Redis为什么这么快？

客官°小女子只卖身不卖艺 2022-09-11 09:28 314阅读 0赞

**⼀****、****基于内存实现**

Redis是基于内存实现的，没有磁盘I/O的限制，这个应该没什么异议吧。

**⼆****、****⾼****效****的数据结构**

Redis中有多种数据类型，每种数据类型的底层都由⼀种或多种数据结构来⽀持：

![e1c8a6ea0a44d497199ee06b98806f62.png][]

**1****、****简单动态字符串**

**（****1****）****字****符****串****⻓****度****处****理**

![c36486a1eacb4eeea1b517d74a173d81.png][]

上图是字符串在C语⾔中的存储⽅式，想要获取「Redis」的⻓度，需要从头开始遍历，直到遇到'\\0'为⽌。

![ce3a93c05cfb65f171e6a21a0bb6ce47.png][]

Redis中⽤⼀个len字段记录当前字符串的⻓度。想要获取⻓度只需要获取len字段即可，前者遍历的时间复杂度为O(n)，Redis中O(1)就能拿到，速度明显提升。

**（****2****）****内****存****重新分****配**

C中涉及到修改字符串的时候会重新分配内存，所以修改地越频繁，内存分配操作进行的也就越频繁，内存分配是会消耗性能的，性能下降在所难免。Redis中也会涉及到字符串频繁的修改操作，两种优化策略：

**    1、空间预分配，**对Redis修改及空间扩充时，除了分配所必须的空间外，还会额外分配未使⽤的空间。具体分配规则是：Redis修改后，len⻓度⼩于1M，那么将会额外分配与len相同⻓度的未使⽤空间。如果修改后⻓度⼤于1M，那么将分配1M的使⽤空间。

**    2、惰性空间释****放，**Redis缩短时，并不会回收多余的内存空间，⽽是使⽤free字段将多出来的空间记录下来。如果后续有变更操作，直接使⽤free中记录的空间，减少了内存的分配。

**（****3****）****⼆****进****制安全**

Redis可以存储各种数据类型，那么⼆进制数据肯定也不例外。但⼆进制数据并不是规则的字符串格式，可能会包含⼀些特殊的字符，⽐如'\\0'等。C中字符串遇到'\\0'会结束，那'\\0'之后的数据就读取不上了，Redis中是根据len⻓度来判断字符串结束的。到这里，⼆进制安全的问题就解决了。

**2****、****双端链表**

列表List多被当作队列或栈来使⽤的。队列和栈⼀个先进先出，⼀个先进后出，双端链表很好的⽀持了这些特性。

![c172da5a0159660327814d9c605987e1.png][]

**（****1****）****前****后****节点**

![e4a77f417e4d75afe6f348e7cfffab69.png][]

链表⾥每个节点都带有两个指针，prev指向前节点，next指向后节点。这样在时间复杂度为O(1)内就能获取到前后节点。

**（****2****）****头****尾****节点**

![675369c5ee05e19e6c3c744862f1fcbd.png][]

头节点⾥有head和tail两个参数，分别指向头节点和尾节点。这样一来对双端节点的处理时间复杂度降⾄O(1)，对于队列和栈来说再适合不过，同时链表迭代时从两端都可以进⾏。

**（****3****）****链****表****⻓****度**

头节点⾥同时还有⼀个参数len，和上边提到的Redis⾥类似，这⾥是⽤来记录链表⻓度的。因此获取链表⻓度时不⽤再遍历整个链表，直接拿到len值就可以了，这个时间复杂度是O(1)。

上述特性都降低了List使⽤时的时间开销。

**3****、****压缩列表**

双端链表我们已经熟悉了。不知道你有没有注意到⼀个问题：如果在⼀个链表节点中存储⼀个⼩数据，⽐如⼀个字节。那么对应的就要保存头节点，前后指针等额外的数据。

这样就浪费了空间，同时由于反复申请与释放也容易导致内存碎⽚化。这样内存的使⽤效率就太低了。于是，压缩列表上场了！

![93b5a78e16f503bc44e0d3faa358f466.png][]

它是经过特殊编码，专⻔为了提升内存使⽤效率设计的。所有的操作都是通过指针与解码出来的偏移量进⾏的。

并且压缩列表的内存是连续分配的，遍历的速度很快。

**4****、****字典**

Redis作为K-V型数据库，所有的键值都是⽤字典来存储的。

⽇常学习中使⽤的字典你应该不会陌⽣，想查找某个词通过某个字就可以直接定位到，速度⾮常快。这⾥所说的字典原理上是⼀样的，通过某个key可以直接获取到对应的value。

字典⼜称为哈希表，这点没什么可说的。哈希表的特性⼤家都很清楚，能够在O(1)时间复杂度内取出和插⼊关联的值。

**5****、****跳跃表**

作为Redis中特有的数据结构-跳跃表，其在链表的基础上增加了多级索引来提升查找效率。

![0db2dfbd4c7da987faeb3b18396f2457.png][]

这是跳跃表的简单原理图，每⼀层都有⼀条有序的链表，最底层的链表包含了所有的元素。这样跳跃表就可以⽀持在O(logN)的时间复杂度⾥查找到对应的节点。

下⾯这张是跳表真实的存储结构，和其它数据结构⼀样，都在头节点⾥记录了相应的信息，减少了⼀些不必要的系统开销。

![e112fe07acca76ec49f3f95d19bc034b.png][]

**三、合理的数据编码**

对于每⼀种数据类型来说，底层的⽀持可能是多种数据结构，什么时候使⽤哪种数据结构，这就涉及到了编码转化的问题。

那我们就来看看，不同的数据类型是如何进⾏编码转化的：

***String***：存储数字的话，采⽤int类型的编码，如果是⾮数字的话，采⽤raw编码；

***List******：***字符串⻓度及元素个数⼩于⼀定范围使⽤ziplist编码，任意条件不满⾜，则转化为linkedlist编码；

**Hash****：**hash对象保存的键值对内的键和值字符串⻓度⼩于⼀定值及键值对；

**Set****：**保存元素为整数及元素个数⼩于⼀定范围使⽤intset编码，任意条件不满⾜，则使⽤hashtable编码；

***Zset*****：**zset对象中保存的元素个数⼩于及成员⻓度⼩于⼀定值使⽤ziplist编码，任意条件不满⾜，则使⽤skiplist编码。

**四、合适的线程模型**

Redis快的原因还有⼀个是因为使⽤了合适的线程模型：

![7df03112483c8d11f4d49005d819359c.png][]

**1****、****I/O****多****路复****⽤****模****型**

一句话解释就是：⽹络I/O多个TCP连接共⽤⼀个线程或进程。

⽣产环境中的使⽤，通常是多个客户端连接Redis，然后各⾃发送命令⾄Redis服务器，最后服务端处理这些请求返回结果。

![d3915fa4196fa44cffa0f56b910f802c.png][]

应对⼤量的请求，Redis中使⽤I/O多路复⽤程序同时监听多个套接字，并将这些事件推送到⼀个队列⾥，然后逐个被执⾏。最终将结果返回给客户端。

**2****、****避免上下****⽂****切****换**

你⼀定听说过，Redis是单线程的。那么单线程的Redis为什么会快呢？

因为多线程在执⾏过程中需要进⾏CPU的上下⽂切换，这个操作⽐较耗时。Redis⼜是基于内存实现的，对于内存来说，没有上下⽂切换效率就是最⾼的。多次读写都在⼀个CPU上，对于内存来说就是最佳⽅案。

**3****、****单线程模型**

顺便提⼀下，为什么Redis是单线程的。

Redis中使⽤了Reactor单线程模型，你可能对它并不熟悉。没关系，只需要大概了解一下即可。

![c9e922fb44e43626ffc5d7c72f641587.png][]

这张图里，接收到用户的请求后，全部推送到一个队列里，然后交给文件事件分派器，⽽它是单线程的⼯作⽅式。Redis⼜是基于它⼯作的，所以说Redis是单线程的。

**五、总结**

**   1、基于内存实****现，**数据都存储在内存⾥，减少I/O操作，提升操作速率。

**     2、⾼****效****的****数****据结构**

（1）底层多种数据结构⽀持不同的数据类型⽀持Redis存储不同的数据。

（2）不同数据结构的设计，使得数据存储时间复杂度降到最低。

**   3、合理的数据****编****码，**根据字符串的⻓度及元素的个数适配不同的编码格式。

**   4、合适的线程****模****型，**I/O多路复⽤模型同时监听客户端连接，单线程在执⾏过程中不需要进⾏上下⽂切换，减少了耗时。

[e1c8a6ea0a44d497199ee06b98806f62.png]: /images/20220828/c6ba050ada0149b081309d1574742317.png
[c36486a1eacb4eeea1b517d74a173d81.png]: /images/20220828/639dec6dee4f4a09a1013f77e8d0519d.png
[ce3a93c05cfb65f171e6a21a0bb6ce47.png]: /images/20220828/e7cbd3a0908245dda1e853d2b19d82c1.png
[c172da5a0159660327814d9c605987e1.png]: /images/20220828/ec0ba995e0884d6a9dc02b36c3d759e7.png
[e4a77f417e4d75afe6f348e7cfffab69.png]: /images/20220828/2ec63851d8484750be88a6c315206cf6.png
[675369c5ee05e19e6c3c744862f1fcbd.png]: /images/20220828/f07bed95de8a4cc7aab5764491e260d5.png
[93b5a78e16f503bc44e0d3faa358f466.png]: /images/20220828/10434705a82749618c40b51f0eef3962.png
[0db2dfbd4c7da987faeb3b18396f2457.png]: /images/20220828/2e7a5b3ae6544f939905da47ac2ea328.png
[e112fe07acca76ec49f3f95d19bc034b.png]: /images/20220828/ff43bd2140094eb3ab92d63a61930882.png
[7df03112483c8d11f4d49005d819359c.png]: /images/20220828/7a2ec67ede254974b2498a96b0347f0e.png
[d3915fa4196fa44cffa0f56b910f802c.png]: /images/20220828/1c5f669046824e6c9de81036eaa374aa.png
[c9e922fb44e43626ffc5d7c72f641587.png]: /images/20220828/507686a2aee74ff9a51002a48b1102e9.png