[Redis源码阅读]sds字符串实现

初衷

从开始工作就开始使用Redis,也有一段时间了,但都只是停留在使用阶段,没有往更深的角度探索,每次想读源码都止步在阅读书籍上,因为看完书很快又忘了,这次逼自己先读代码。因为个人觉得写作需要阅读文字来增强灵感,那么写代码的,就阅读更多代码来增强灵感吧。

redis的实现原理,在《Redis设计与实现》一书中讲得很详细了,但是想通过结合代码的形式再深入探索,加深自己的理解,现在将自己探索的心得写在这儿。

sds结构体的定义

#define SDS_TYPE_5  0
#define SDS_TYPE_8 1
#define SDS_TYPE_16 2
#define SDS_TYPE_32 3
#define SDS_TYPE_64 4
#define SDS_TYPE_MASK 7 // sds结构体,使用不同的结构体来保存不同长度大小的字符串
typedef char *sds; struct __attribute__ ((__packed__)) sdshdr5 {
unsigned char flags; /* flags共8位,低三位保存类型标志,高5位保存字符串长度,小于32(2^5-1) */
char buf[]; // 保存具体的字符串
};
struct __attribute__ ((__packed__)) sdshdr8 {
uint8_t len; /* 字符串长度,buf已用的长度 */
uint8_t alloc; /* 为buf分配的总长度,alloc-len就是sds结构体剩余的空间 */
unsigned char flags; /* 低三位保存类型标志 */
char buf[];
};
struct __attribute__ ((__packed__)) sdshdr16 {
uint16_t len; /* used */
uint16_t alloc; /* excluding the header and null terminator */
unsigned char flags; /* 3 lsb of type, 5 unused bits */
char buf[];
};
struct __attribute__ ((__packed__)) sdshdr32 {
uint32_t len; /* used */
uint32_t alloc; /* excluding the header and null terminator */
unsigned char flags; /* 3 lsb of type, 5 unused bits */
char buf[];
};
struct __attribute__ ((__packed__)) sdshdr64 {
uint64_t len; /* used */
uint64_t alloc; /* excluding the header and null terminator */
unsigned char flags; /* 3 lsb of type, 5 unused bits */
char buf[];
};

sds结构体从4.0开始就使用了5种header定义,节省内存的使用,但是不会用到sdshdr5,我认为是因为sdshdr5能保存的大小较少,2^5=32,因此就不使用它。

其他的结构体保存了len、alloc、flags以及buf四个属性。各自的含义见代码的注释。

sds结构体的获取

上面可以看到有5种结构体的定义,在使用的时候是通过一个宏来获取的:

#define SDS_HDR(T,s) ((struct sdshdr##T *)((s)-(sizeof(struct sdshdr##T))))

"##"被称为连接符,它是一种预处理运算符, 用来把两个语言符号(Token)组合成单个语言符号。比如SDS_HDR(8, s),根据宏定义展开是:

((struct sdshdr8 *)((s)-(sizeof(struct sdshdr8))))

而具体使用哪一个结构体,sds底层是通过flags属性与SDS_TYPE_MASK做与运算得出具体的类型(具体的实现可见下面的sdslen函数),然后再根据类型去获取具体的结构体。

sds特性的实现

在Redis设计与实现一书中讲到,相比C字符串而言,sds的特性如下:

  • 常数复杂度获取字符串长度
  • 杜绝缓冲区溢出
  • 减少内存重新分配次数
  • 二进制安全

那么,它是怎么做到的呢?看代码。

常数复杂度获取字符串长度

因为sds将长度属性保存在结构体中,所以只需要读取这个属性就能获取到sds的长度,具体调用的函数时sdslen,实现如下:

static inline size_t sdslen(const sds s) {
unsigned char flags = s[-1];
switch(flags&SDS_TYPE_MASK) {
case SDS_TYPE_5:
return SDS_TYPE_5_LEN(flags);
case SDS_TYPE_8:
return SDS_HDR(8,s)->len;
case SDS_TYPE_16:
return SDS_HDR(16,s)->len;
case SDS_TYPE_32:
return SDS_HDR(32,s)->len;
case SDS_TYPE_64:
return SDS_HDR(64,s)->len;
}
return 0;
}

可以看到,函数是根据类型调用SDS_HDR宏来获取具体的sds结构,然后直接返回结构体的len属性。

杜绝缓冲区溢出

对于C字符串的操作函数来说,如果在修改字符串的时候忘了为字符串分配足够的空间,就有可能出现缓冲区溢出的情况。而sds中的API就不会出现这种情况,因为它在修改sds之前,都会判断它是否有足够的空间完成接下来的操作。

拿书中举例的sdscat函数来看,如果strcat想在原来的"Redis"字符串的基础上进行字符串拼接的操作,但是没有检查空间是否满足,就有可能会修改了"Redis"字符串之后使用到的内存,可能是其他结构使用了,也有可能是一段没有被使用的空间,因此有可能会出现缓冲区溢出。但是sdscat就不会,如下面代码所示:

sds sdscatlen(sds s, const void *t, size_t len) {
size_t curlen = sdslen(s); s = sdsMakeRoomFor(s,len);
if (s == NULL) return NULL;
memcpy(s+curlen, t, len);
sdssetlen(s, curlen+len);
s[curlen+len] = '\0';
return s;
} sds sdscat(sds s, const char *t) {
return sdscatlen(s, t, strlen(t));
}

从代码中可以看到,在执行memcpy将字符串写入sds之前会调用sdsMakeRoomFor函数去检查sds字符串s是否有足够的空间,如果没有足够空间,就为其分配足够的空间,从而杜绝了缓冲区溢出。sdsMakeRoomFor函数的实现如下:

sds sdsMakeRoomFor(sds s, size_t addlen) {
void *sh, *newsh;
size_t avail = sdsavail(s);
size_t len, newlen;
char type, oldtype = s[-1] & SDS_TYPE_MASK;
int hdrlen; /* 只有有足够空间就马上返回,否则就继续执行分配空间的操作 */
if (avail >= addlen) return s; len = sdslen(s);
sh = (char*)s-sdsHdrSize(oldtype);
newlen = (len+addlen);
// SDS_MAX_PREALLOC == 1MB,如果修改后的长度小于1M,则分配的空间是原来的2倍,否则增加1MB的空间
if (newlen < SDS_MAX_PREALLOC)
newlen *= 2;
else
newlen += SDS_MAX_PREALLOC; type = sdsReqType(newlen); if (type == SDS_TYPE_5) type = SDS_TYPE_8; hdrlen = sdsHdrSize(type);
if (oldtype==type) {
newsh = s_realloc(sh, hdrlen+newlen+1);
if (newsh == NULL) return NULL;
s = (char*)newsh+hdrlen;
} else {
/* 新增空间后超过当前类型的长度,使用malloc,并把原字符串拷贝过去 */
newsh = s_malloc(hdrlen+newlen+1);
if (newsh == NULL) return NULL;
memcpy((char*)newsh+hdrlen, s, len+1);
s_free(sh);
s = (char*)newsh+hdrlen;
s[-1] = type; // 给类型标志位赋值
sdssetlen(s, len);
}
sdssetalloc(s, newlen);
return s;
}

减少内存分配操作

sds字符串的很多操作都涉及到修改字符串内容,比如sdscat拼接字符串、sdscpy拷贝字符串等等。这时候就需要内存的分配与释放,如果每次操作都分配刚刚好的大小,那么对程序的性能必定有影响,因为内存分配涉及到系统调用以及一些复杂的算法。

sds使用了空间预分配以及惰性空间释放的策略来减少内存分配操作。

空间预分配

前面提到,每次涉及到字符串的修改时,都会调用sdsMakeRoomFor检查sds字符串,如果大小不够再进行大小的重新分配。sdsMakeRoomFor函数有下面这几行判断:

// SDS_MAX_PREALLOC == 1MB,如果修改后的长度小于1M,则分配的空间是原来的2倍,否则增加1MB的空间
if (newlen < SDS_MAX_PREALLOC)
newlen *= 2;
else
newlen += SDS_MAX_PREALLOC;

函数判断字符串修改后的大小,如果修改后的长度小于1M,则分配给sds的空间是原来的2倍,否则增加1MB的空间。

惰性空间释放

如果操作后减少了字符串的大小,比如下面的sdstrim函数,只是在最后修改len属性,不会马上释放多余的空间,而是继续保留多余的空间,这样在下次需要增加sds字符串的大小时,就不需要再为其分配空间了。当然,如果之后检查到sds的大小实在太大,也会调用sdsRemoveFreeSpace函数释放多余的空间。

sds sdstrim(sds s, const char *cset) {
char *start, *end, *sp, *ep;
size_t len; sp = start = s;
ep = end = s+sdslen(s)-1;
/* 从头部和尾部逐个字符遍历往中间靠拢,如果字符在cest中,则继续前进 */
while(sp <= end && strchr(cset, *sp)) sp++;
while(ep > sp && strchr(cset, *ep)) ep--;
len = (sp > ep) ? 0 : ((ep-sp)+1); // 全部被去除了,长度就是0
if (s != sp) memmove(s, sp, len); // 拷贝内容
s[len] = '\0';
sdssetlen(s,len);
return s;
}

二进制安全

二进制安全指的是只关心二进制化的字符串,不关心具体格式。只会严格的按照二进制的数据存取,不会妄图以某种特殊格式解析数据。比如遇到'\0'字符不会停止解析。

对于C字符串来说,strlen是判断遇到'\0'之前的字符数量。如果需要保存二进制的数据,就不能通过传统的C字符串来保存,因为获取不到它真实的长度。而sds字符串是通过len属性保存字符串的大小,所以它是二进制安全的。

其他小函数实现

在阅读源码的过程中,也发现了两个个人比较感兴趣趣的函数:

  • sdsll2str(将long long类型的整型数字转成字符串)
  • sdstrim (去除头部和尾部的指定字符)

我这两个函数拉出来做了测试,在项目的redis-4.0/tests目录下。sdstrim函数的实现源码上面有列出,看看sdsll2str的实现:

int sdsll2str(char *s, long long value) {
char *p, aux;
unsigned long long v;
size_t l; /* 通过取余数得到原字符串的逆转形式 */
v = (value < 0) ? -value : value;
p = s;
do {
*p++ = '0'+(v%10);
v /= 10;
} while(v);
if (value < 0) *p++ = '-'; /* Compute length and add null term. */
l = p-s;
*p = '\0'; /* 反转字符串 */
p--;
while(s < p) {
aux = *s;
*s = *p;
*p = aux;
s++;
p--;
}
return l;
}

函数是通过不断取余数,得到原字符串的逆转形式,接着,通过从尾部开始将字符逐个放到字符串s中,看起来像是一个反转操作,从而实现了将整型转为字符串的操作。

觉得感兴趣是因为sdsll2str这个函数在之前学习C语言的时候经常能看到作为问题出现,能看到如此简洁的实现,表示眼前一亮。而在PHP开发时经常使用trim函数,所以想看看它们的区别。

总结

通过详细地阅读sds的源码,不仅学习到sds的实现细节,还学习到了一些常用字符串操作函数的实现。如果只是仅仅看看数据结构的定义也可以初步了解,但是要深入了解的话还是需要详细的阅读具体函数的实现代码。还是那句,写代码的,需要阅读更多代码来增强灵感。

我在github有对Redis源码更详细的注解。感兴趣的可以围观一下,给个star。Redis4.0源码注解。可以通过commit记录查看已添加的注解。

原创文章,文笔有限,才疏学浅,文中若有不正之处,万望告知。

更多精彩内容,请关注个人公众号。

[Redis源码阅读]sds字符串实现

上一篇:打包发布 Qt Quick/Widgets 程序


下一篇:使用visual studio 2012 编译opencv2.4.9