【Redis实战】认识Redis中的全局哈希表

Redis是如何支持基于Key的快速访问的

一谈到Redis，马上能想到的就是：“快”，那么，Redis之所以快，一方面是因为Redis的所有操作都在内存中完成，内存操作本身就很快，另一方面就要归功于它的数据结构了，高效的数据结构是Redis快的基石。

全局哈希表

为了实现基于Key的快速访问，Redis采用了哈希表作为最底层的数据存储结构，如果你了解Java中的HashMap，那么理解Redis的哈希表则应该非常容易，实际上也就是数组+链表的结构，这样一来，我们就可以在O(1)的时间复杂度下快速的查找出所需的Key，并且无论是多少Key都不受影响。

我们先来看看哈希表的具体结构设计，每一个dictEntry元素，都保存了*key和*value的指针，*value指针保存在联合体v中，既然保存的是指针，所以也就能保存任何类型的数据结构（String，Hash，List，Set）

typedef struct dictEntry {
    void *key;
    union {
        void *val;
        uint64_t u64;
        int64_t s64;
        double d;
    } v;
    struct dictEntry *next;
} dictEntry;

哈希表结构

typedef struct dictht {
    dictEntry **table;
    unsigned long size;
    unsigned long sizemask;
    unsigned long used;
} dictht;

哈希冲突

当然，提到哈希表，肯定少不了哈希冲突的问题，Redis中采用的方式和Java中的HashMap一样，都是链式哈希的方式，所以一旦冲突变多，就会导致链表过长，最终退化为O(n)的时间复杂度，这对Redis来说肯定是不能接受的。

所以，解决的方式也和Java中的HashMap一样，直接进行一次rehash操作就好了，简单来说就是扩大Entry数组的大小，从而来减少哈希冲突，当然为了不对线上访问造成影响，Redis还采用渐进式rehash的方式，实际上Redis每次在进行rehash操作时，会新准备一个比原哈希表大一倍的新哈希表，然后在每一次处理请求的时候，顺便处理一次数据迁移，比如从原哈希表的第一个索引位置开始，把这个位置上的Entry全部挪到新的哈希表中，这样通过分摊处理，就避免了一次性全量处理所带来的阻塞问题。

一张图

相关源码

就用Hash数据类型中的HGET方法举例

void hgetCommand(client *c) {
    robj *o;

    if ((o = lookupKeyReadOrReply(c,c->argv[1],shared.null[c->resp])) == NULL ||
        checkType(c,o,OBJ_HASH)) return;

    addHashFieldToReply(c, o, c->argv[2]->ptr);
}

static void addHashFieldToReply(client *c, robj *o, sds field) {
    int ret;

    if (o == NULL) {
        addReplyNull(c);
        return;
    }
	
	// 如果底层数据结构是压缩列表的处理逻辑
    if (o->encoding == OBJ_ENCODING_ZIPLIST) {
        unsigned char *vstr = NULL;
        unsigned int vlen = UINT_MAX;
        long long vll = LLONG_MAX;

        ret = hashTypeGetFromZiplist(o, field, &vstr, &vlen, &vll);
        if (ret < 0) {
            addReplyNull(c);
        } else {
            if (vstr) {
                addReplyBulkCBuffer(c, vstr, vlen);
            } else {
                addReplyBulkLongLong(c, vll);
            }
        }
	
	// 如果底层是Hash表的处理逻辑
    } else if (o->encoding == OBJ_ENCODING_HT) {
        sds value = hashTypeGetFromHashTable(o, field);
        if (value == NULL)
            addReplyNull(c);
        else
            addReplyBulkCBuffer(c, value, sdslen(value));
    } else {
        serverPanic("Unknown hash encoding");
    }
}

看Hash表的逻辑，基本上就是标准的Hash表查找方式

sds hashTypeGetFromHashTable(robj *o, sds field) {
    dictEntry *de;

    serverAssert(o->encoding == OBJ_ENCODING_HT);

    de = dictFind(o->ptr, field);
    if (de == NULL) return NULL;
    return dictGetVal(de);
}

dictEntry *dictFind(dict *d, const void *key)
{
    dictEntry *he;
    uint64_t h, idx, table;

    if (dictSize(d) == 0) return NULL; /* dict is empty */
    if (dictIsRehashing(d)) _dictRehashStep(d);
    h = dictHashKey(d, key);
    for (table = 0; table <= 1; table++) {
        idx = h & d->ht[table].sizemask;
        he = d->ht[table].table[idx];
        while(he) {
            if (key==he->key || dictCompareKeys(d, key, he->key))
                return he;
            he = he->next;
        }
        if (!dictIsRehashing(d)) return NULL;
    }
    return NULL;
}

#define dictGetVal(he) ((he)->v.val)