Redis源码之SDS简单动态字符串

Redis 是内存数据库，高效使用内存对 Redis 的实现来说非常重要。

看一下，Redis 中针对字符串结构针对内存使用效率做的设计优化。

一、SDS的结构

c语言没有string类型，本质是char[]数组；而且c语言数组创建时必须初始化大小，指定类型后就不能改变，并且字符数组的最后一个元素总是空字符 '\0' 。

以下展示了一个值为 "Redis" 的 C 字符串：

Redis没有直接使用C语言的字符串方式，而是构建了一种简单动态字符串（Simple dynamic string， SDS）的类型，Redis中的字符串底层都是使用SDS结构进行存储，比如包含字符串的键值对底层都是使用SDS结构实现的。

SDS结构定义在sds.h中

struct sdshdr{

    int len;//SDS保存的字符串长度

    int free;//buf数组中未使用字节数量

    char buf[];//字符数组，保存字符串

}

　　

最后一个字节保存了空字符'\0'，保留了C字符串的规范，使得SDS结构的字符串，可以重用一部分C函数库的函数。

二、为什么不使用C字符串

主要是因为C字符串有以下缺点：

• 获取字符串长度时间复杂度为O(N)：C字符串获取长度需遍历整个字符串，遇到'\0'空字符为止。
• 缓冲区溢出：比如在进行字符串追加操作时，如果没有分配足够的内存，就会造成内存溢出。
• 内存重分配：每次增长或者截短字符串，程序都要对保存C字符串的数组进行内存重分配操作，而内存重分配涉及复杂的算法，并可能需要执行系统调用，所以它通常比较耗时。
• 空字符问题：C字符串中间不能保存空格，否则程序遍历是会误认为是字符串的末尾。这一限制导致C字符串只能存储文本数据，不能保存像图片、音视频、压缩文件等二进制数据。

三、怎样解决C字符串问题

1、SDS通过len属性记录了SDS长度，所以获取长度的时间复杂度为O(1)，即strlen命令的时间复杂度是O(1)。

2、SDS空间分配策略避免了缓冲区溢出：当对SDS进行修改时，会先检查SDS空间是否满足修改，不满足会自动扩展到所需大小，然后才执行修改。

3、较少修改字符串时内存重分配次数：SDS中的free记录buf字节数组中未使用的字节。

redis通过free属性实现空间预分配、惰性空间释放两种优化策略。

• 空间预分配：当对SDS进行增长操作时，程序不仅会分配修改所必须得空间，还会为SDS分配额外的未使用空间。通过预分配策略，减少了连续执行字符串增长操作时内存重分配次数。
• 惰性空间释放：当对SDS进行截短操作时，程序并不会立即回收缩短后多出来的字节所占用的内存，而是使用free属性记录多出来的字节数，以供将来使用。如果将来要对这个SDS进行增长操作，未使用空间可能就派上用场，并且增长操作也不一定会执行内存重分配。

SDS结构中的buf字节数组，是二进制安全的，不仅可以保存字符，也可以保存二进制数据。

SDS保留了C字符串的惯例，将数据的末尾设置为空字符'\0'，SDS中之所以保留这一规范是可以重用C字符串函数库的一部分函数，例如追加字符串。

四、对字符串的进一步优化

Redis string的三种编码：

• int 存储8个字节的长整型(long，2^63-1 )
• embstr, embstr格式的SDS (Simple Dynamic String)
• raw, raw格式的SDS，存储大于44个字节的长字符串

int类型就是指的是数字，那么raw、embstr都代表的是字符串有什么异同吗，下面我们分析下。

图中展示了两者的区别，可以看到embstr将redisObject和SDS保存在连续的64字节空间内，这样可以只需要一次内存分配，而对于raw来说，SDS和redisObject分离，需要两次内存分配，而且占用更多的内存空间。

可以看到embstr在3.2+中使用了叫sdshdr8的结构，在该结构下，元数据只需要3个字节，而Redis需要8个字节，所以总共64个字节，减去redisObject(16字节)，再减去SDS的原信息，最后的实际内容就变成了44字节和39字节。

当字符串小于等于 44 字节时，Redis 就使用了嵌入式字符串的创建方法，以此减少内存分配和内存碎片。

下面这张图展示了 createEmbeddedStringObject 创建嵌入式字符串的过程：

总之，只要记住，Redis 会通过设计实现一块连续的内存空间，把 redisObject 结构体和 SDS 结构体紧凑地放置在一起。

这样一来，对于不超过 44 字节的字符串来说，就可以避免内存碎片和两次内存分配的开销了。