特点
- 数据类型多
- 支持事务、持久化
- 多种集群方式
- lua命令、缓存过期等策略
memcache：
- 只能kv存储
- 无法持久化
mysql：
- 磁盘io慢，无法支持高性能
- redis单线程，支持高性能10w QPS
架构
事件处理
- 网络 IO 读写
- 命令执行
- 时间事件处理
数据管理
- 数据以 kye/value 的格式存储在内存中，多个redisDB的字典
- 持久化存储aof/rdb文件
集群管理
过期处理
为插件化功能扩展的 Module System 模块
读写流程
每当有客户端连接到服务器的时候，都会创建一个Socket连接，对应一个套接字文件描述符fd；
当客户端与Redis服务器连接之后，redisServer结构中会存储一个客户端的链表，记录客户端信息
通过命令对数据库进行了读写之后，Redis同时会做一些维护工作：
数据结构
- redisDb 结构，表示 Redis 数据库的结构，结构体里存放了指向了 dict 结构的指针；
- dict 结构，结构体里存放了 2 个哈希表，正常情况下都是用「哈希表1」，「哈希表2」只有在 rehash 的时候才用
-
ditctht 结构，表示哈希表的结构，结构里存放了哈希表数组，数组中的元素是指向哈希表节点的指针；
-
dictEntry 结构，表示哈希表节点的结构，结构里存放了 **void * key 和 void * value 指针， key 指向的是 String 对象，而 value 则可以指向 String 对象，也可以指向集合类型的对象
hash
哈希表
保存键值对（key-value）的数据结构
渐进式 rehash：
-
哈希表元素的删除、查找、更新等操作都会在这两个哈希表
- 每次请求也会顺序将旧表索引位置上的所有 key-value 迁移到新表上
-
新增只维护在新表
-
时机：负载因子(哈希表节点/大小) >=1 & 非rdb快照和aof重写操作时机；负载因子 > 5
优点
- 以 O(1) 的复杂度快速查询数据
- 冗余存储数字，节省空间
缺点
-
哈希冲突（链式哈希）
listPack
string
sds：简单动态字符串
-
支持二进制存储（支持存储/0字符）
-
记录长度，计算o1
-
由于能提前取到长度（alloc-len），支持动态扩展
-
空间预分配规则：size<1m时扩容加倍，size>1m时只会扩容1M
-
惰性空间释放：通过free属性，把字节数量记录下来，重复使用
raw编码（长度>44 byte）：调用2次内存分配函数
embstr编码：只调用一次内存分配函数
list
无环的双向链表 linkedList
优点
- 获取长度O1（len）
- 获取前节点、后节点、头节点、尾节点都只是O1
缺点
-
需要冗余存储节点结构头
-
内存不连续
压缩列表 ziplist
由连续内存块组成的顺序型数据结构，根据数据大小和类型进行不同空间大小分配的设计思想。
-
prelen：前一个节点的「长度」确定「空间大小」
-
encoding：根据整数/字符串记录
- 前两个 bit 表示数据的类型
- 其他 bit 标识字符串数据的实际长度
优点
- 连续内存（可以利用cpu缓存）
- 获取头节点、尾节点只是O1
- 方便后往前、前往后遍历
- 根据类型进行编码，节省内存
缺点
-
无法快速读取元素（遍历）
-
插入元素的连锁更新效应（多次调整内存空间，内存重新分配）
-
无法存储大量数据
quickList
双向链表，每个元素又是一个压缩列表
插入元素时会判断是否加入压缩列表，还是说创建个新的节点；
来控制 quicklistNode 结构里的压缩列表的大小或者元素个数
使用LZF算法压缩ZipList
listPack
listpack 只记录当前节点的长度，不关心前一个节点的长度。
当加入一个新元素的时候，不会影响其他节点的长度字段的变化，从而避免了压缩列表的连锁更新问题。
set
整数集合
集合元素从小到大有序排列，支持二分查找
Set 对象只包含整数值元素，并且元素数量不大
整数升级：添加的元素比当前所有元素类型都要长的时候节省内存（无法降级）
- 数组原地扩容
- 元素计算位置，并按顺序放置
zset
跳表 skiplist
「多层」的有序链表
vs 平衡树：
-
内存占用 2个节点> 内存占用1- 1/0.25=1.3个节点
-
范围查找快
-
插入快
-
支持平均 O(logN) 复杂度的节点查找
- 本层查找「权重靠近」&&「数据靠近」的节点
- 不满足条件时逐层查找
-
支持插入O1（改变指针）
-
支持查找节点排名（跨度）
-
查找头节点、尾节点O1
-
随机确定层数，打散（0.250.250.25*XXX）
延迟队列
Score 属性，存储延迟执行的时间
zrangebysocre 命令，查询符合条件的所有待处理的任务， 循环执行队列任务即可
BITMAP
比特数组，将具体的数据映射到比特数组的某个位置，通过0和1记录其状态
优点：大数据的查询，去重等场景，空间利用率高
缺点：空间的利用率低，offset大的情况下，数据分布稀疏
- RLE编码（行程长度编码）压缩
BLOOM FILTER
测试元素是否为集合的成员，底层使用BitMap进行存储。判定不在的数据一定不存在，存在的数据不一定存在
k个哈希函数来计算给定输入的哈希值，分别对k位offset置为1
优点：节省空间的概率数据结构，快速判断是否存在
缺点：随着元素的添加，误判率会越来越高
- 增加哈希函数与更多的bit
