Redis的哈希表是如何扩容的？

一般面试回答

redis 解决冲突的方法是使用链地址法，另外当容量不足的时候，则使用Rehash 进行扩容。
Rehash：
给哈希表 2 分配更大的空间，
例如是当前哈希表 1 大小的两倍；
把哈希表 1 中的数据重新映射并拷贝到哈希表 2 中；
释放哈希表 1 的空间。
渐进式rehash则是不一次性拷贝，当访问到某个数据时，再进行拷贝。

哈希表结构

Redis哈希表就是类似Java中HashMap。

哈希表是由dictht结构体定义，table是一个数组，数组中每个元素是一个指向dictEntry结构的指针。

dictEntry是哈希表的节点，每个节点保存着一个键值对key、value，value可以是一个指针、或者是一个unit64_t或int64_t整数。
next属性则是一个指向另一个哈希表节点的指针，形成一个链表，主要也是为了解决哈希冲突问题。
比如下图（一个空的哈希表）：

索引值相同的两个节点使用链表连接起来：

字典数据结构

提到哈希表的话顺便了解以下字典数据结构，毕竟它的底层就是哈希表实现的。

type：指向dictType指针，保存了操作特定类型键值对的函数，Redis为不同用途的字典设置不同的类型特定函数。
privdata：保存了需要传递给不同特定函数的可选参数。
ht[2]：两个哈希表，字典使用的哈希表是ht[0]，ht[1]则是当对ht[0]哈希表进行rehash时使用。
trehashidx：记录当前rehash进度，没有进行rehash则为-1。

普通状态下的字典：

解决哈希冲突

将一个键值对添加到字典时，需要计算其哈希值和索引值，接着根据索引值将新节点放到哈希表数组的指定索引上。
计算哈希值：
hash = dict->type->hashFunction(key)
计算索引值：
hash & dict->ht[x].sizemask
键冲突：当两个或以上数量的键进行哈希之后索引值一样，也就是说两个节点要放在同一个同桶里，这时可能就会存在覆盖(冲突)，那么就得解决这种冲突了。
Redis解决键冲突的方法：链地址法(separate chaining)——拉链法，假设你已了解Java HashMap原理，这里链地址法原理就不细说了。
解决哈希冲突有哪些方法？

• 再哈希法
• 链地址法
• 开放地址法
• 建立公共溢出区

扩容/缩容

为什么要进行扩容或缩容？
扩容原因：当hashtable存储的元素过多，可能由于碰撞也过多，导致其中某链表很长，最后致使查找和插入时间复杂度很大。因此当元素超多一定的时候就需要扩容。
缩容原因：当元素数量比较少的时候就需要缩容以节约不必要的内存。为了让哈希表的负载因子（load factor）维持在一个合理的范围内，会使用rehash（重新散列）操作对哈希表进行相应的扩展或收缩。负载因子的计算公式：哈希表已保存节点数量 / 哈希表大小
load_factor = ht[0].used / ht[0].size
扩容条件（满足任意一个即可）

• Redis服务器目前没有在执行BGSAVE或BGREWRITEAOF命令，并且哈希表的负载因子大于等于1。
• Redis服务器目前在执行BGSAVE或BGREWRITEAOF命令，并且哈希表的负载因子大于等于5。

为什么BGSAVE或BGREWRITEAOF命令是否在执行，Redis服务器哈希表执行扩容所需的负载因子不相同（1或5）？
BGSAVE：用于在后台异步保存当前数据库的数据到磁盘。
BGREWRITEAOF：用于异步执行一个 AOF（ Append Only File ） 文件重写操作。
因为当执行BGSAVE或BGREWRITEAOF命令过程中，Redis需要创建服务器进程的子进程，操作系统采用的是COW，即 写时复制 copy-on-write的技术来优化子进程的使用效率。所以在子进程存在时，服务器会提高执行扩容所需的负载因子，从而尽可能避免在子进程存在期间进行扩容，可以避免不必要的内存写入操作，最大限度节约内存。

缩容的条件：哈希表的负载因子小于0.1。

对字典的哈希表rehash步骤

• 为ht[1]分配空间：扩展操作，那么ht[1] 的大小为第一个大于等于ht[0] .used*2的2的n次幂；收缩操作，那么ht[1] 的大小为第一个大于等于ht[0].used 的2的n次幂
• 将ht[0]中的数据转移到ht[1]中，在转移的过程中，重新计算键的哈希值和索引值，然后将键值对放置到ht[1]的指定位置。
• 当ht[0]的所有键值对都迁移到了ht[1]之后（ht[0]变为空表），将ht[0]释放，然后将ht[1]设置成ht[0]，最后为ht[1]分配一个空白哈希表：

开始哈希前：

为ht[1]分配空间，ht[0].used当前值为4，8恰好是第一个大于等于4的2的N次幂，那么当前就会将ht[1]哈希表大小设置为8。

将ht[0]的键值对都rehash到ht[1]

释放ht[0]，将ht[1]设置为ht[0]，ht[1]再设置为空的哈希表

渐进式rehash

为什么要进行渐进式rehash？
在元素数量较少时，rehash会非常快的进行，但是当元素数量达到几百万、甚至几个亿时进行rehash将会是一个非常耗时的操作。如果一次性将成万上亿的元素的键值对rehash到ht[1]，庞大的计算量可能会导致服务器在一段时间内停止服务，这是非常危险的！所以，rehash这个动作不能一次性、集中式的完成，而是分多次、渐进式地完成。

渐进式rehash步骤

• 为ht[1]分配空间，让字典同时持有ht[0]和ht[1]两个哈希表。
• 在字典中维持一个索引计数器变量rehashidx，并将它的值设置为0，表示rehash工作正式开始。
• 在rehash进行期间，每次对字典执行CRUD：添加、删除、查找或者更新操作时，程序除了执行指定的操作以外，还会顺带将ht[0]哈希表在rehashidx索引上的所有键值对rehash到ht[1]，当rehash工作完成之后，程序将rehashidx+1(表示下次将rehash下一个桶)。
• 随着字典操作的不断执行，最终在某个时间点上，ht[0]的所有键值对都会被rehash至ht[1]，这时程序将rehashidx属性的值设为-1，表示rehash完成。

渐进式rehash的好处：在于它采取分而治之的方式，将rehash键值对所需的计算工作均摊到对字典的每个添加、删除、查找和更新操作上，从而避免了集中式rehash 而带来的庞大计算量。

准备进行渐进式rehash：

此时rehashidx=0,也就是会将索引为0的键值对进行迁移

接着，rehashidx继续递增，假如到最后将索引3的进行迁移

渐进式rehash结束

在迁移过程中，会不会造成读少数据？
不会，因为在迁移时，首先会从ht[0]读取数据，如果ht[0]读不到，则会去ht[1]读。
在迁移过程中，新增加的数据会存放在哪个ht？
迁移过程中，新增的数据只会存在ht[1]中，而不会存放到ht[0]，ht[0]只会减少不会新增。

相关问题

Redis的字典渐进式扩容与ConcurrentHashMap的扩容策略比较？那么他们在扩容、CRUD时有什么区别呢？

时间对比：
一个单线程渐进扩容，一个多线程协同扩容。在平均的情况下，是ConcurrentHashMap快。这也意味着，扩容时所需要
花费的空间能够更快的进行释放。
读操作：
两者的性能相差不多。
写操作：
Redis的字典返回更快些，因为它不像ConcurrentHashMap那样去帮着扩容(当要写的桶位已经搬到了newTable时)，等扩容完才能进行操作，而redis则是直接将新加的元素添加到ht[1]。
删除操作：
和写操作一样。

如果内存资源吃紧，希望能够进行快速的扩容方便释放扩容时需要的辅助空间，选择多线程协同扩容。
如果对于写和删除操作要求迅速，那么可以选择单线程渐进扩容。