Redis数据结构——简单动态字符串-SDS

1、SDS简介：

      redis没有使用C语言传统的字符串表示（以空字符结尾的字符数组），而是自己构建了一种名为简单动态字符串（SDS）的抽象类型，并将SDS用作redis的默认字符串表示。

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；AOF模块中的AOF缓存区，以及客户端状态中的输入缓冲区，都是SDS实现的。

2、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[];
}

图例：

SDS遵循C字符串以空字符串结尾的惯例，保存空字符串的1字节空间不计算在SDS的len属性里面，并且为空字符串分配额外的1字节空间，以及添加空字符到字符串末尾等操作，都由SDS函数自动完成的，所以这个空字符串对于SDS的使用者来说完全是透明的。这么做的好处是可以直接重用一部分C字符串函数库里面的函数。

3、SDS与C字符串的区别

根据传统，C语言使用长度为N+1的字符数组来表示长度为N的字符串，并且字符数组的最后一个元素总是空字符'\0'；

3.1、常数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，复杂度O(n)。

对于SDS而言，因为数据结构中保存了len属性，就可以立即知道长度。通过使用SDS而不是C字符串，Redis将获取字符串长度所需的复杂度从O(n)降低到了O(1)，这也保证了获取字符串长度不会成为Redis的性能瓶颈。

3.2、杜绝缓冲区溢出

C字符串不记录自身长度带来的另外一个问题是容易造成缓冲区溢出。举子例子，/strcat函数可以将src字符串中的内容拼接到dest字符串的末尾：

char *strcat(char *dest, const char *src)

如果用户在执行拼接函数时，已经为dest分配足够多的内存，可以容纳src字符串中的所有内容，而一旦假设不成立，就会产生缓冲区溢出；与C字符串不同，SDS的空间分配策略完全杜绝了发送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。

3.3、减少修改字符串时带来的内存重分配次数

因为C字符串不记录自身的长度，对于一个N个字符的C字符串来说，这个C字符串底层实现总是一个N+1个字符长的数组。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：

• 如果是增长字符串，那么执行前先要通过内存重分配来扩展底层数组的大小——如果忘记就会产生缓冲区溢出。
• 如果是缩短字符串操作，那么要通过内存重分配来释放字符串不再使用的部分空间——如果忘记就会内存泄露。

在一般程序中，如果修改字符串长度的情况不太经常出现，那么每次修改都执行一次内存重分配是可以接受的；但是Redis经常被用于速度要求严苛、数据频繁修改的场合，光是内存重分配的时间就会占去很大一部分时间，对性能造成影响。

为了避免这种缺陷，SDS通过未使用空间解除了字符串长度和底层数组长度之间的关联。通过未使用空间，SDS实现了空间预分配和惰性空间释放两种优化策略。

3.3.1、空间预分配

空间预分配用于优化SDS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，不仅会为SDS分配修改所必须的空间，还会为SDS分配额外的未使用空间。

• 如果SDS进行修改之后，SDS的长度（即是len属性的值）小于1M，那么程序分配和len属性同样大小的未使用空间，这时SDS len属性的值将和free属性的值相同。
• 如果SDS修改之后，长度将大于等于1M，那么程序会分配1M的未使用空间。

3.3.2、惰性空间释放

惰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保存的字符串时，程序并不会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。

3.4、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，字符串不能包含空字符串，否则会被认为是字符串结尾。这些限制使得C只能保存文本数据，而不能保存图片、音频。视频、压缩文件等二进制数据。

所有SDS API都会以处理二进制方式来处理SDS存放在buf数组里的数据，程序不会对其中数据做任何限制、过滤，数据写入是什么样，读取就是什么样。因为SDS使用len属性的值而不是空字符来判断字符串是否结束。。

3.5、兼容部分C字符串函数

SDS一样遵循C字符串以空字符结尾的惯例，总是在为buf数组分配空间时多分配一个字节来容纳这个空字符，这是为了可以重用一部分库定义函数。