免費AI編程助手
文章轉(zhuǎn)載自公眾號：Java極客技術(shù) 作者：鴨血粉絲
最近，阿粉的一個朋友出去面試，回來跟阿粉抱怨，面試官不按套路出牌，直接打亂了他的節(jié)奏。
事情是這樣的，前面面試問了幾個 Java 的相關(guān)問題，我朋友回答還不錯，接下來面試官就問了一句：看來 Java 基礎(chǔ)還不錯，Java HashMap 你熟悉吧？
我朋友回答。工作經(jīng)常用，有看過源碼。
我朋友本來想著，你隨便來吧，這個問題之前已經(jīng)準備好了，隨便問吧。
誰知道，面試官下面一句：
「那好的，我們來聊聊 Redis 字典吧?！?/strong>
直接將他整蒙逼。
阿粉的朋友由于沒怎么研究過 Redis 字典，所以這題就直接回答不知道了。
「當然，如果面試中真不知道，那就回答不了解，直接下一題，不要亂答?！?/strong>
不過這一題，阿粉覺得還是很可惜，其實 Redis 字典基本原理與 HashMap 差不多，那我們其實可以套用這其中的原理，不求回答滿分，但是怎么也可以得個及格分吧~
面試過程真要碰到這個問題，我們可以從下面三個方面回答。
- 數(shù)據(jù)結(jié)構(gòu)
- 元素增加過程
- 擴容
字典數(shù)據(jù)結(jié)構(gòu)
說起字典，也許大家比較陌生，但是我們都知道 Redis 本身提供 KV 查詢的方式，這個 KV 就是其實通過底層就是通過字典保存。
另外，Redis 支持多種數(shù)據(jù)類型，其中一種類型為 Hash 鍵，也可以用來存儲 KV 數(shù)據(jù)。
阿粉剛開始了解的這個數(shù)據(jù)結(jié)構(gòu)的時候，本來以為這個就是使用字典實現(xiàn)。其實并不是這樣的，初始創(chuàng)建 Hash 鍵，默認使用另外一種數(shù)據(jù)結(jié)構(gòu)-「ZIPLIST」(壓縮列表)，以此節(jié)省內(nèi)存空間。
不過一旦以下任何條件被滿足，Hash 鍵的數(shù)據(jù)結(jié)構(gòu)將會變?yōu)樽值洌涌觳樵兯俣取?/p>
- 哈希表中某個鍵或某個值的長度大于
server.hash_max_ziplist_value（默認值為64）。 - 壓縮列表中的節(jié)點數(shù)量大于
server.hash_max_ziplist_entries（默認值為512）。
Redis 字典新建時默認將會創(chuàng)建一個哈希表數(shù)組，保存兩個哈希表。
其中 ht[0] 哈希表在第一次往字典中添加鍵值時分配內(nèi)存空間，而另一個 ht[1] 將會在下文中擴容/縮容才會進行空間分配。
字典中哈希表其實就等同于Java HashMap，我們知道 Java 采用數(shù)組加鏈表/紅黑樹的實現(xiàn)方式，其實哈希表也是使用類似的數(shù)據(jù)結(jié)構(gòu)。
哈希表結(jié)構(gòu)如下所示：
其中 table 屬性是個數(shù)組， 其中數(shù)組元素保存一種 dictEntry的結(jié)構(gòu)，這個結(jié)構(gòu)完全類似與 HashMap 中的 Entry 類型，這個結(jié)構(gòu)存儲一個 KV 鍵值對。
同時，為了解決 hash 碰撞的問題，dictEntry 存在一個 next 指針，指向下一個dictEntry ，這樣就形成 dictEntry 的鏈表。
現(xiàn)在，我們回頭對比 Java 中 HashMap，可以發(fā)現(xiàn)兩者數(shù)據(jù)結(jié)構(gòu)基本一致。
只不過 HashMap 為了解決鏈表過長問題導(dǎo)致查詢變慢，JDK1.8 時在鏈表元素過多時采用紅黑樹的數(shù)據(jù)結(jié)構(gòu)。
下面我們開始添加新元素，了解這其中的原理。
元素增加過程
當我們往一個新字典中添加元素，默認將會為字典中 ht[0] 哈希表分配空間，默認情況下哈希表 table 數(shù)組大小為 4（「DICT_HT_INITIAL_SIZE」）。
新添加元素的鍵值將會經(jīng)過哈希算法，確定哈希表數(shù)組的位置，然后添加到相應(yīng)的位置,如圖所示：
繼續(xù)增加元素，此時如果兩個不同鍵經(jīng)過哈希算法產(chǎn)生相同的哈希值，這樣就發(fā)生了哈希碰撞。
假設(shè)現(xiàn)在我們哈希表中擁有是三個元素，：
我們再增加一個新元素，如果此時剛好在數(shù)組 3 號位置上發(fā)生碰撞，此時 Redis 將會采用鏈表的方式解決哈希碰撞。
「注意，新元素將會放在鏈表頭結(jié)點，這么做目的是因為新增加的元素，很大概率上會被再次訪問，放在頭結(jié)點增加訪問速度?！?/strong>
這里我們在對比一下元素添加過程，可以發(fā)現(xiàn) Redis 流程其實與 JDK 1.7 版本的 HashMap 類似。
當我們元素增加越來越多時，哈希碰撞情況將會越來越頻繁，這就會導(dǎo)致鏈表長度過長，極端情況下 O(1) 查詢效率退化成 O(N) 的查詢效率。
為此，字典必須進行擴容，這樣就會使觸發(fā)字典 rehash 操作。
擴容
當 Redis 進行 Rehash 擴容操作，首先將會為字典沒有用到 ht[1]哈希表分配更大空間。
?
畫外音：ht[1]哈希表大小為第一個大于等于ht[0].used*2的 2^2(2的n 次方冪)
?
然后再將 ht[0] 中所有鍵值對都遷移到 ht[1] 中。
簡單起見，忽略指向空節(jié)點
當節(jié)點全部遷移完畢，將會釋放 ht[0]占用空間,并將 ht[1] 設(shè)置為 ht[0]。
擴容 操作需要將 ht[0]所有鍵值對都 Rehash 到 ht[1] 中，如果鍵值過多，假設(shè)存在十億個鍵值對，這樣一次性的遷移，勢必導(dǎo)致服務(wù)器會在一段時間內(nèi)停止服務(wù)。
另外如果每次 rehash 都會阻塞當前操作，這樣對于客戶端處理非常不友好。
為了避免 rehash對服務(wù)器的影響，Redis 采用漸進式的遷移方式，慢慢將數(shù)據(jù)遷移分散到多個操作步驟。
這個操作依賴字典中一個屬性 rehashidx,這是一個索引位置計數(shù)器，記錄下一個哈希表 table 數(shù)組上元素，默認情況為值為 「-1」。
假設(shè)此時擴容前字典如圖所示：
當開始 rehash 操作，rehashidx將會被設(shè)置為 「0」 。
這個期間每次收到增加，刪除，查找，更新命令，除了這些命令將會被執(zhí)行以外，還會順帶將 ht[0]哈希表在 rehashidx 位置的元素 rehash 到 ht[1] 中。
假設(shè)此時收到一個 「K3」 鍵的查詢操作，Redis 首先執(zhí)行查詢操作，接著 Redis 將會為 ht[0]哈希表上table 數(shù)組第 rehashidx索引上所有節(jié)點都遷移到 ht[1] 中。
當操作完成之后，再將 rehashidx 屬性值加 1。
最后當所有鍵值對都 rehash 到 ht[1]中時，rehashidx將會被重新設(shè)置為 -1。
雖然漸進式的 rehash 操作減少了工作量，但是卻帶來鍵值操作的復(fù)雜度。
這是因為在漸進式 rehash 操作期間，Redis 無法明確知道鍵到底在ht[0]中，還是在 ht[1] 中,所以這個時候 Redis 不得不查找兩個哈希表。
以查找為例，Redis 首先查詢 ht[0] ，如果沒找到將會繼續(xù)查找 ht[1],除了查詢以外，更新，刪除也會執(zhí)行如上的操作。
添加操作其實就沒這么麻煩，因為ht[0]不會在使用，那就統(tǒng)一都添加到 ht[1] 中就好了。
最后我們再對比一下 Java HashMap 擴容操作，它是一個一次性操作，每次擴容需要將所有鍵值對都遷移到新的數(shù)組中，所以如果數(shù)據(jù)量很大，消耗時間就會久。
總結(jié)
Redis 字典使用哈希表作為底層實現(xiàn)，每個字典包含兩個哈希表，一個平時使用，一個僅在 rehash 操作中使用。
哈希表總的來說，跟 Java HashMap 真的很類似，底層實現(xiàn)也是一個數(shù)組加鏈表數(shù)據(jù)結(jié)構(gòu)。
最后，當對哈希表進行擴容操作時間，將會采用漸進性 rehash 操作，慢慢將所有鍵值對遷移到新哈希表中。
其實了解 Redis 字典的其中的原理，再去比較 Java HashMap ，其實可以發(fā)現(xiàn)這兩者有如此多的相似點。
所以學習這類知識時，不要僅僅去背，我們要了解其底層原理，知其然知其所以然。
以上就是W3Cschool編程獅關(guān)于阿里面試官：HashMap 熟悉吧？好的，那就來聊聊 Redis 字典吧！的相關(guān)介紹了，希望對大家有所幫助。
