Redis 哈希表的实现要点
问题导读：1.选择哈希算法时主要考虑哪些因素？
2.rehash是什么?
3.渐进式rehash是什么？
static/image/hrline/2.gif
哈希算法的选择
针对不同的key使用不同的hash算法，如对整型、字符串以及大小写敏感的字符串分别使用不同的hash算法；
整型的Hash算法使用的是Thomas Wang's 32 Bit / 64 Bit Mix Function ，这是一种基于位移运算的散列方法。基于移位的散列是使用Key值进行移位操作。通常是结合左移和右移。每个移位过程的结果进行累加，最后移位的结果作为最终结果。这种方法的好处是避免了乘法运算，从而提高Hash函数本身的性能。
unsigned int dictIntHashFunction(unsigned int key)
{
key += ~(key << 15);
key ^=(key >> 10);
key +=(key << 3);
key ^=(key >> 6);
key += ~(key << 11);
key ^=(key >> 16);
return key;
}
字符串使用的MurmurHash算法，MurmurHash算法具有高运算性能，低碰撞率的特点，由Austin Appleby创建于2008年，现已应用到Hadoop、libstdc++、nginx、libmemcached等开源系统。2011年Appleby被Google雇佣，随后Google推出其变种的CityHash算法。
murmur是 multiply and rotate的意思，因为算法的核心就是不断的乘和移位（x *= m; k ^= k >> r;）
unsigned int dictGenHashFunction(const void *key, int len) {
/* 'm' and 'r' are mixing constants generated offline.
They're not really 'magic', they just happen to work well.*/
uint32_t seed = dict_hash_function_seed;
const uint32_t m = 0x5bd1e995;
const int r = 24;
/* Initialize the hash to a 'random' value */
uint32_t h = seed ^ len;
/* Mix 4 bytes at a time into the hash */
const unsigned char *data = (const unsigned char *)key;
while(len >= 4) {
uint32_t k = *(uint32_t*)data;
k *= m;
k ^= k >> r;
k *= m;
h *= m;
h ^= k;
data += 4;
len -= 4;
}
/* Handle the last few bytes of the input array*/
switch(len) {
case 3: h ^= data << 16;
case 2: h ^= data << 8;
case 1: h ^= data; h *= m;
};
/* Do a few final mixes of the hash to ensure the last few
* bytes are well-incorporated. */
h ^= h >> 13;
h *= m;
h ^= h >> 15;
return (unsigned int)h;
}
一个好的hash算法需要满足两个条件：
1) 性能高，运算足够快；
2) 相邻的数据hash后分布广；即使输入的键是有规律的，算法仍然能给出一个很好的随机分布性；
比如：murmur计算"abc"是1118836419，"abd"是413429783。而使用Horner算法，"abc"是96354， "abd"就比它多1（96355）；
rehash
负载因子 = 当前结点数/桶的大小，超过1表示肯定有碰撞了；碰撞的结点，通过链表拉链起来；
所有哈希表的初始桶的大小为4，根据负载因子的变化进行rehash，重新分配空间（扩展或收缩）
当hash表的负载因子超过1后，进行扩展（小于0.01时，进行收缩）；
所谓扩展，就是新建一个hash表2，将桶的数量增大（具体增大为：第一个大于等于usedSize的2的n次冥）；然后将hash表1中结点都转移到hash表2中；
rehash的触发条件：
当做BGSAVE或BGREWRITEEOF时，负载因子超过5时触发rehash，
没有BGSAVE或BGREWRITEEOF时，负载因子超过1时触发rehash；
在BGSAVE或BGREWRITEEOF时，使用到Linux的写时复制，如果这时候做rehash，将会好用更多的内存空间（没有变化的结点用一份，变化的结点复制一份）
渐进式rehash
一个hash表中的数据可能有几百上千万，不可能一次rehash转移完，需要分批逐渐转移；
在rehash的过程中，对redis的查询、更新操作首先会在hash0中查找，没有找到，然后转到hash1中操作；
对于插入操作，直接插入到hash1中；最终目标是将hash表1变为空表，rehash完成；
value的存储键值对的实现，value 是一个union，对整型和字符串使用不同的存储对象；
// 键
void *key;
// 值
union {
void *val;
uint64_t u64;
int64_t s64;
} v;
页:
[1]