剖析JS和Redis的数据结构设计：数组

语言的数据结构相通性

最近读了Redis的原理实现，感受到程序语言的相通性，只要你掌握了语言的共性，触类旁通其他语言的开发就变得非常简单了。

总体来说，各种程序语言底层的设计思想是非常相通的，首先针对需要解决的问题和场景选择不同的数据结构和算法，根据运行环境设计不同的架构和特性，根据作者的喜好选择开发的风格，根据应用场景开发对外的接口，根据程序员的实践维护社区和bug反馈区。

不要将某种数据结构固化成你理解的某种语言的一种实现方式，它们都只是一种方便理解的概念，有许多种实现它的方式，甚至完全不同。

我们下面看下数组这种数据结构的设计思路。

数据类型：数组

当我们想要设计一种数组的数据结构时，最容易想到的就是排成一队的学生，每个学生就是一个元素，我们可以对他们进行增删查改。他们紧紧相连，就像一块连续的存储空间。

数据结构.png

当我们可以从头到尾的看完所有学生信息（遍历），也可以从头开始查找第4个学生（索引）。我们可以加入一个学生到任意位置（插入），也可以将任意一位同学移出队列（删除），但为了保持紧密连续的队列，我们需要做一些额外的调整。

这就是最常用的数据结构：数组。

优势：

  1. 数据存储连续紧密，占用空间少。

  2. 遍历数据时可以充分利用磁盘连续空间，减少磁盘臂的移动，提高访问速度。

  3. 在每个元素占用空间相同时，能够支持快速索引访问。

缺点：

  1. 只有头部指针，无法得知当前数组有多少元素，只能全部遍历后统计。

  2. 元素占用空间不同时，缺乏随机读写的能力，必须从数组头部顺序访问和查找。

  3. 如果中间元素出现增删，后续元素的位置需要依次更新。

改进版1：支持总数查询

在使用数组时，查询元素的总数是常见的需求，遍历元素获取数组长度的方式非常低效，如mysql普通的查询总行数，select count(*) from table_name，就会扫描全表。

为了支持总数快速查询，我们可以看下javascript的数组实现方式，它通过增加一个字段length，在每次变更时更新这个数字，即可无需遍历，直接读取长度信息。

数据结构 (4).png

改进版2：支持下标的快速访问

数组经常会进行遍历，但也会使用下标获取指定的元素，而典型的数组只能通过使用单独的计数器来遍历查找指定的元素，时间复杂度为O(n)，在元素很多时耗时很久。

方式一：元素长度固定

这种方式下，我们就可以使用（目标元素地址 = 数组头部地址 + 元素长度 * 元素下标）的方式访问指定元素。

但是缺点也很明显，应用场景比较狭窄，因为所有元素占用空间都相同的情况非常少，在大部分场景下各个元素使用的空间不尽相同，这样就会导致空间的浪费。所以基本不会使用这种方式。

方式二：使用Hash方式

数据结构 (2).png
在这种存储方式中，我们先使用一个指定长度l的连续数组作为槽，这个长度就是hash的模值，我们用数组元素的索引i对数组长度l取模，得到槽的索引，然后用链表的方式进行存储，这样就能够进行快速的下标访问。

但是缺点也很明显，就是如果中间的元素增加或删除，后面的所有元素都需要重新hash和排列，因此也比较低效。

改进版3: 无需后置元素依次更新

数据结构 (5).png
在原数组更新时，我们可以直接在原位置上进行重写，而如果需要删除元素2，我们可以直接申请一块内存空间，将元素2之前和之后的连续内存空间直接拷贝到新空间中，就完成了数组的缩容。

扩容也是一样的，新增了元素5，我们同样重新申请一块内存空间，然后将元素5之前的拷贝到新空间，写入元素5，再将元素5之后的连续内存空间进行批量拷贝。

JS数组实现

// The JSArray describes JavaScript Arrays
//  Such an array can be in one of two modes:
//    - fast, backing storage is a FixedArray and length <= elements.length();
//       Please note: push and pop can be used to grow and shrink the array.
//    - slow, backing storage is a HashTable with numbers as keys.
class JSArray: public JSObject {
public:
// [length]: The length property.
DECL_ACCESSORS(length, Object)

首先看源码实现，会发现JS中数组是基于对象的，根据数组状态不同，元素属性分为固定长度的快数组，和hashTable存储的慢数组。

快数组和慢数组

快数组和慢数组最大的区别就是存储使用的数据结构不同，快数组采用连续空间的方式存储，慢数组采用hashTable的链表方式存储。

// Constants for heuristics controlling conversion of fast elements
// to slow elements.
// Maximal gap that can be introduced by adding an element beyond
// the current elements length.
static const uint32_t kMaxGap = 1024;
// JSObjects prefer dictionary elements if the dictionary saves this much
// memory compared to a fast elements backing store.
static const uint32_t kPreferFastElementsSizeFactor = 3;

查看快慢数组转换源码：

static inline bool ShouldConvertToSlowElements(JSObject object,
uint32_t capacity,
uint32_t index,
uint32_t* new_capacity) {
STATIC_ASSERT(JSObject::kMaxUncheckedOldFastElementsLength <=
JSObject::kMaxUncheckedFastElementsLength);
if (index < capacity) {
*new_capacity = capacity;
return false;
}
if (index - capacity >= JSObject::kMaxGap) return true;
*new_capacity = JSObject::NewElementsCapacity(index + 1);
DCHECK_LT(index, *new_capacity);
// TODO(ulan): Check if it works with young large objects.
if (*new_capacity <= JSObject::kMaxUncheckedOldFastElementsLength ||
(*new_capacity <= JSObject::kMaxUncheckedFastElementsLength &&
ObjectInYoungGeneration(object))) {
return false;
}
// If the fast-case backing storage takes up much more memory than a
// dictionary backing storage would, the object should have slow elements.
int used_elements = object->GetFastElementsUsage();
uint32_t size_threshold = NumberDictionary::kPreferFastElementsSizeFactor *
NumberDictionary::ComputeCapacity(used_elements) *
NumberDictionary::kEntrySize;
return size_threshold <= *new_capacity;
}

快数组、慢数组两者转化的临界点有两种：

  1. if (index - capacity >= JSObject::kMaxGap) return true;

  2. return size_threshold <= *new_capacity;

其中kEntrySize根据数组存储的内容不同，会在1｜2｜3中选择一个作为系数，当为数组索引时一般为2。

根据代码可知，也就是空洞元素大于1024个，或者新容量 > 3*旧容量*2 时，会将快数组转化为慢数组。

所谓的空洞就是未初始化的索引值，如

const a = [1,2];
a[1030] = 1;

此时就会产生1028个空洞产生，会直接使用满数组来存储，这样能够节省大量的存储空间。

总之，在JS V8引擎中，数组使用快慢两种方式设计，快数组提高操作效率，慢数组节省空间。

数组的操作

数组的常用push/pop是通过直接在内存尾部追加或删除，一般申请内存时会留有冗余，空间不够时再次申请。

 // Number of element slots to pre-allocate for an empty array.
static const int kPreallocatedArrayElements = 4;
};

从上面的代码中可以看到，初次申请就会分配4个元素槽位置。

static const uint32_t kMinAddedElementsCapacity = 16;
// Computes the new capacity when expanding the elements of a JSObject.
static uint32_t NewElementsCapacity(uint32_t old_capacity) {
// (old_capacity + 50%) + kMinAddedElementsCapacity
return old_capacity + (old_capacity >> 1) + kMinAddedElementsCapacity;
}

当空间不够用时，就会申请新的空间，新空间容量=原空间+原空间/2+16。

然后根据需要变动的位置分为前后两块，直接按照连续内存空间的长度一次性拷贝到新内存地址上，效率是很高的。

Redis数组实现

Redis（Remote Dictionary Service, 远程字典服务)是使用最为广泛的存储中间件，由于其超高的性能和丰富的客户端支持，常常用于缓存服务，当然它也可以用于持久化存储服务。

Redis数组常用来存储任务队列，使用队列或者栈的方式，进行任务分发和处理。

ziplist压缩列表

Redis在数组元素较少时，使用ziplist（压缩列表）来存储，它是一块连续的内存空间，元素紧密存储，没有空隙。

数据结构 (6).png

// 压缩列表结构体
struct ziplist<T> {
int32 zlbytes;  // 整个压缩列表占用字节数
int32 zltail_offset;    // 最后一个元素的偏移量
int16 zllength;     // 元素个数
T[] entries;    // 元素内容列表
int8 zlend;     // 结束标志位，值为0xFF
}
// 压缩列表元素结构体
struct entry {
int<var> prevlen;   // 前一个entry的字节长度
int<var> encoding;      // 元素类型编码
optional byte[] content;    // 元素内容
}

因此通过zltail_offset我们可以快速定位到最后一个元素，通过prevlen可以支持双向遍历，通过zllength属性我们可以不用遍历就能支持整个数组的元素个数。

由于ziplist采取紧凑存储，因此没有空间冗余，导致每次插入新元素时，我们都需要申请新的内存空间进行扩展，然后将原内存地址空间直接拷贝到新空间中。由于Redis是单线程，因此如果压缩列表的容量过大，就会导致服务卡顿，因此不适合存储过大空间的内容。当更新数据时，如果内容是减少的或者没有超过已占用的指定字节数阈值，就可以原地更新。

quicklist快速列表

由于ziplist不适合大容量存储，因此在数组元素较多时，我们结合linkedlist（链表）的方式设计了quicklist。

数据结构 (7).png

struct quicklist {
quicklistNode* head;    // 头部指针
quicklistNode* tail;    // 尾部指针
long count;     // 元素总数
int nodes;      // ziplist节点个数
int compressDepth;      // LZF压缩算法深度
}
struct quicklistNode {
quicklistNode* prev;    // 前节点指针
quicklistNode* next;    // 后节点指针
ziplist* zl;    // ziplist指针
int32 size;     // ziplist字节总数
int16 count;    // ziplist元素总数
int2 encoding;      // 存储形式：原生数组｜LZF压缩数组
}

一般每个ziplist的空间上限为8KB，超过就会创建新的节点，这样保证每个节点在更新时不会操作过大的空间进行复制，同时在检索时也大大提高了效率。每个节点的空间限制可以由list-max-ziplist-size参数配置。

在该结构体中，为了进一步压缩空间占用，可以使用LZF算法进行压缩，压缩深度为0｜1｜2三种，0就是不压缩，1就是首尾的前两个元素不压缩，其余都压缩，2就是首尾的一个元素不压缩，其余都压缩。

首尾元素不压缩是为了保证push/pop的快速操作时不用再解压缩改指针内容，而其他元素的压缩预计可以节省一半的空间。

总结

在语言的数组设计中，我们会发现几个通性：

  1. 优先采用连续存储的内存空间，提升操作的效率。

  2. 在新增元素时，采用连续内存空间复制的方式提升操作效率。

  3. 使用专用的变量来存储数组长度，而不是通过遍历。

  4. 在元素很多时，采用链表的方式存储，减少大块内存的申请和占用。同时提升查询效率。

参考资料

  1. Redis深度历险-核心原理与应用实践

  2. 探究V8引擎的数组底层实现：https://juejin.im/post/5d8091...

  3. 从Chrome源码看JS Array的实现：https://www.yinchengli.com/20...

  4. V8源码：https://github.com/v8/v8/tree...

以上是 剖析JS和Redis的数据结构设计：数组 的全部内容， 来源链接： utcz.com/a/24836.html

回到顶部