Redis skiplist 原理浅析

最新推荐文章于 2025-03-22 06:00:00 发布

原创最新推荐文章于 2025-03-22 06:00:00 发布 · 1.2k 阅读

0 ·

CC 4.0 BY-SA版权

文章标签：

#redis #哈希算法 #数据库

Redis 专栏收录该内容

32 篇文章

订阅专栏

本文介绍Redis中zset的数据结构实现原理，包括hash字典和skiplist的组合使用，详细解析skiplist的基本结构、查找、插入、删除等操作流程。

文章目录

前言

Redis 的 zset 是一个复合结构，一方面它需要一个 hash 结构来存储 value 和 score 的对应关系，另一方面需要提供按照 score 来排序的功能，还需要能够指定 score 的范围来获取 value 列表的功能，这就需要另外一个结构「跳跃列表」。
zset 的内部实现是一个 hash 字典加一个跳跃列表(skiplist)。在这里插入图片描述

skiplist 基本结构

在这里插入图片描述
上图就是跳跃列表的示意图，图中只画了四层，Redis 的跳跃表共有 64 层，意味着最多可以容纳 2^64 次方个元素。每一个 kv 块对应的结构如下面的代码中的 zslnode 结构，kv header 也是这个结构，只不过 value 字段是 null 值——无效的，score 是 Double.MIN_VALUE，用来垫底的。kv 之间使用指针串起来形成了双向链表结构，它们是有序排列的，从小到大。不同的 kv 层高可能不一样，层数越高的 kv 越少。同一层的 kv 会使用指针串起来。每一个层元素的遍历都是从 kv header 出发。

查找过程

定位节点的算法复杂度 O(lg(n))。
在这里插入图片描述
如图所示，我们要定位到那个紫色的 kv，需要从 header 的最高层开始遍历找到第一个节点(最后一个比「我」小的元素)，然后从这个节点开始降一层再遍历找到第二个节点(最后一个比「我」小的元素)，然后一直降到最底层进行遍历就找到了期望的节点(最底层的最后一个比我「小」的元素)。
我们将中间经过的一系列节点称之为「搜索路径」，它是从最高层一直到最底层的每一层最后一个比「我」小的元素节点列表。
有了这个搜索路径，我们就可以插入这个新节点了。不过这个插入过程也不是特别简单。因为新插入的节点到底有多少层，得有个算法来分配一下，跳跃列表使用的是随机算法。

随机层数

对于每一个新插入的节点，都需要调用一个随机算法给它分配一个合理的层数。直观上期望的目标是 50% 的 Level1，25% 的 Level2，12.5% 的 Level3，一直到最顶层 2^-63，因为这里每一层的晋升概率是 50%。
不过 Redis 标准源码中的晋升概率只有 25%，也就是代码中的 ZSKIPLIST_P 的值。所以官方的跳跃列表更加的扁平化，层高相对较低，在单个层上需要遍历的节点数量会稍多一点。
也正是因为层数一般不高，所以遍历的时候从顶层开始往下遍历会非常浪费。跳跃列表会记录一下当前的最高层数 maxLevel，遍历时从这个 maxLevel 开始遍历性能就会提高很多。

插入过程

首先我们在搜索合适插入点的过程中将「搜索路径」摸出来了，然后就可以开始创建新节点了，创建的时候需要给这个节点随机分配一个层数，再将搜索路径上的节点和这个新节点通过前向后向指针串起来。如果分配的新节点的高度高于当前跳跃列表的最大高度，就需要更新一下跳跃列表的最大高度。

删除过程

删除过程和插入过程类似，都需先把这个「搜索路径」找出来。然后对于每个层的相关节点都重排一下前向后向指针就可以了。同时还要注意更新一下最高层数 maxLevel。

更新过程

Redis 遇到 score 值改变了就直接先删除这个元素，再插入这个元素。

极端情况

在一个极端的情况下，zset 中所有的 score 值都是一样时，zset 的排序元素不只看 score 值，如果 score 值相同还需要再比较 value 值(字符串比较)。

元素排名

Redis 在 skiplist 的 forward 指针上进行了优化，给每一个 forward 指针都增加了 span 属性，span 是「跨度」的意思，表示从前一个节点沿着当前层的 forward 指针跳到当前这个节点中间会跳过多少个节点。Redis 在插入删除操作时会小心翼翼地更新 span 值的大小。
这样当我们要计算一个元素的排名时，只需要将「搜索路径」上的经过的所有节点的跨度 span 值进行叠加就可以算出元素的最终 rank 值。