欢迎来到皮皮网官网
1.[redis 数数据实现源码走读] maxmemory 数据淘汰策略
2.redis源码学习-quicklist篇
3.挖一挖 Redis 所有数据类型的底层数据结构
4.Redis数据结构(二)-List、Hash、据类Set及Sorted Set的型源结构实现
5.Redis 源码分析字典（dict）
6.Redis教程——数据类型（基数统计、地理空间、类型位域）
[redis 原理源码走读] maxmemory 数据淘汰策略
Redis 是一个内存数据库，通过配置 `maxmemory` 来限定其内存使用量。数数据实现同花顺画线公式源码当 Redis 据类主库内存超出限制时，会触发数据淘汰机制，型源以减少内存使用量，类型直至达到限制阈值。原理
当 `maxmemory` 配置被应用，数数据实现Redis 据类会根据配置采用相应的数据淘汰策略。`volatile-xxx` 类型配置仅淘汰设置了过期时间的型源数据，而 `allkeys-xxx` 则淘汰数据库中所有数据。类型若 Redis 原理主要作为缓存使用，可选择 `allkeys-xxx`。
数据淘汰时机发生在事件循环处理命令时。有多种淘汰策略可供选择，从简单到复杂包括：不淘汰数据（`noeviction`）、随机淘汰（`volatile-random`、`allkeys-random`）、采样淘汰（`allkeys-lru`、`volatile-lru`、`volatile-ttl`、`volatile-freq`）以及近似 LRU 和 LRU 策略（`volatile-lru` 和 `allkeys-lru`）。
`noeviction` 策略允许读操作但禁止大多数写命令，返回 `oomerr` 错误，仅允许执行少量写命令，如删除命令 `del`、`hdel` 和 `unlink`。
`volatile-random` 和 `allkeys-random` 机制相对直接，随机淘汰数据，策略相对暴力。
`allkeys-lru` 策略根据最近最少使用（LRU）算法淘汰数据，优先淘汰最久未使用的数据。
`volatile-lru` 结合了过期时间与 LRU 算法，优先淘汰那些最久未访问且即将过期的数据。
`volatile-ttl` 策略淘汰即将过期的数据，而 `volatile-freq` 则根据访问频率（LFU）淘汰数据，易语言access源码考虑数据的使用热度。
`volatile-lru` 和 `allkeys-lru` 策略通过采样来近似 LRU 算法，维护一个样本池来确定淘汰顺序，以提高淘汰策略的精确性。
总结而言，Redis 的数据淘汰策略旨在平衡内存使用与数据访问需求，通过灵活的配置实现高效的数据管理。策略的选择应基于具体应用场景的需求，如数据访问模式、性能目标等。
redis源码学习-quicklist篇
Redis源码中的quicklist是ziplist优化版的双端链表，旨在提高内存效率和操作效率。ziplist虽然内存使用率高，但查找和增删操作的最坏时间复杂度可能达到O(n^2)，这与Redis高效数据处理的要求不符。quicklist通过每个节点独立的ziplist结构，降低了更新复杂度，同时保持了内存使用率。
quicklist的基本结构包括：头节点（head）、尾节点（tail）、entry总数（count）、节点总数（len）、容量指示（fill）、压缩深度（compress）、以及用于内存管理的bookmarks。节点结构包括双向链表的prev和next，ziplist的引用zl，ziplist的字节数sz、item数count、以及ziplist类型（raw或lzf压缩）和尝试压缩标志（attempted_compress）。
核心操作函数如create用于初始化节点，insert则根据需求执行头插法或尾插法。delete则简单地从链表中移除节点，释放相关内存。quicklist的优化重点在于ziplist，理解了ziplist的工作原理，quicklist的数据结构理解就相对容易了。
挖一挖 Redis 抽奖源码自适应所有数据类型的底层数据结构
Redis，这款高效的数据存储系统，提供了多种数据类型的底层实现，以满足不同场景下的高效处理需求。让我们深入探究一下这些核心数据结构：
首先，字符串(String)是Redis中最基础的数据类型，它以键值对的形式存储数据，底层实现通常是连续的内存空间，便于快速读取和修改。
哈希表(List)则支持存储一系列有序或无序的元素，每个元素关联一个唯一的键。在Redis中，它使用双向链表来保持数据的顺序，提供了高效的元素插入、删除和查找操作。
集合(Set)存储不重复的元素，Redis通过哈希表实现，确保了元素的唯一性，查找和添加操作非常迅速。
有序集合(Sorted Set)结合了哈希表和有序列表的特点，每个元素有唯一的分数值，可以对元素进行排序和范围查询，它底层通常采用跳表或者区间树来提高性能。
更复杂的数据结构如Bitmaps（位图）用于高效地存储大量布尔值，通过位操作实现快速的集合操作。HyperLogLog（基数估计）则用于近似计数，适用于海量数据的统计，其占用空间小，但精度稍有牺牲。
Geospatial（地理空间索引）则支持基于地理位置的数据存储和查询，它利用空间数据结构如R-Tree，使得地理位置相关的数据查找和分析变得简单高效。
总的来说，Redis通过这些巧妙的数据结构设计，提供了强大且灵活的数据管理能力，适应了从简单的键值对存储到复杂的数据分析的各种应用场景。
Redis数据结构(二)-List、Hash、Set及Sorted Set的仿腾讯分析源码结构实现
List类型通常被用作异步消息队列、文章列表查询等；存储有序可重复数据或作为简单的消息推送机制时，可以使用Redis的List类型。这类数据的存储通常会使用链表或者数组作为存储结构。如果能够将链表和数组的特点结合起来，就能够很好地处理List类型的数据存储。 Redis在早期使用了ZipList作为List类型的存储结构。ZipList是一个连续的内存块，由表头、若干个entry节点和压缩列表尾部标识符zlend组成。通过一系列编码规则，提高了内存的利用率，适用于存储整数和短字符串。每次增加和删除数据时，所有数据都在同一个ZipList中进行搬移操作。如果将一个组数据按阈值进行拆分出多个数据，就能保证每次只操作某一个ZipList。3.2之后，Redis开始使用QuickList作为更有效的List实现。 QuickList维护了一种宏观上的双端链表，每个节点为对ZipList的包装，即quicklistNode。每个quicklistNode都会通过前后指针相互指向，QuickList包含头、尾quicklistNode的指针。QuickList使用每个ziplist的最大容量、数据压缩范围和单个ziplist节点最大存储量来提升数据存取效率。通过设置这些参数，可以调整数据压缩的程度，以优化性能。例如，-5表示最大容量为KB，适用于非正常工作负载；-4表示最大容量为KB，不推荐；-3表示最大容量为KB，可能不推荐；-2表示最大容量为8KB，较好；-1表示最大容量为4KB，较好。 Redis的链表实现具有以下特性： 1. 通过快速增加或减少节点，链表可以自动调整大小，小区无忧系统源码以适应存储的数据量变化。2. QuickList允许在链表的头部和尾部进行高效插入和删除操作。
3. 通过链表的结构，可以实现快速的数据访问，尤其是对于需要频繁访问数据的场景。
Hash
Hash数据结构在存储一个对象时，可以直接将该对象进行序列化后使用String类型存储，然后通过反序列化获取对象。对于只需要获取对象的某个属性的场景，可以将每个属性分别存储，但这样会导致Redis的dict中存在大量key，影响键的生命周期管理效率。使用Map结构可以将属性与值关联起来，减少存储空间，提高效率。 Redis的Hash数据结构也是使用dict实现的。当数据量较小或单个元素较小时，底层使用ZipList存储。配置如下：ziplist元素个数超过时，将改为hashtable编码。
单个元素大小超过字节时，将改为hashtable编码。
Set
Set类型适合用于对不重复集合的操作，可以判断元素是否存在于集合中。Set数据结构底层实现为value为null的dict，当数据可以使用整型表示时，Set集合将被编码为intset结构。整数集合是一个有序的、存储整型数据的结构，可以保存大范围的整型数据，并保证集合中不会有重复数据。Sorted Set
Sorted Set是一种有序集合，连续空间存储数据，每次增加数据都会对全量数据进行搬运。对于有序链表查找指定元素，只能通过头、尾节点遍历方式进行查找。如果将每个数据增加不定层数的索引，索引之间相互关联，就可以通过遍历层级的索引来确定元素所处范围，减少空间复杂度。跳跃表是一种可以对有序链表进行近似二分查找的数据结构，Redis在两个地方使用了跳跃表，一个是实现有序集合，另一个是在集群节点中用作内部数据结构。 ZSet数据结构底层实现为字典(dict) + 跳跃表(skiplist)。跳跃表通过在每个节点中维持多个指向其他节点的指针，实现快速访问节点的目的。它支持平均O(logN)、最坏O(N)复杂度的节点查找，并且还可以通过顺序性操作来批量处理节点。数据量较少时，使用ziplist编码结构存储；数据量较多或有序集合中元素是较长字符串时，Redis使用跳跃表作为有序集合键的底层实现。 配置如下：元素个数超过时，用skiplist编码。
单个元素大小超过字节时，用skiplist编码。
总结
Redis提供了多种数据结构，包括List、Hash、Set和Sorted Set。这些数据结构在不同的应用场景中具有独特的优点，能够高效地处理不同类型的数据操作。通过合理选择和配置存储结构，可以优化Redis的性能，满足各种业务场景的需求。 京东云开发者社区提供了丰富的学习资源和交流平台，欢迎开发者们积极参与学习和讨论，共同提升技术水平。更多关于Redis数据结构的知识和实践，可以参考相关文档和社区讨论。Redis 源码分析字典（dict）
Redis 的内部字典世界：从哈希表到高效管理的深度解析
Redis，作为开源的高性能键值存储系统，其内部实现的字典数据结构是其核心组件之一。这个数据结构采用自定义的哈希表——dictEntry，巧妙地存储和管理着键值对。让我们一起深入理解这一强大工具的运作机制。
首先，Redis的字典是基于哈希表的，通过哈希函数将键转换为数组索引，实现高效查找。dictEntry结构巧妙地封装了键（key）、值（value）以及指向下一个节点的指针，构成了数据存储的基本单元。同时，dict包含一系列操作函数，包括哈希计算、键值复制、比较以及销毁操作，这些函数的指针类型（dictType）和实际数据结构共同构建了其高效性能。
在字典的管理中，rehash是一个关键概念，它标志着哈希表的重新分布过程。rehash标志是一个计数器，用于跟踪当前哈希表实例的状态，确保在负载过高时进行扩容。当ht_used[0]非零，且满足特定条件（如元素数量超过初始桶数），服务器会触发resize操作，这通常在serverCron定时任务中进行，以避免磁盘I/O竞争。
rehash过程中，Redis采取渐进式策略，通过dictRehash函数，逐个移动键值对到新哈希表，确保操作的线程安全。为了避免长时间阻塞，这个过程被分散到函数中，并通过serverCron定时任务，以毫秒级的步长进行，确保在无磁盘写操作时进行。
在处理过期键时，dictRehashMilliseconds()函数扮演重要角色，它在rehash时监控时间消耗，确保性能。rehash过程中，dictAdd负责插入新哈希表，而dictFind和dictDelete则需处理ht_table[0]和ht_table[1]的键值对。
Redis的默认哈希算法采用SipHash，保证了数据的分布均匀性。在持久化时，负载因子默认设置为5，而rehash后，数据结构会采用迭代器的形式，分为安全和非安全两种，以满足不同场景的需求。
在实际操作中，如keysCommand，会选择安全模式以避免重复遍历，而在处理大规模数据时，如scan命令，可能需要使用非安全模式，但需注意可能带来的问题。
总的来说，Redis的字典数据结构是其高效性能的基石，通过精细的哈希管理、rehash策略以及迭代器设计，确保了在高并发和频繁操作下的稳定性和性能。深入理解这些内部细节，对于优化Redis性能和应对复杂应用场景至关重要。
Redis教程——数据类型（基数统计、地理空间、位域）
Redis教程——数据类型详解
在前文介绍了Redis的数据类型（有序集合和位图）后，本文继续探讨基数统计、地理空间和位域等重要数据类型。基数统计：HyperLogLog
HyperLogLog是一种高效的基数统计算法，当处理大量元素时，使用KB内存即可处理接近2^个不同元素。它专注于基数计算，而非元素存储，因此无法返回每个元素，只能统计去重后的数量，常用于统计IP访问、搜索关键词和用户搜索词条。基本操作
使用pfadd命令创建基数统计类型，例如:pfadd key value...
通过pfmerge合并数据:pfmerge destination key...
地理空间：GEO
GEO类型用于存储地理位置信息，支持添加、获取和计算距离等操作。如:geoadd key longitude latitude name...
获取地理位置
利用zrange命令（需开启raw模式）获取元素:zrange key [start] [end] WITHSCORES
位域：bitfield
bitfield命令支持对连续位进行操作，如获取字节:bitfield key command
修改和增删位:set key offset value
incrby key offset increment
溢出控制有多种方式:bitfield key command [flags]
总结
本期介绍了Redis的基数统计、地理空间和位域功能，下一节将转向流数据类型的学习。关注公众号“白巧克力LIN”，获取更多Python、数据库等技术文章更新。Redis的数据类型-Stream
接上一版： Redis的数据类型-Stream
3）范围查发现：XRANGE命令
功能：返回流中满足给定ID范围的条目。范围由最小和最大ID指定。所有ID在指定的两个ID之间或与其中一个ID相等（闭合区间）的条目将会被返回。XRANGE命令的反转版本是XREVRANGE。
语法：XRANGE key start end [COUNT count]
返回值：key ：队列名；start ：开始值，-表示最小值；end ：结束值， +表示最大值；count ：数量。
4）消息长度：XLEN命令
功能：返回Stream中的条目数。如果指定的键不存在，则返回0。注意，0长度流是可能的，因此需调用TYPE或EXISTS来检查键是否存在。
一旦流内部没有条目（例如在XDEL调用之后），流不会自动删除，因为流可能具有与之关联的使用者组。
5）删除：XDEL命令
功能：从流中删除指定的条目，并返回已删除的条目数。在流中不存在某些指定ID的情况下，返回的数字可能小于传递给命令的ID数。删除操作有助于遵守隐私政策。
Redis流的内存效率体现在使用基数树来索引宏节点，通常情况下，删除条目后，流不会立即回收内存，而是标记该条目为已删除。只有当宏节点中的所有条目都被标记为已删除时，才会销毁节点和回收内存。
四、消费者命令
1）创建消费组：XGROUP CREATE命令
功能：创建一个具有唯一标识符的新使用者组，该组用于存储在流中的数据。给定的流中有唯一的组名称。如果已有相同名称的使用者组存在，命令将返回错误。
语法：XGROUP CREATE key group [MKSTREAM][ENTRIESREAD entries-read]
2）读取队列的消息：XREADGROUP命令
功能：从指定的消费者组读取消息。无需预先创建消费者。
语法：XREADGROUP GROUP group consumer [COUNT count][BLOCK milliseconds][NOACK] STREAMS key [key ...] id [id ...]
3）记录未确认的消息：XPENDING命令
功能：跟踪挂起消息列表，以解决消息丢失问题。允许检查组内消息状态、待消费消息数量和消息空闲时间。
语法：XPENDING key group [[IDLE min-idle-time] start end count [consumer]]
4）通知确认：XACK命令
功能：确认已处理的消息，一旦消息被XACK确认，表示消息已处理完毕。
语法：XACK key group id [id ...]
5）消息转移：XCLAIM命令
功能：转移未处理消息的所有权。当消费者失败时，其他消费者可以使用XCLAIM来获取所有权，继续处理消息。
语法：XCLAIM key group consumer min-idle-time id [id ...][IDLE ms][TIME unix-time-milliseconds][RETRYCOUNT count][FORCE][JUSTID][LASTID lastid]
6）查看流和消费者组信息：XINFO命令
功能：提供流和消费者组的相关信息，用于调试和管理。
语法：XINFO key [GROUP group] [CONSUMER consumer] [STREAM stream]
返回值：视命令执行的不同，返回流和消费者组的详细信息。
