最近打算阅读redis源码，但是担心读完就忘了，所以决定把阅读的笔记在简书里记录起来，希望能够坚持读下去。之所以选择3.2是因为公司把redis升级成了这个版本。
本文先介绍redis动态字符串(sds)。
redis在处理字符串的时候没有直接使用以'0'结尾的C语言字符串，而是封装了一下C语言字符串并命名为sds(simple dynamic string)，在sds.h文件里我们可以看到如下类型定义：typedef char *sds;
也就是说实际上sds类型就是char*类型，那sds和char*有什么区别呢？
主要区别就是：sds一定有一个所属的结构(sdshdr)，这个header结构在每次创建sds时被创建，用来存储sds以及sds的相关信息(下文sds的含义仅仅是redis的字符串，sdshdr才表示sds的header)。
那为什么redis不直接使用char*呢？总结起来理由如下：
- 想用O(1)的时间复杂度获取字符串长度(利用sdshdr)。
- sds实现了部分自己的字符串处理函数，能够存储二进制字符串 保证二进制安全，而所有C语言str前缀的字符串处理函数不保证二进制安全(遇到'0'就停下，认为它是字符串的结尾，不能存二进制数据)。
- 制定内存重分配方法，减少 因修改字符串而导致的 内存分配和释放 的次数。
这只是我看完代码后得出的结论，看不懂也没事，先列出来只是为了直观一点。当然还有其他使用sds的理由，想到再加上。接下来看代码：
1.sdshdr定义
sdshdr和sds是一一对应的关系，一个sds一定会有一个sdshdr用来记录sds的信息。在redis3.2分支出现之前sdshdr只有一个类型，定义如下：
struct sdshdr {
unsigned int len;//表示sds当前的长度
unsigned int free;//已为sds分配的长度-sds当前的长度
char buf[];//sds实际存放的位置
};这些版本的redis每次创建一个sds 不管sds实际有多长，都会分配一个大小固定的sdshdr。根据成员len的类型可知，sds最多能存长度为2^(8*sizeof(unsigned int))的字符串。
而3.2分支引入了五种sdshdr类型，每次在创建一个sds时根据sds的实际长度判断应该选择什么类型的sdshdr，不同类型的sdshdr占用的内存空间不同。这样细分一下可以省去很多不必要的内存开销，下面是3.2的sdshdr定义：
struct __attribute__ ((__packed__)) sdshdr5 {
//实际上这个类型redis不会被使用。他的内部结构也与其他sdshdr不同，直接看sdshdr8就好。
unsigned char flags; //一共8位，低3位用来存放真实的flags(类型),高5位用来存放len(长度)。
char buf[];//sds实际存放的位置
};
struct __attribute__ ((__packed__)) sdshdr8 {
uint8_t len;//表示当前sds的长度(单位是字节)
uint8_t alloc; //表示已为sds分配的内存大小(单位是字节)
unsigned char flags; //用一个字节表示当前sdshdr的类型，因为有sdshdr有五种类型，所以至少需要3位来表示000:sdshdr5，001:sdshdr8，010:sdshdr16，011:sdshdr32，100:sdshdr64。高5位用不到所以都为0。
char buf[];//sds实际存放的位置
};
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[];
};根据以上定义，我画了一个sdshdr8图来说明它们的内存布局：
首先要说明之所以sizeof(struct sdshdr8)的大小是len+alloc+flags 是因为这个struct拥有一个柔性数组成员 buf，柔性数组成员是C99之后引入的一个新feature，这里可以通过sizeof整个struct给出buf变量的偏移量，从而确定buf的位置。Flexible array member, is a feature introduced in the [C99] standard of the C programming language,which is an array without a given dimension, and it must be the last member of such a struct. The 'sizeof' operator on such a struct is required to give the offset of the flexible array member. --维基百科
其次需要说明的是定义sdshdr的这部分代码用了__attribute__ ((__packed__))，这个语法不存在于任何C语言标准，是GCC的一个extension，用来告诉编译器使用最小的内存来存储sdshdr。
packed: ...,This attribute, attached to struct or union type definition, specifies that each member of the structure or union is placed to minimize the memory required.
引用里"minimize the memory required"其实就是让编译器尽量不使用内存对齐(alignment)，以避免不必要的空间浪费，但其实这么做会有时间上的开销，假设CPU总是从存储器中读取8个字节，则变量地址必须为8的倍数，为了获取一个没对齐的8字节的uint8_t数据，CPU需要执行两次内存访问 从两个8字节的内存块中取出完整的8字节数据。关于内存对齐的更多信息，《深入理解计算机系统》第三章和《程序员的自我修养》 都有非常详细的描述。但这里我们只需要知道禁用(准确地说是尽量不使用)内存对齐是redis为了节省内存开支的一种手段。
接下来分析每个成员：
- len表示sds当前sds的长度(单位是字节)，不包括'0'终止符，通过len直接获取字符串长度，不需要扫一遍string，这就是上文说的封装sds的理由之一；
- alloc表示当前为sds分配的大小(单位是字节)(3.2以前的版本用的free是表示还剩free字节可用空间)，不包括'0'终止符；
- flags表示当前sdshdr的类型，声明为char 一共有1个字节(8位)，仅用低三位就可以表示所有5种sdshdr类型(详见上文代码注释):
#define SDS_TYPE_5 0 //00000000
#define SDS_TYPE_8 1 //00000001
#define SDS_TYPE_16 2 //00000010
#define SDS_TYPE_32 3 //00000011
#define SDS_TYPE_64 4 //00000100
#define SDS_TYPE_MASK 7 //00000111，作为取flags低3位的掩码要判断一个sds属于什么类型的sdshdr，只需 flags&SDS_TYPE_MASK和SDS_TYPE_n比较即可(之所以需要SDS_TYPE_MASK是因为有sdshdr5这个特例，它的高5位不一定为0，参考上面sdshdr5定义里的代码注释）
sds.h里所有给出定义的内联函数都是通过sds作为参数，通过比较flags&SDS_TYPE_MASK和SDS_TYPE_n来判断该sds属于哪种类型sdshdr，再按照指定的sdshdr类型取出sds的相关信息。
例如sdslen函数:
#define SDS_HDR(T,s) ((struct sdshdr##T *)((s)-(sizeof(struct sdshdr##T)))) //返回一个类型为T包含s字符串的sdshdr的指针
#define SDS_TYPE_5_LEN(f) ((f)>>SDS_TYPE_BITS) //用sdshdr5的flags成员变量做参数返回sds的长度，这其实是一个没办法的hack
#define SDS_TYPE_BITS 3
static inline size_t sdslen(const sds s) {
unsigned char flags = s[-1]; //sdshdr的flags成员变量
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;//取出sdshdr的len成员
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;
}第一行里的双井号##的意思是在一个宏(macro)定义里连接两个子串(token)，连接之后这##号两边的子串就被编译器识别为一个。
sdslen函数里第一行出现了s[-1]，看起来感觉会是一个undefined behavior，其实不是，这是一种正常又正确的使用方式，它就等同于*(s-1)。The definition of the subscript operator [] is that E1[E2] is identical to (*((E1)+(E2))). --C99。又因为s是一个sds(char*)所以s指向的类型是char，-1就是-1*sizeof(char)，由于sdshdr结构体内禁用了内存对齐，所以这也刚好是一个flags(unsigned char)的地址，所以通过s[-1]我们可以获得sds所属的sdshdr的成员变量flags。
类似sdslen这样利用sds找到sdshdr类型的还有如下几个函数，就不一一分析了：
static inline size_t sdsavail(const sds s)
static inline void sdssetlen(sds s, size_t newlen)
static inline void sdsinclen(sds s, size_t inc)
static inline size_t sdsalloc(const sds s)
static inline void sdssetalloc(sds s, size_t newlen)2.创建一个sds
前面说的是在已有结果的情况下，根据一个sds通过flags变量来判断它的sdshdr类型。那么最开始创建一个sds时应该选用什么类型的sdshdr来存放它的信息呢？这就得根据要存储的sds的长度决定了，redis在创建一个sds之前会调用sdsReqType(size_t string_size)来判断用哪个sdshdr。该函数传递一个sds的长度作为参数，返回应该选用的sdshdr类型。
static inline char sdsReqType(size_t string_size) {
if (string_size < 1<<5) //小于2^5，flags成员的高5位即可表示
return SDS_TYPE_5;
if (string_size < 1<<8) //小于2^8，8位整数(sdshdr8里的uint8_t)即可表示string_size
return SDS_TYPE_8;
if (string_size < 1<<16) //小于2^16，16位整数(sdshdr16里的uint16_t)即可表示string_size
return SDS_TYPE_16;
if (string_size < 1ll<<32) /小于2^32，32位整数(sdshrd32里的uint32_t)即可表示string_size，1ll是指1long long(至少64位)的意思，如果没有ll，1就是一个int，假设int为4字节32位，1<<32就会导致undefined behavior.
return SDS_TYPE_32;
return SDS_TYPE_64; //若sds的长度超过2^64，则所有类型都不法表示这个sds的len
}知道了创建一个sds时应选用什么类型的sdshdr后我们就可以看看创建sds的函数了:
//用init指针指向的内存的内容截取initlen长度来new一个sds，这个函数是二进制安全的
sds sdsnewlen(const void *init, size_t initlen) {
void *sh;//sdshdr的指针
sds s; //char * s;
char type = sdsReqType(initlen);//根据需要的长度决定sdshdr的类型
/* Empty strings are usually created in order to append. Use type 8
* since type 5 is not good at this. */
if (type == SDS_TYPE_5 && initlen == 0) type = SDS_TYPE_8;//如果initlen为空并且sdshdr的类型为sdshdr5，则将类型设置为sdshdr8
int hdrlen = sdsHdrSize(type);//每个sdshdr类型的大小都不一样，根据类型返回sdshdr的大小以计算需要分配的空间
unsigned char *fp; /* flags pointer. */
sh = s_malloc(hdrlen+initlen+1);//在heap里申请一段连续的空间给sdshdr和属于它的sds，+1是因为要在尾部放置'\0'
if (!init)
memset(sh, 0, hdrlen+initlen+1);//如果init为空，则整个sdshdr都用0即字符'\0'初始化
if (sh == NULL) return NULL;
s = (char*)sh+hdrlen;//通过sdshdr指针找到sds的位置
fp = ((unsigned char*)s)-1;//找到flags的位置，等同于&s[-1]
switch(type) {
case SDS_TYPE_5: {
*fp = type | (initlen << SDS_TYPE_BITS);//initlen左移3位到高5位，给type腾出位置，和type做或运算
break;
}
case SDS_TYPE_8: {
SDS_HDR_VAR(8,s);//#define SDS_HDR_VAR(T,s) struct sdshdr##T *sh = (void*)((s)-(sizeof(struct sdshdr##T))); 可以理解为在switch作用域下申明了一个新的局部变量sh，类型是struct sdshdr##T，跟外面的sh值一样，变量名一样，但不是一个东西。
sh->len = initlen;
sh->alloc = initlen;
*fp = type;//设置flags
break;
}
case SDS_TYPE_16: {
SDS_HDR_VAR(16,s);
sh->len = initlen;
sh->alloc = initlen;
*fp = type;
break;
}
case SDS_TYPE_32: {
SDS_HDR_VAR(32,s);
sh->len = initlen;
sh->alloc = initlen;
*fp = type;
break;
}
case SDS_TYPE_64: {
SDS_HDR_VAR(64,s);
sh->len = initlen;
sh->alloc = initlen;
*fp = type;
break;
}
}
if (initlen && init)
memcpy(s, init, initlen); //memcpy不会因为'\0'而停下，支持二进制数据的拷贝
s[initlen] = '\0'; //不管是不是二进制数据，尾部都会加上'\0'
return s;
}
static inline int sdsHdrSize(char type) {
switch(type&SDS_TYPE_MASK) {
case SDS_TYPE_5:
return sizeof(struct sdshdr5);//之前说的柔性数组成员不会计入struct的大小，所以这个hdrsize没有包括sds的长度
case SDS_TYPE_8:
return sizeof(struct sdshdr8);
case SDS_TYPE_16:
return sizeof(struct sdshdr16);
case SDS_TYPE_32:
return sizeof(struct sdshdr32);
case SDS_TYPE_64:
return sizeof(struct sdshdr64);
}
return 0;
}这就是用于新建或拷贝sds的代码，流程写在注释里可能还是不够清晰，结合图来看应该会好一点(sdshdr5的图不一样，我就偷懒不画了，反正也不用它):
流程如下:
- 根据sds的长度判断需要选用sdshdr的类型
- 根据sdshdr的类型用sdsHdrSize函数得到hdrlen(其实就是sizeof(struct sdshdr))
- 为sdshdr分配一个hdrlen+initlen+1大小的堆内存(+1是为了放置'0'，这个'0'不计入alloc或len)
- 按参数填充成员变量len、alloc和type
- 用memcpy给sds赋值，并在尾部加上'0'
如果用字符串"PHP is the best programming language"(长度为36) 调用sdsnewlen()，最终会产生如下布局：
3.内存重分配
上文提到 redis不直接使用C语言字符串还有个原因是为了定制的自己的内存重分配的方法，减少因堆内存申请与释放产生的时间开销。
如果redis使用的是普通的C语言字符串char*，那么每次拼接或者截断一个字符串之前都需要重新分配/释放内存，否则会造成内存溢出或泄露。但是每次进行分配/释放内存的操作又非常影响性能，所以redis做了两件事：
- 提供一个函数sdsMakeRoomFor，当需要扩充一个sds字符串时调用它，它的内部实现了sds的内存分配算法，尽可能地降低内存分配次数。
- 在截断一个sds字符串时不立刻释放掉之前为它申请的内存，而是通过alloc成员变量记录下这个值，供后续操作使用，然后提供一个函数sdsRemoveFreeSpace让我们根据需要释放掉多出的内存。
1.sds加长
下面是sdsMakeRoomFor的源码:
//注意：这个函数是在扩充sds前调用，sds不会被扩充也不会改变len
sds sdsMakeRoomFor(sds s, size_t addlen) { //addlen是扩充部分的长度
void *sh, *newsh;
size_t avail = sdsavail(s);
size_t len, newlen;
char type, oldtype = s[-1] & SDS_TYPE_MASK;
int hdrlen;
/* Return ASAP if there is enough space left. */
if (avail >= addlen) return s;//如果足够存放扩充的部分，则直接返回不申请内存。
len = sdslen(s);
sh = (char*)s-sdsHdrSize(oldtype);
newlen = (len+addlen);
if (newlen < SDS_MAX_PREALLOC)
//扩充后的总长度小于1M(1024*1024)，则直接多分配newlen个字节闲置。
newlen *= 2;
else
//扩充后的总长度大于1M(1024*1024)，则多分配1M字节闲置
newlen += SDS_MAX_PREALLOC;
type = sdsReqType(newlen);//根据扩充后的总长度决定需要这个sds要用什么类型的sdshdr
/* Don't use type 5: the user is appending to the string and type 5 is
* not able to remember empty space, so sdsMakeRoomFor() must be called
* at every appending operation. */
if (type == SDS_TYPE_5) type = SDS_TYPE_8;
hdrlen = sdsHdrSize(type);
if (oldtype==type) {
//如果扩充后的sdshdr类型不变，则在原有的地方realloc就好。因为len和alloc的类型还是原来的。
//ps: s_realloc封装了realloc，realloc返回的指针未必是sh指向的地址，可能为了内存对齐移动了这块内存
newsh = s_realloc(sh, hdrlen+newlen+1);
if (newsh == NULL) return NULL;
s = (char*)newsh+hdrlen;
} else {
//如果扩充后的sdshdr类型变了，那就只能重新在别的地方分配内存，然后重新赋值，释放掉旧的内存。
/* Since the header size changes, need to move the string forward,
* and can't use realloc */
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;
sdssetlen(s, len);
}
sdssetalloc(s, newlen);
return s;
}刚才已经创建了的sds"PHP is the best programming language"，它的len是36，alloc也是36，现在给它扩充一下，把" in the world"加上，算上空格一共要加13个字节，这时会调用sdscatlen()函数完成整个拼接sds的操作，它内部需要先调用sdsMakeRoomFor(s, 13)走一遍内存重分配的算法，以下是sdsMakeRoomFor的流程
- len+addlen=49个字节，小于SDS_MAX_PREALLOC(1M)，所以最终会分配49*2=98字节的内存给这个需要扩充的sds字符串(实际是99，多分配一字节的'0')。
- 根据sdsReqType()函数，98字节小于2^8字节，所以扩充后的类型仍是sdshdr8，realloc一片内存。
- 重置sds的alloc为98。
最终获得如下内存布局:
接下来sdscatlen()函数用memcpy把" in the world"append到这个已经经历过内存分配的sds的尾部，并更新len:
附上sdscatlen的代码:
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;
}2.sds缩减
我粗略地在源码里找了找，缩短sds字符串的有三个函数:sdsclear、sdstrim、sdsrange，他们都不会改变alloc的大小即不会释放任何内存，这就是sds字符串内存管理的一种方式:惰性释放。额外调用sdsRemoveFreeSpace释放内存，这样就节省了每次sds缩减长度而导致的内存释放开销。
三个缩短sds的函数就不一一介绍了，有兴趣直接去代码里看就好，需要注意的这些函数里移动字符串用的memmove()是允许内存重叠的，这点跟memcpy()不一样。
下面介绍一下sdsRemoveFreeSpace，先放源码:
//这个函数压缩内存，让alloc=len。如果type变小了，则另开一片内存复制，如果type不变，则realloc
sds sdsRemoveFreeSpace(sds s) {
void *sh, *newsh;
char type, oldtype = s[-1] & SDS_TYPE_MASK;
int hdrlen;
size_t len = sdslen(s);
sh = (char*)s-sdsHdrSize(oldtype);
type = sdsReqType(len);
hdrlen = sdsHdrSize(type);
//这之后的代码就跟sdsMakeRoomFor后面的代码差不多了，释放掉多余内存并重置alloc。
if (oldtype==type) {
newsh = s_realloc(sh, hdrlen+len+1);
if (newsh == NULL) return NULL;
s = (char*)newsh+hdrlen;
} else {
newsh = s_malloc(hdrlen+len+1);
if (newsh == NULL) return NULL;
memcpy((char*)newsh+hdrlen, s, len+1);
s_free(sh);
s = (char*)newsh+hdrlen;
s[-1] = type;
sdssetlen(s, len);
}
sdssetalloc(s, len);
return s;
}继续拿之前用sdscatlen()扩充的sds执行一遍sdsRemoveFreeSpace()，会得到如下布局:
4.小结
以上就是sds相关代码分析，还有很多针对sds的基本操作函数在这里就不一一列举了。