redis保存数据的结构-redisobject结构体

简介: `redisObject`结构体是Redis内部数据组织的核心,它通过集成类型标识、引用计数和编码方式等关键信息,实现了数据的高效管理和访问。这种设计允许Redis根据数据的实际需求动态调整存储结构,既保证了内存使用的高效性,也确保了数据操作的灵活性和速度。通过对 `redisObject`的深入了解,可以更好地掌握Redis如何在内存中高效存储和操作数据,进而优化数据库的性能和资源利用。

Redis作为一款高性能的键值存储系统,其内部数据结构设计精巧,核心在于 redisObject结构体,这一结构体统一管理了不同数据类型的关键元数据,是理解Redis如何高效操作数据的基础。下面将详细解析 redisObject结构体及其在Redis数据存储中的作用。

redisObject结构体概览

在Redis内部,每个键值对(Key-Value)都通过一个称为 redisObject的结构体来封装,这个结构体不仅存储了实际的数据(或者指向数据的指针),还包含了几个关键属性来支持Redis的高级特性,如数据类型标识、引用计数、编码方式等。以下是一个简化的 redisObject结构表示例:

typedef struct redisObject {
    uint8_t type;      // 数据类型:REDIS_STRING, REDIS_LIST, REDIS_HASH, REDIS_SET, REDIS_ZSET等
    uint32_t refcount; // 引用计数,用于内存管理,决定对象是否可被回收
    uint8_t encoding;  // 编码方式,根据数据特点选择最高效的存储形式
    void *ptr;         // 指向实际数据或更复杂数据结构的指针
} robj;
​

数据类型标识(type)

type字段占用1字节,用于标记该对象所属的数据类型。Redis支持五种基本数据类型:字符串(STRING)、列表(LIST)、哈希(HASH)、集合(SET)、有序集合(ZSET)。每种类型都有其特定的操作和优化策略,type字段确保了操作的正确性。

引用计数(refcount)

refcount字段是一个无符号32位整数,用于跟踪该对象被引用的次数。当一个对象被多个键共享(例如,通过Redis的复制功能),其引用计数会增加。当引用计数降至0时,Redis知道该对象不再被使用,可以安全地释放其占用的内存,这是Redis进行内存管理的重要机制。

编码方式(encoding)

encoding字段决定了数据的具体存储格式,是Redis优化性能的关键。不同数据类型和数据大小可以采用不同的编码方式,以最小化内存消耗和提高访问效率。例如,对于小字符串可以直接内联存储在 redisObject结构体内,而对于大字符串则可能采用简单动态字符串(SDS)或其他更复杂的结构。列表(LIST)可能根据元素数量和大小选择使用压缩列表(ziplist)或链表(linkedlist)编码。

实际数据指针(ptr)

ptr字段是一个通用指针,指向实际存储数据的位置。根据 encoding的不同,这个指针可以指向不同类型的数据结构,如SDS字符串、双端链表节点、哈希表等。这种设计使得Redis能够灵活地根据数据特性调整存储方式,从而在不同场景下保持高效。

分析说明表

属性 描述
type 标记对象数据类型,支持高效操作匹配
refcount 内存管理的关键,决定对象生命周期,实现自动内存回收
encoding 动态调整数据存储格式,优化内存使用和访问效率
ptr 指向数据或复杂结构的指针,灵活性高,支持多样化的数据存储方式
实现细节 根据数据类型和大小选择最优编码,如小字符串内联存储,大结构外部分配

总结

redisObject结构体是Redis内部数据组织的核心,它通过集成类型标识、引用计数和编码方式等关键信息,实现了数据的高效管理和访问。这种设计允许Redis根据数据的实际需求动态调整存储结构,既保证了内存使用的高效性,也确保了数据操作的灵活性和速度。通过对 redisObject的深入了解,可以更好地掌握Redis如何在内存中高效存储和操作数据,进而优化数据库的性能和资源利用。

目录
相关文章
|
7月前
|
缓存 NoSQL 关系型数据库
美团面试:MySQL有1000w数据,redis只存20w的数据,如何做 缓存 设计?
美团面试:MySQL有1000w数据,redis只存20w的数据,如何做 缓存 设计?
美团面试:MySQL有1000w数据,redis只存20w的数据,如何做 缓存 设计?
|
7月前
|
数据采集 存储 NoSQL
基于Scrapy-Redis的分布式景点数据爬取与热力图生成
基于Scrapy-Redis的分布式景点数据爬取与热力图生成
403 67
|
NoSQL Redis
Redis的数据淘汰策略有哪些 ?
Redis 提供了 8 种数据淘汰策略,分为淘汰易失数据和淘汰全库数据两大类。易失数据淘汰策略包括:volatile-lru、volatile-lfu、volatile-ttl 和 volatile-random;全库数据淘汰策略包括:allkeys-lru、allkeys-lfu 和 allkeys-random。此外,还有 no-eviction 策略,禁止驱逐数据,当内存不足时新写入操作会报错。
1064 16
|
8月前
|
存储 NoSQL Redis
阿里面试:Redis 为啥那么快?怎么实现的100W并发?说出了6大架构,面试官跪地: 纯内存 + 尖端结构 + 无锁架构 + EDA架构 + 异步日志 + 集群架构
阿里面试:Redis 为啥那么快?怎么实现的100W并发?说出了6大架构,面试官跪地: 纯内存 + 尖端结构 + 无锁架构 + EDA架构 + 异步日志 + 集群架构
阿里面试:Redis 为啥那么快?怎么实现的100W并发?说出了6大架构,面试官跪地: 纯内存 + 尖端结构 +  无锁架构 +  EDA架构  + 异步日志 + 集群架构
|
6月前
|
存储 缓存 NoSQL
告别数据僵尸!Redis实现自动清理过期键值对
在数据激增的时代,Redis如同内存管理的智能管家,支持键值对的自动过期功能,实现“数据保鲜”。通过`EXPIRE`设定生命倒计时、`TTL`查询剩余时间,结合惰性删除与定期清理策略,Redis高效维护内存秩序。本文以Python实战演示其过期机制,并提供最佳实践指南,助你掌握数据生命周期管理的艺术,让数据优雅退场。
427 0
|
9月前
|
存储 NoSQL 算法
Redis分片集群中数据是怎么存储和读取的 ?
Redis集群采用的算法是哈希槽分区算法。Redis集群中有16384个哈希槽(槽的范围是 0 -16383,哈希槽),将不同的哈希槽分布在不同的Redis节点上面进行管理,也就是说每个Redis节点只负责一部分的哈希槽。在对数据进行操作的时候,集群会对使用CRC16算法对key进行计算并对16384取模(slot = CRC16(key)%16383),得到的结果就是 Key-Value 所放入的槽,通过这个值,去找到对应的槽所对应的Redis节点,然后直接到这个对应的节点上进行存取操作
|
9月前
|
缓存 NoSQL 关系型数据库
Redis和Mysql如何保证数据⼀致?
1. 先更新Mysql,再更新Redis,如果更新Redis失败,可能仍然不⼀致 2. 先删除Redis缓存数据,再更新Mysql,再次查询的时候在将数据添加到缓存中 这种⽅案能解决1 ⽅案的问题,但是在⾼并发下性能较低,⽽且仍然会出现数据不⼀致的问题,⽐如线程1删除了 Redis缓存数据,正在更新Mysql,此时另外⼀个查询再查询,那么就会把Mysql中⽼数据⼜查到 Redis中 1. 使用MQ异步同步, 保证数据的最终一致性 我们项目中会根据业务情况 , 使用不同的方案来解决Redis和Mysql的一致性问题 : 1. 对于一些一致性要求不高的场景 , 不做处理例如 : 用户行为数据 ,
|
9月前
|
NoSQL Redis
Redis的数据淘汰策略有哪些 ?
Redis 提供 8 种数据淘汰策略: 淘汰易失数据(具有过期时间的数据) 1. volatile-lru(least recently used):从已设置过期时间的数据集(server.db[i].expires)中挑选最近最少使用的数据淘汰 2. volatile-lfu(least frequently used):从已设置过期时间的数据集(server.db[i].expires)中挑选最不经常使用的数据淘汰 3. volatile-ttl:从已设置过期时间的数据集(server.db[i].expires)中挑选将要过期的数据淘汰 4. volatile-random:从已设置过期
|
9月前
|
NoSQL Redis
Redis的数据持久化策略有哪些 ?
Redis 提供了两种方式,实现数据的持久化到硬盘。 1. RDB 持久化(全量),是指在指定的时间间隔内将内存中的数据集快照写入磁盘。 2. AOF持久化(增量),以日志的形式记录服务器所处理的每一个写、删除操作 RDB和AOF一起使用, 在Redis4.0版本支持混合持久化方式 ( 设置 aof-use-rdb-preamble yes )
|
10月前
|
存储 缓存 NoSQL
Redis哈希结构在提升数据检索速度中的实践应用
本文详细介绍了 Redis 哈希结构的特点、常见使用场景以及如何在实际应用中利用哈希结构提升数据检索速度。通过合理使用 Redis 哈希结构,可以显著提高系统的性能和响应速度。在实际开发中,结合具体业务需求,灵活运用 Redis 提供的多种数据结构,构建高效的缓存和数据存储解决方案。希望本文能帮助您更好地理解和应用 Redis 哈希结构,提升数据检索速度。
286 18