Redis 设计与实现 9：五大数据类型之集合

集合对象的编码有两种：intset 和 hashtable

编码一：intset

intset 的结构

整数集合 intset 是集合底层的实现之一，从名字就可以看出，这是专门为整数提供的集合类型。

其结构定义如下，在 intset.h：

typedef struct intset {
    // 编码方式
    uint32_t encoding;
    // 集合包含的元素数量
    uint32_t length;
    // 保存元素的数组
    int8_t contents[];
} intset;

• contents 中的元素，按照从小到大排序，并且不存在重复项。虽然元素定义是 int8_t 类型，但实际上，contents 存的元素类型取决于 encoding
• encoding 有几个类型，定义在 intset.c：

#define INTSET_ENC_INT16 (sizeof(int16_t))
#define INTSET_ENC_INT32 (sizeof(int32_t))
#define INTSET_ENC_INT64 (sizeof(int64_t))

encoding	类型	字节
INTSET_ENC_INT16	int16_t	2
INTSET_ENC_INT32	int32_t	4
INTSET_ENC_INT64	int64_t	8

下图展示了包含了 1、2、3 三个整数元素的集合结构：

常见操作源码分析

源码在 intset.c 中

1. 创建空集合

创建一个空的 intset，一开始的编码是最小的 INTSET_ENC_INT16

intset *intsetNew(void) {
    intset *is = zmalloc(sizeof(intset));
    is->encoding = intrev32ifbe(INTSET_ENC_INT16);
    is->length = 0;
    return is;
}

2. 搜索

因为集合中的整数存的是有序的，所以查找是用二分查找，时间复杂度 \(O(nlogn)\)

uint8_t intsetFind(intset *is, int64_t value) {
    uint8_t valenc = _intsetValueEncoding(value);
    // 如果 value 的编码大于集合的编码，那肯定是不存在的
    // intsetSearch 是更底层的搜索，实现源码在下面，是个二分查找
    return valenc <= intrev32ifbe(is->encoding) && intsetSearch(is,value,NULL);
}

// 集合搜索，是二分查找。
// 如果找到了，返回1，并且把位置设置到 pos 变量中
// 如果找不到，返回0，可以插入值的位置设置到 pos 变量中
static uint8_t intsetSearch(intset *is, int64_t value, uint32_t *pos) {
    int min = 0, max = intrev32ifbe(is->length)-1, mid = -1;
    int64_t cur = -1;

    // 数组判空
    if (intrev32ifbe(is->length) == 0) {
        if (pos) *pos = 0;
        return 0;
    } else {
        // 看是否比最大的大或者比最小的小，这种情况也直接返回不存在
        if (value > _intsetGet(is,max)) {
            if (pos) *pos = intrev32ifbe(is->length);
            return 0;
        } else if (value < _intsetGet(is,0)) {
            if (pos) *pos = 0;
            return 0;
        }
    }

    // 二分查找
    while(max >= min) {
        mid = ((unsigned int)min + (unsigned int)max) >> 1;
        cur = _intsetGet(is,mid);
        if (value > cur) {
            min = mid+1;
        } else if (value < cur) {
            max = mid-1;
        } else {
            break;
        }
    }

    if (value == cur) {
        if (pos) *pos = mid;
        return 1;
    } else {
        if (pos) *pos = min;
        return 0;
    }
}

3. 指定位置获取

// 如果获取得到，返回1，找到的值设置进 value 变量
// 如果获取不到，返回 0
uint8_t intsetGet(intset *is, uint32_t pos, int64_t *value) {
    if (pos < intrev32ifbe(is->length)) {
        *value = _intsetGet(is,pos);
        return 1;
    }
    // 位置如果大于长度，肯定就获取不到的
    return 0;
}
static int64_t _intsetGet(intset *is, int pos) {
    // 根据编码获取
    return _intsetGetEncoded(is,pos,intrev32ifbe(is->encoding));
}
static int64_t _intsetGetEncoded(intset *is, int pos, uint8_t enc) {
    int64_t v64;
   	// ...

    // 根据编码的长度，从对应的位置后拷贝对应的字节返回
    if (enc == INTSET_ENC_INT64) {
        memcpy(&v64,((int64_t*)is->contents)+pos,sizeof(v64));
        memrev64ifbe(&v64);
        return v64;
    } else if (enc == INTSET_ENC_INT32) {
        // ...
        return v32;
    } else {
        // ...
    }
}

4. 插入

插入的步骤如下：

1. 检查如果插入的元素的编码大于集合编码，进行升级并插入
2. 如果不需要升级，检查元素是否存在，如果存在，则直接返回
3. 如果元素不存在，则扩容，在元素对应的位置插入值(它后面的元素则都往后挪)

intset *intsetAdd(intset *is, int64_t value, uint8_t *success) {
    // 插入的元素的编码
    uint8_t valenc = _intsetValueEncoding(value);
    uint32_t pos;
    if (success) *success = 1;

    // 如果插入的元素的编码比当前集合的编码大，需要进行升级
    if (valenc > intrev32ifbe(is->encoding)) {
        return intsetUpgradeAndAdd(is,value);
    } else {
        // 先查找看元素已存在，如果存在，则直接返回
        if (intsetSearch(is,value,&pos)) {
            if (success) *success = 0;
            return is;
        }

		// 扩容
        is = intsetResize(is,intrev32ifbe(is->length)+1);
        // 将 pos 后的内存块向后挪动一个位置，给新值腾空间
        if (pos < intrev32ifbe(is->length)) intsetMoveTail(is,pos,pos+1);
    }

    // 把新值设置进 pos 位置上
    _intsetSet(is,pos,value);
    is->length = intrev32ifbe(intrev32ifbe(is->length)+1);
    return is;
}

static void intsetMoveTail(intset *is, uint32_t from, uint32_t to) {
    void *src, *dst;
    uint32_t bytes = intrev32ifbe(is->length)-from;
    uint32_t encoding = intrev32ifbe(is->encoding);

    if (encoding == INTSET_ENC_INT64) {
        src = (int64_t*)is->contents+from;
        dst = (int64_t*)is->contents+to;
        bytes *= sizeof(int64_t);
    } else if (encoding == INTSET_ENC_INT32) {
        // ...
    } else {
        // ...
    }
    memmove(dst,src,bytes);
}

5. 升级

当 intset 插入元素的时候，会先检测元素的长度，判断元素应该属于什么编码(encoding)。

如果当前元素的编码，大于 intset 的编码(整个集合最长的编码)，集合将进行升级后，才添加元素。

升级整数集合并添加新元素共分为 3 步进行：

1. 根据新元素的编码，扩展整数集合底层数组的空间大小，并为新元素分配空间。
2. 将底层数组现有的所有元素都转换成与新元素相同的类型，并将类型转换后的元素放置到正确的位上，而且在放置元素的过程中，需要继续维持底层数组的有序性质不变。
3. 将新元素添加到底层数组里面。

// 升级并插入新值
static intset *intsetUpgradeAndAdd(intset *is, int64_t value) {
    // 当前编码
    uint8_t curenc = intrev32ifbe(is->encoding);
    // 新的编码
    uint8_t newenc = _intsetValueEncoding(value);
    // 当前元素个数
    int length = intrev32ifbe(is->length);
    // value 的编码比其他的都大，那么这个 value 不是最大值就是最小值。
    // 如果是最大值就放在数组最后，最小值就放在数组最前面
    int prepend = value < 0 ? 1 : 0;

    // 设置 encoding 属性为新编码
    is->encoding = intrev32ifbe(newenc);
    // 根据新编码给扩展集合需要的空间，实现源码在下面
    is = intsetResize(is,intrev32ifbe(is->length)+1);

    // 从尾到头依次遍历挪动原来的值。为什么不从头到尾呢？因为数组是同一个，从头到尾会覆盖原来的值
    while(length--)
        // _intsetGetEncoded(is,length,curenc) 表示根据编码和位置获取值
        // prepend 为了确保如果 value 是最小的值，那么前面会留一个空位置
        _intsetSet(is,length+prepend,_intsetGetEncoded(is,length,curenc));

    if (prepend)
    	// 当 value 是最小值时，放在第一个空位
        _intsetSet(is,0,value);
    else
        // 当 value 是最大值，放在最后一个位置
        _intsetSet(is,intrev32ifbe(is->length),value);
    // 长度加 1
    is->length = intrev32ifbe(intrev32ifbe(is->length)+1);
    return is;
}

// 整数集合重新分配内存
static intset *intsetResize(intset *is, uint32_t len) {
    // 根据编码算出集合需要的空间
    uint32_t size = len*intrev32ifbe(is->encoding);
    // 分配内存
    is = zrealloc(is,sizeof(intset)+size);
    return is;
}

6. 降级

并没有降级

7. 删除

删除的步骤如下：

1. 找到值的位置 pos
2. 把 pos 后面的元素向前挪，覆盖掉 pos 上的元素
3. 缩容：长度减一

intset *intsetRemove(intset *is, int64_t value, int *success) {
    uint8_t valenc = _intsetValueEncoding(value);
    uint32_t pos;
    if (success) *success = 0;

    // 查找值的位置
    if (valenc <= intrev32ifbe(is->encoding) && intsetSearch(is,value,&pos)) {
        uint32_t len = intrev32ifbe(is->length);
        if (success) *success = 1;
        // 把删除位置后面的元素都挪到前面来，直接覆盖掉 pos 的元素
        if (pos < (len-1)) intsetMoveTail(is,pos+1,pos);
        // 再缩容
        is = intsetResize(is,len-1);
        is->length = intrev32ifbe(len-1);
    }
    return is;
}

---

编码二：hashtable

hashtable 编码用的是字典 dict 作为底层实现，关于 dict，具体的前文 Redis 设计与实现 4：字典 dict 已经写了，包括了 dict 基本操作的源码解读。

下图展示了包含 "a"、"b"、"c"、"d" 四个元素的集合结构：

编码的转换

当集合对象满足以下两个条件时，采用 intset 编码：

1. 所有元素都是整数
2. 元素数量不超过512个(用通过 set-max-intset-entries 配置项配置)

不能同时满足以上两个条件，则采用 tablehash 编码。