的sds结构，然后直接返回结构体的len属性。

杜绝缓冲区溢出

对于C字符串的操作函数来说，如果在修改字符串的时候忘了为字符串分配足够的空间，就有可能出现缓冲区溢出的情况。而sds中的API就不会出现这种情况，因为它在修改sds之前，都会判断它是否有足够的空间完成接下来的操作。

拿书中举例的sdscat函数来看，如果strcat想在原来的"Redis"字符串的基础上进行字符串拼接的操作，但是没有检查空间是否满足，就有可能会修改了"Redis"字符串之后使用到的内存，可能是其他结构使用了，也有可能是一段没有被使用的空间，因此有可能会出现缓冲区溢出。但是sdscat就不会，如下面代码所示：

sds sdscatlen(sds s, const void *t, size_t len) {size_t curlen = sdslen(s);s = sdsMakeRoomFor(s,len);if (s == NULL) return NULL;memcpy(s+curlen, t, len);sdssetlen(s, curlen+len);s[curlen+len] = '\0';return s;
}sds sdscat(sds s, const char *t) {return sdscatlen(s, t, strlen(t));
}

从代码中可以看到，在执行memcpy将字符串写入sds之前会调用sdsMakeRoomFor函数去检查sds字符串s是否有足够的空间，如果没有足够空间，就为其分配足够的空间，从而杜绝了缓冲区溢出。sdsMakeRoomFor函数的实现如下：

sds sdsMakeRoomFor(sds s, size_t addlen) {void *sh, *newsh;size_t avail = sdsavail(s);size_t len, newlen;char type, oldtype = s[-1] & SDS_TYPE_MASK;int hdrlen;/* 只有有足够空间就马上返回，否则就继续执行分配空间的操作 */if (avail >= addlen) return s;len = sdslen(s);sh = (char*)s-sdsHdrSize(oldtype);newlen = (len+addlen);// SDS_MAX_PREALLOC == 1MB，如果修改后的长度小于1M，则分配的空间是原来的2倍，否则增加1MB的空间if (newlen < SDS_MAX_PREALLOC)newlen *= 2;elsenewlen += SDS_MAX_PREALLOC;type = sdsReqType(newlen);if (type == SDS_TYPE_5) type = SDS_TYPE_8;hdrlen = sdsHdrSize(type);if (oldtype==type) {newsh = s_realloc(sh, hdrlen+newlen+1);if (newsh == NULL) return NULL;s = (char*)newsh+hdrlen;} else {/* 新增空间后超过当前类型的长度，使用malloc，并把原字符串拷贝过去 */newsh = s_malloc(hdrlen+newlen+1);if (newsh == NULL) return NULL;memcpy((char*)newsh+hdrlen, s, len+1);s_free(sh);s = (char*)newsh+hdrlen;s[-1] = type; // 给类型标志位赋值sdssetlen(s, len);}sdssetalloc(s, newlen);return s;
}

减少内存分配操作

sds字符串的很多操作都涉及到修改字符串内容，比如sdscat拼接字符串、sdscpy拷贝字符串等等。这时候就需要内存的分配与释放，如果每次操作都分配刚刚好的大小，那么对程序的性能必定有影响，因为内存分配涉及到系统调用以及一些复杂的算法。

sds使用了空间预分配以及惰性空间释放的策略来减少内存分配操作。

空间预分配

前面提到，每次涉及到字符串的修改时，都会调用sdsMakeRoomFor检查sds字符串，如果大小不够再进行大小的重新分配。sdsMakeRoomFor函数有下面这几行判断：

// SDS_MAX_PREALLOC == 1MB，如果修改后的长度小于1M，则分配的空间是原来的2倍，否则增加1MB的空间
if (newlen < SDS_MAX_PREALLOC)newlen *= 2;
elsenewlen += SDS_MAX_PREALLOC;

函数判断字符串修改后的大小，如果修改后的长度小于1M，则分配给sds的空间是原来的2倍，否则增加1MB的空间。

惰性空间释放

如果操作后减少了字符串的大小，比如下面的sdstrim函数，只是在最后修改len属性，不会马上释放多余的空间，而是继续保留多余的空间，这样在下次需要增加sds字符串的大小时，就不需要再为其分配空间了。当然，如果之后检查到sds的大小实在太大，也会调用sdsRemoveFreeSpace函数释放多余的空间。

sds sdstrim(sds s, const char *cset) {char *start, *end, *sp, *ep;size_t len;sp = start = s;ep = end = s+sdslen(s)-1;/* 从头部和尾部逐个字符遍历往中间靠拢，如果字符在cest中，则继续前进 */while(sp <= end && strchr(cset, *sp)) sp++;while(ep > sp && strchr(cset, *ep)) ep--;len = (sp > ep) ? 0 : ((ep-sp)+1); // 全部被去除了，长度就是0if (s != sp) memmove(s, sp, len); // 拷贝内容s[len] = '\0';sdssetlen(s,len);return s;
}

二进制安全

二进制安全指的是只关心二进制化的字符串，不关心具体格式。只会严格的按照二进制的数据存取，不会妄图以某种特殊格式解析数据。比如遇到'\0'字符不会停止解析。

对于C字符串来说，strlen是判断遇到'\0'之前的字符数量。如果需要保存二进制的数据，就不能通过传统的C字符串来保存，因为获取不到它真实的长度。而sds字符串是通过len属性保存字符串的大小，所以它是二进制安全的。

其他小函数实现

在阅读源码的过程中，也发现了两个个人比较感兴趣趣的函数：

• sdsll2str（将long long类型的整型数字转成字符串）
• sdstrim （去除头部和尾部的指定字符）

我这两个函数拉出来做了测试，在项目的redis-4.0/tests目录下。sdstrim函数的实现源码上面有列出，看看sdsll2str的实现：

int sdsll2str(char *s, long long value) {char *p, aux;unsigned long long v;size_t l;/* 通过取余数得到原字符串的逆转形式 */v = (value < 0) ? -value : value;p = s;do {*p++ = '0'+(v%10);v /= 10;} while(v);if (value < 0) *p++ = '-';/* Compute length and add null term. */l = p-s;*p = '\0';/* 反转字符串 */p--;while(s < p) {aux = *s;*s = *p;*p = aux;s++;p--;}return l;
}

函数是通过不断取余数，得到原字符串的逆转形式，接着，通过从尾部开始将字符逐个放到字符串s中，看起来像是一个反转操作，从而实现了将整型转为字符串的操作。

直达黄老师Redis源码翻译Git地址