阿里面試官：HashMap 熟悉吧？好的，那就來聊聊 Redis 字典吧！
最近，小黑哥的一個朋友出去面試，回來跟小黑哥抱怨，面試官不按套路出牌，直接打亂了他的節奏。
事情是這樣的，前面面試問了幾個 Java 的相關問題，我朋友回答還不錯，接下來面試官就問了一句：看來 Java 基礎還不錯，Java HashMap 你熟悉吧？
我朋友回答。工作經常用，有看過源碼。
我朋友本來想著，你隨便來吧，這個問題之前已經準備好了，隨便問吧。
誰知道，面試官下面一句：
那好的，我們來聊聊 Redis 字典吧。
直接將他整蒙逼。
小黑哥的朋友由於沒怎麼研究過 Redis 字典，所以這題就直接回答不知道了。
當然，如果面試中真不知道，那就回答不了解，直接下一題，不要亂答。
不過這一題，小黑哥覺得還是很可惜，其實 Redis 字典基本原理與 HashMap 差不多，那我們其實可以套用這其中的原理，不求回答滿分，但是怎麼也可以得個及格分吧~
面試過程真要碰到這個問題，我們可以從下面三個方面回答。
- 數據結構
- 元素增加過程
- 擴容
字典數據結構
說起字典，也許大家比較陌生，但是我們都知道 Redis 本身提供 KV 查詢的方式，這個 KV 就是其實通過底層就是通過字典保存。
另外，Redis 支援多種數據類型，其中一種類型為 Hash 鍵，也可以用來存儲 KV 數據。
小黑哥剛開始了解的這個數據結構的時候，本來以為這個就是使用字典實現。其實並不是這樣的，初始創建 Hash 鍵，默認使用另外一種數據結構-ZIPLIST(壓縮列表)，以此節省記憶體空間。
不過一旦以下任何條件被滿足，Hash 鍵的數據結構將會變為字典，加快查詢速度。
- 哈希表中某個鍵或某個值的長度大於
server.hash_max_ziplist_value（默認值為64）。 - 壓縮列表中的節點數量大於
server.hash_max_ziplist_entries（默認值為512）。
Redis 字典新建時默認將會創建一個哈希表數組，保存兩個哈希表。
其中 ht[0] 哈希表在第一次往字典中添加鍵值時分配記憶體空間，而另一個 ht[1] 將會在下文中擴容/縮容才會進行空間分配。
字典中哈希表其實就等同於Java HashMap，我們知道 Java 採用數組加鏈表/紅黑樹的實現方式，其實哈希表也是使用類似的數據結構。
哈希表結構如下所示：
其中 table 屬性是個數組， 其中數組元素保存一種 dictEntry 的結構，這個結構完全類似與 HashMap 中的 Entry 類型，這個結構存儲一個 KV 鍵值對。
同時，為了解決 hash 碰撞的問題，dictEntry 存在一個 next 指針，指向下一個dictEntry ，這樣就形成 dictEntry 的鏈表。
現在，我們回頭對比 Java 中 HashMap，可以發現兩者數據結構基本一致。
只不過 HashMap 為了解決鏈表過長問題導致查詢變慢，JDK1.8 時在鏈表元素過多時採用紅黑樹的數據結構。
下面我們開始添加新元素，了解這其中的原理。
元素增加過程
當我們往一個新字典中添加元素，默認將會為字典中 ht[0] 哈希表分配空間，默認情況下哈希表 table 數組大小為 4（DICT_HT_INITIAL_SIZE）。
新添加元素的鍵值將會經過哈希演算法，確定哈希表數組的位置，然後添加到相應的位置,如圖所示：
繼續增加元素，此時如果兩個不同鍵經過哈希演算法產生相同的哈希值，這樣就發生了哈希碰撞。
假設現在我們哈希表中擁有是三個元素，：
我們再增加一個新元素，如果此時剛好在數組 3 號位置上發生碰撞，此時 Redis 將會採用鏈表的方式解決哈希碰撞。
注意，新元素將會放在鏈表頭結點，這麼做目的是因為新增加的元素，很大概率上會被再次訪問，放在頭結點增加訪問速度。
這裡我們在對比一下元素添加過程，可以發現 Redis 流程其實與 JDK 1.7 版本的 HashMap 類似。
當我們元素增加越來越多時，哈希碰撞情況將會越來越頻繁，這就會導致鏈表長度過長，極端情況下 O(1) 查詢效率退化成 O(N) 的查詢效率。
為此，字典必須進行擴容，這樣就會使觸發字典 rehash 操作。
擴容
當 Redis 進行 Rehash 擴容操作，首先將會為字典沒有用到 ht[1] 哈希表分配更大空間。
畫外音：
ht[1]哈希表大小為第一個大於等於ht[0].used*2的 2^2(2的n 次方冪)
然後再將 ht[0] 中所有鍵值對都遷移到 ht[1] 中。
當節點全部遷移完畢，將會釋放 ht[0]佔用空間,並將 ht[1] 設置為 ht[0]。
擴容 操作需要將 ht[0]所有鍵值對都 Rehash 到 ht[1] 中，如果鍵值過多，假設存在十億個鍵值對，這樣一次性的遷移，勢必導致伺服器會在一段時間內停止服務。
另外如果每次 rehash 都會阻塞當前操作，這樣對於客戶端處理非常不友好。
為了避免 rehash對伺服器的影響，Redis 採用漸進式的遷移方式，慢慢將數據遷移分散到多個操作步驟。
這個操作依賴字典中一個屬性 rehashidx,這是一個索引位置計數器，記錄下一個哈希表 table 數組上元素，默認情況為值為 -1。
假設此時擴容前字典如圖所示：
當開始 rehash 操作，rehashidx將會被設置為 0 。
這個期間每次收到增加，刪除，查找，更新命令，除了這些命令將會被執行以外，還會順帶將 ht[0]哈希表在 rehashidx 位置的元素 rehash 到 ht[1] 中。
假設此時收到一個 K3 鍵的查詢操作，Redis 首先執行查詢操作，接著 Redis 將會為 ht[0]哈希表上 table 數組第 rehashidx索引上所有節點都遷移到 ht[1] 中。
當操作完成之後，再將 rehashidx 屬性值加 1。
最後當所有鍵值對都 rehash 到 ht[1]中時，rehashidx將會被重新設置為 -1。
雖然漸進式的 rehash 操作減少了工作量，但是卻帶來鍵值操作的複雜度。
這是因為在漸進式 rehash 操作期間，Redis 無法明確知道鍵到底在 ht[0]中，還是在 ht[1] 中,所以這個時候 Redis 不得不查找兩個哈希表。
以查找為例，Redis 首先查詢 ht[0] ，如果沒找到將會繼續查找 ht[1],除了查詢以外，更新，刪除也會執行如上的操作。
添加操作其實就沒這麼麻煩，因為ht[0]不會在使用，那就統一都添加到 ht[1] 中就好了。
最後我們再對比一下 Java HashMap 擴容操作，它是一個一次性操作，每次擴容需要將所有鍵值對都遷移到新的數組中，所以如果數據量很大，消耗時間就會久。
總結
Redis 字典使用哈希表作為底層實現，每個字典包含兩個哈希表，一個平時使用，一個僅在 rehash 操作中使用。
哈希表總的來說，跟 Java HashMap 真的很類似，底層實現也是一個數組加鏈表數據結構。
最後，當對哈希表進行擴容操作時間，將會採用漸進性 rehash 操作，慢慢將所有鍵值對遷移到新哈希表中。
其實了解 Redis 字典的其中的原理，再去比較 Java HashMap ，其實可以發現這兩者有如此多的相似點。
所以學習這類知識時，不要僅僅去背，我們要了解其底層原理，知其然知其所以然。
幫助資料
歡迎關注我的公眾號：程式通事，獲得日常乾貨推送。如果您對我的專題內容感興趣，也可以關注我的部落格：studyidea.cn
