這篇文章主要講解了“redis快的原因有哪些”，文中的講解內(nèi)容簡單清晰，易于學習與理解，下面請大家跟著小編的思路慢慢深入，一起來研究和學習“Redis快的原因有哪些”吧！

創(chuàng)新互聯(lián)公司專注于企業(yè)成都營銷網(wǎng)站建設、網(wǎng)站重做改版、林周網(wǎng)站定制設計、自適應品牌網(wǎng)站建設、成都h5網(wǎng)站建設、商城網(wǎng)站建設、集團公司官網(wǎng)建設、外貿(mào)營銷網(wǎng)站建設、高端網(wǎng)站制作、響應式網(wǎng)頁設計等建站業(yè)務，價格優(yōu)惠性價比高，為林周等各大城市提供網(wǎng)站開發(fā)制作服務。

在實際開發(fā)，Redis使用會頻繁，那么在使用過程中我們該如何正確抉擇數(shù)據(jù)類型呢？哪些場景下適用哪些數(shù)據(jù)類型。而且在面試中也很常會被面試官問到Redis數(shù)據(jù)結構方面的問題：

• Redis為什么快呢？

• 為什么查詢操作會變慢了？

• Redis Hash rehash過程

• 為什么使用哈希表作為Redis的索引？

當我們分析理解了Redis數(shù)據(jù)結構，可以為了我們在使用Redis的時候，正確抉擇數(shù)據(jù)類型使用，提升系統(tǒng)性能。

Redis底層數(shù)據(jù)結構

Redis 是一個內(nèi)存鍵值key-value 數(shù)據(jù)庫，且鍵值對數(shù)據(jù)保存在內(nèi)存中，因此Redis基于內(nèi)存的數(shù)據(jù)操作，其效率高，速度快；

其中，Key是String類型，Redis 支持的 value 類型包括了 String、List 、 Hash 、 Set 、 Sorted Set 、BitMap等。Redis 能夠之所以能夠廣泛地適用眾多的業(yè)務場景，基于其多樣化類型的value。

而Redis的Value的數(shù)據(jù)類型是基于為Redis自定義的對象系統(tǒng)redisObject實現(xiàn)的，

typedef struct redisObject{
    //類型
    unsigned type:4;
    //編碼
    unsigned encoding:4;
    //指向底層實現(xiàn)數(shù)據(jù)結構的指針
    void *ptr;
    ….. 
}

redisObject除了記錄實際數(shù)據(jù)，還需要額外的內(nèi)存空間記錄數(shù)據(jù)長度、空間使用等元數(shù)據(jù)信息，其中包含了 8 字節(jié)的元數(shù)據(jù)和一個 8 字節(jié)指針，指針指向具體數(shù)據(jù)類型的實際數(shù)據(jù)所在位置：

其中，指針指向的就是基于Redis的底層數(shù)據(jù)結構存儲數(shù)據(jù)的位置，Redis的底層數(shù)據(jù)結構：SDS，雙向鏈表、跳表，哈希表，壓縮列表、整數(shù)集合實現(xiàn)的。

那么Redis底層數(shù)據(jù)結構是怎么實現(xiàn)的呢？

Redis底層數(shù)據(jù)結構實現(xiàn)

我們先來看看Redis比較簡單的**SDS,雙向鏈表，整數(shù)集合**。

SDS、雙向鏈表和整數(shù)集合

SDS，使用len字段記錄已使用的字節(jié)數(shù)，將獲取字符串長度復雜度降低為O(1)，而且SDS是惰性釋放空間的，你free了空間，系統(tǒng)把數(shù)據(jù)記錄下來下次想用時候可直接使用。不用新申請空間。

整數(shù)集合，在內(nèi)存中分配一塊地址連續(xù)的空間，數(shù)據(jù)元素會挨著存放，不需要額外指針帶來空間開銷，其特點為內(nèi)存緊湊節(jié)省內(nèi)存空間，查詢復雜度為O(1)效率高，其他操作復雜度為O(N)；

雙向鏈表， 在內(nèi)存上可以為非連續(xù)、非順序空間，通過額外的指針開銷前驅(qū)/后驅(qū)指針串聯(lián)元素之間的順序。

其特點為節(jié)插入/更新數(shù)據(jù)復雜度為O(1)效率高，查詢復雜度為O(N)；

Hash哈希表

哈希表，其實類似是一個數(shù)組，數(shù)組的每個元素稱為一個哈希桶，每個哈希桶中保存了鍵值對數(shù)據(jù)，且哈希桶中的元素使用dictEntry結構，

因此，哈希桶元素保存的并不是鍵值對值本身，而是指向具體值的指針，**所以在保存每個鍵值對的時候會額外空間開銷，至少有增加24個字節(jié)，**特別是Value為String的鍵值對，每一個鍵值對就需要額外開銷24個字節(jié)空間。當保存數(shù)據(jù)小，額外開銷比數(shù)據(jù)還大時，這時為了節(jié)省空間，考慮換數(shù)據(jù)結構。

那來看看全局哈希表全圖：

雖然哈希表操作很快，但Redis數(shù)據(jù)變大后，就會出現(xiàn)一個潛在的風險：哈希表的沖突問題和 rehash開銷問題，這可以解釋為什么哈希表操作變慢了？

當往哈希表中寫入更多數(shù)據(jù)時，哈希沖突是不可避免的問題 ， Redis 解決哈希沖突的方式，就是鏈式哈希，同一個哈希桶中的多個元素用一個鏈表來保存，它們之間依次用指針連接，如圖所示：

當哈希沖突也會越來越多，這就會導致某些哈希沖突鏈過長，進而導致這個鏈上的元素查找耗時長，效率降低。

為了解決哈希沖突帶了的鏈過長的問題，進行rehash操作，增加現(xiàn)有的哈希桶數(shù)量，分散單桶元素數(shù)量。那么rehash過程怎么樣執(zhí)行的呢？

Rehash

為了使rehash 操作更高效，使用兩個全局哈希表：哈希表 1 和哈希表 2，具體如下：

• 將哈希表 2 分配更大的空間，

• 把哈希表 1 中的數(shù)據(jù)重新映射并拷貝到哈希表 2 中；

• 釋放哈希表 1 的空間

但由于表1和表2在重新映射復制時數(shù)據(jù)大，如果一次性把哈希表 1 中的數(shù)據(jù)都遷移完，會造成 Redis 線程阻塞，無法服務其他請求。

為了避免這個問題，保證Redis能正常處理客戶端請求，Redis 采用了漸進式 rehash。

每處理一個請求時，從哈希表 1 中依次將索引位置上的所有 entries 拷貝到哈希表 2 中，把一次性大量拷貝的開銷，分攤到了多次處理請求的過程中，避免了耗時操作，保證了數(shù)據(jù)的快速訪問。

在理解完Hash哈希表相關知識點后，看看不常見的壓縮列表和跳表。

壓縮列表與跳表

壓縮列表，在數(shù)組基礎上，在壓縮列表在表頭有三個字段 zlbytes、zltail 和 zllen，分別表示列表長度、列表尾的偏移量和列表中的 entry 個數(shù)；壓縮列表在表尾還有一個 zlend，表示列表結束。

優(yōu)點：內(nèi)存緊湊節(jié)省內(nèi)存空間，內(nèi)存中分配一塊地址連續(xù)的空間，數(shù)據(jù)元素會挨著存放，不需要額外指針帶來空間開銷；查找定位第一個元素和最后一個元素，可以通過表頭三個字段的長度直接定位，復雜度是 O(1)。

跳表，在鏈表的基礎上，增加了多級索引，通過索引位置的幾個跳轉，實現(xiàn)數(shù)據(jù)的快速定位，如下圖所示：

比如查詢33

特點：當數(shù)據(jù)量很大時，跳表的查找復雜度為O(logN)。

綜上所述，可以得知底層數(shù)據(jù)結構的時間復雜度：

數(shù)據(jù)結構類型	時間復雜度
哈希表	O(1)
整數(shù)數(shù)組	O(N)
雙向鏈表	O(N)
壓縮列表	O(N)
跳表	O(logN)

Redis自定義的對象系統(tǒng)類型即為Redis的Value的數(shù)據(jù)類型，Redis的數(shù)據(jù)類型是基于底層數(shù)據(jù)結構實現(xiàn)的，那數(shù)據(jù)類型有哪些呢？

Redis數(shù)據(jù)類型

String、List、Hash、Sorted Set、Set比較常見的類型，其與底層數(shù)據(jù)結構對應關系如下：

數(shù)據(jù)類型	數(shù)據(jù)結構
String	SDS(簡單動態(tài)字符串)
List	雙向鏈表<br>壓縮列表
Hash	壓縮列表<br/>哈希表
Sorted Set	壓縮列表<br/>跳表
Set	哈希表<br/>整數(shù)數(shù)組

數(shù)據(jù)類型對應特點跟其實現(xiàn)的底層數(shù)據(jù)結構差不多，性質(zhì)也是一樣的,且

String，基于SDS實現(xiàn)，適用于簡單key-value存儲、setnx key value實現(xiàn)分布式鎖、計數(shù)器(原子性)、分布式全局唯一ID。

List， 按照元素進入List 的順序進行排序的，遵循FIFO(先進先出)規(guī)則，一般使用在 排序統(tǒng)計以及簡單的消息隊列。

Hash， 是字符串key和字符串value之間的映射，十分適合用來表示一個對象信息 ，特點添加和刪除操作復雜度都是O(1)。

Set，是String 類型元素的無序集合，集合成員是唯一的，這就意味著集合中不能出現(xiàn)重復的數(shù)據(jù)。 基于哈希表實現(xiàn)的，所以添加，刪除，查找的復雜度都是 O(1)。

Sorted Set， 是Set的類型的升級， 不同的是每個元素都會關聯(lián)一個 double 類型的分數(shù)，通過分數(shù)排序，可以范圍查詢。

那我們再來看看這些數(shù)據(jù)類型，Redis Geo、HyperLogLog、BitMap？

Redis Geo， 將地球看作為近似為球體，基于GeoHash 將二維的經(jīng)緯度轉換成字符串，來實現(xiàn)位置的劃分跟指定距離的查詢。特點一般使用在跟位置有關的應用。

HyperLogLog， 是一種概率數(shù)據(jù)結構，它使用概率算法來統(tǒng)計集合的近似基數(shù) ， 錯誤率大概在0.81%。 當集合元素數(shù)量非常多時，它計算基數(shù)所需的空間總是固定的，而且還很小，適合使用做 UV 統(tǒng)計。

BitMap ，用一個比特位來映射某個元素的狀態(tài)， 只有 0 和 1 兩種狀態(tài)，非常典型的二值狀態(tài)，且其本身是用 String 類型作為底層數(shù)據(jù)結構實現(xiàn)的一種統(tǒng)計二值狀態(tài)的數(shù)據(jù)類型 ，優(yōu)勢大量節(jié)省內(nèi)存空間，可是使用在二值統(tǒng)計場景。

在理解上述知識后，我們接下來討論一下根據(jù)哪些策略選擇相對應的應用場景下的Redis數(shù)據(jù)類型？

選擇合適的Redis數(shù)據(jù)類型策略

在實際開發(fā)應用中，Redis可以適用于眾多的業(yè)務場景，但我們需要怎么選擇數(shù)據(jù)類型存儲呢？

主要依據(jù)就是時間/空間復雜度，在實際的開發(fā)中可以考慮以下幾個點：

• 數(shù)據(jù)量，數(shù)據(jù)本身大小

• 集合類型統(tǒng)計模式

• 支持單點查詢/范圍查詢

• 特殊使用場景

數(shù)據(jù)量，數(shù)據(jù)本身大小

當數(shù)據(jù)量比較大，數(shù)據(jù)本身比較小，使用**String**就會使用額外的空間大大增加，因為使用哈希表保存鍵值對，使用dictEntry結構保存，會導致保存每個鍵值對時額外保存dictEntry的三個指針的開銷，這樣就會導致數(shù)據(jù)本身小于額外空間開銷，最終會導致存儲空間數(shù)據(jù)大小遠大于原本數(shù)據(jù)存儲大小。

可以使用基于整數(shù)數(shù)組和壓縮列表實現(xiàn)了 List、Hash 和 Sorted Set ，因為整數(shù)數(shù)組和壓縮列表在內(nèi)存中都是分配一塊地址連續(xù)的空間，然后把集合中的元素一個接一個地放在這塊空間內(nèi)，非常緊湊，不用再通過額外的指針把元素串接起來，這就避免了額外指針帶來的空間開銷。而且采用集合類型時，一個 key 就對應一個集合的數(shù)據(jù)，能保存的數(shù)據(jù)多了很多，但也只用了一個 dictEntry，這樣就節(jié)省了內(nèi)存。

集合類型統(tǒng)計模式

Redis集合類型統(tǒng)計模式常見的有：

• 聚合統(tǒng)計（ 交集、差集、并集統(tǒng)計 ）： 對多個集合進行聚合計算時，可以選擇Set；

• 排序統(tǒng)計（要求集合類型能對元素保序）： Redis中List 和 Sorted Set是有序集合，List是按照元素進入 List 的順序進行排序的，Sorted Set 可以根據(jù)元素的權重來排序；

• 二值狀態(tài)統(tǒng)計（ 集合元素的取值就只有 0 和 1 兩種 ）：Bitmap 本身是用 String 類型作為底層數(shù)據(jù)結構實現(xiàn)的一種統(tǒng)計二值狀態(tài)的數(shù)據(jù)類型 ， Bitmap通過 BITOP 按位 與、或、異或的操作后使用 BITCOUNT 統(tǒng)計 1 的個數(shù)。

• 基數(shù)統(tǒng)計（ 統(tǒng)計一個集合中不重復的元素的個數(shù) ）：HyperLogLog 是一種用于統(tǒng)計基數(shù)的數(shù)據(jù)集合類型 ，統(tǒng)計結果是有一定誤差的，標準誤算率是 0.81% 。需要精確統(tǒng)計結果的話，用 Set 或 Hash 類型。

Set類型，適用統(tǒng)計用戶/好友/關注/粉絲/感興趣的人集合聚合操作，比如

• 統(tǒng)計手機APP每天的新增用戶數(shù)

• 兩個用戶的共同好友

Redis中List 和 Sorted Set是有序集合，使用應對集合元素排序需求 ，比如

• 最新評論列表

• 排行榜

Bitmap二值狀態(tài)統(tǒng)計，適用數(shù)據(jù)量大，且可以使用二值狀態(tài)表示的統(tǒng)計，比如：

• 簽到打卡，當天用戶簽到數(shù)

• 用戶周活躍

• 用戶在線狀態(tài)

HyperLogLog 是一種用于統(tǒng)計基數(shù)的數(shù)據(jù)集合類型， 統(tǒng)計一個集合中不重復的元素個數(shù) ，比如

• 統(tǒng)計網(wǎng)頁的 UV ， 一個用戶一天內(nèi)的多次訪問只能算作一次

支持單點查詢/范圍查詢

Redis中List 和 Sorted Set是有序集合支持范圍查詢，但是Hash是不支持范圍查詢的

特殊使用場景

消息隊列，使用Redis作為消息隊列的實現(xiàn)，要消息的基本要求消息保序、處理重復的消息和保證消息可靠性，方案有如下：

• 基于 List 的消息隊列解決方案

• 基于 Streams 的消息隊列解決方案

	基于List	基于Strems
消息保序	使用LPUSH/RPOP	使用XADD/XREAD
阻塞讀取	使用BRPOP	使用XREAD block
重復消息處理	生產(chǎn)者自行實現(xiàn)全局唯一ID	Streams自動生成全局唯一ID
消息可靠性	使用BRPOPLPUSH	使用PENDING List自動留存消息
適用場景	消息總量小	消息總量大，需要消費組形式讀取數(shù)據(jù)

基于位置 LBS 服務，使用Redis的特定GEO數(shù)據(jù)類型實現(xiàn)，GEO 可以記錄經(jīng)緯度形式的地理位置信息，被廣泛地應用在 LBS 服務中。 比如:打車軟件是怎么基于位置提供服務的。

感謝各位的閱讀，以上就是“Redis快的原因有哪些”的內(nèi)容了，經(jīng)過本文的學習后，相信大家對Redis快的原因有哪些這一問題有了更深刻的體會，具體使用情況還需要大家實踐驗證。這里是創(chuàng)新互聯(lián)，小編將為大家推送更多相關知識點的文章，歡迎關注！

本文名稱：Redis快的原因有哪些
網(wǎng)站鏈接：http://aaarwkj.com/article30/igdgso.html

成都網(wǎng)站建設公司_創(chuàng)新互聯(lián)，為您提供企業(yè)建站、關鍵詞優(yōu)化、響應式網(wǎng)站、微信公眾號、域名注冊、品牌網(wǎng)站建設

廣告

聲明：本網(wǎng)站發(fā)布的內(nèi)容（圖片、視頻和文字）以用戶投稿、用戶轉載內(nèi)容為主，如果涉及侵權請盡快告知，我們將會在第一時間刪除。文章觀點不代表本網(wǎng)站立場，如需處理請聯(lián)系客服。電話：028-86922220；郵箱：631063699@qq.com。內(nèi)容未經(jīng)允許不得轉載，或轉載時需注明來源： 創(chuàng)新互聯(lián)