共计 7682 个字符，预计需要花费 20 分钟才能阅读完成。
本篇文章为大家展示了 Redis 中内部数据结构 intset 的作用是什么，内容简明扼要并且容易理解，绝对能使你眼前一亮，通过这篇文章的详细介绍希望你能有所收获。
intset 数据结构简介
intset 顾名思义，是由整数组成的集合。实际上，intset 是一个由整数组成的有序集合，从而便于在上面进行二分查找，用于快速地判断一个元素是否属于这个集合。它在内存分配上与
ziplist 有些类似，是连续的一整块内存空间，而且对于大整数和小整数（按绝对值）采取了不同的编码，尽量对内存的使用进行了优化。
intset 的数据结构定义如下（出自 intset.h 和 intset.c）：
typedef struct intset {
uint32_t encoding;
uint32_t length;
int8_t contents[];} intset;
#define INTSET_ENC_INT16 (sizeof(int16_t))
#define INTSET_ENC_INT32 (sizeof(int32_t))
#define INTSET_ENC_INT64 (sizeof(int64_t))各个字段含义如下：
encoding: 数据编码，表示 intset 中的每个数据元素用几个字节来存储。它有三种可能的取值：INTSET_ENC_INT16 表示每个元素用 2 个字节存储，INTSET_ENC_INT32 表示每个元素用 4 个字节存储，INTSET_ENC_INT64 表示每个元素用 8 个字节存储。因此，intset 中存储的整数最多只能占用 64bit。
length: 表示 intset 中的元素个数。encoding 和 length 两个字段构成了 intset 的头部（header）。
contents: 是一个柔性数组（
flexible array member），表示 intset 的 header 后面紧跟着数据元素。这个数组的总长度（即总字节数）等于 encoding * length。柔性数组在 Redis 的很多数据结构的定义中都出现过（例如
sds,
quicklist,
skiplist），用于表达一个偏移量。contents 需要单独为其分配空间，这部分内存不包含在 intset 结构当中。
其中需要注意的是，intset 可能会随着数据的添加而改变它的数据编码：
最开始，新创建的 intset 使用占内存最小的 INTSET_ENC_INT16（值为 2）作为数据编码。
每添加一个新元素，则根据元素大小决定是否对数据编码进行升级。
下图给出了一个添加数据的具体例子（点击看大图）。
在上图中：
新创建的 intset 只有一个 header，总共 8 个字节。其中 encoding = 2,
length = 0。
添加 13, 5 两个元素之后，因为它们是比较小的整数，都能使用 2 个字节表示，所以 encoding 不变，值还是 2。
当添加 32768 的时候，它不再能用 2 个字节来表示了（2 个字节能表达的数据范围是 -215~215-1，而 32768 等于 215，超出范围了），因此 encoding 必须升级到 INTSET_ENC_INT32（值为 4），即用 4 个字节表示一个元素。
在添加每个元素的过程中，intset 始终保持从小到大有序。
与
ziplist 类似，intset 也是按小端（little endian）模式存储的（参见维基百科词条
Endianness）。比如，在上图中 intset 添加完所有数据之后，表示 encoding 字段的 4 个字节应该解释成 0x00000004，而第 5 个数据应该解释成 0x000186A0 = 100000。
intset 与
ziplist 相比：
ziplist 可以存储任意二进制串，而 intset 只能存储整数。
ziplist 是无序的，而 intset 是从小到大有序的。因此，在 ziplist 上查找只能遍历，而在 intset 上可以进行二分查找，性能更高。
ziplist 可以对每个数据项进行不同的变长编码（每个数据项前面都有数据长度字段 len），而 intset 只能整体使用一个统一的编码（encoding）。
intset 的查找和添加操作
要理解 intset 的一些实现细节，只需要关注 intset 的两个关键操作基本就可以了：查找（intsetFind）和添加（intsetAdd）元素。
intsetFind 的关键代码如下所示（出自 intset.c）：
uint8_t intsetFind(intset *is, int64_t value) { uint8_t valenc = _intsetValueEncoding(value);
return valenc = intrev32ifbe(is- encoding) intsetSearch(is,value,NULL);
static uint8_t intsetSearch(intset *is, int64_t value, uint32_t *pos) { int min = 0, max = intrev32ifbe(is- length)-1, mid = -1;
int64_t cur = -1;
/* The value can never be found when the set is empty */
if (intrev32ifbe(is- length) == 0) { if (pos) *pos = 0;
return 0;
} else {
/* Check for the case where we know we cannot find the value,
* but do know the insert position. */
if (value _intsetGet(is,intrev32ifbe(is- length)-1)) { if (pos) *pos = intrev32ifbe(is- length);
return 0;
} else if (value _intsetGet(is,0)) { if (pos) *pos = 0;
return 0;
}
}
while(max = min) { mid = ((unsigned int)min + (unsigned int)max) 1;
cur = _intsetGet(is,mid);
if (value cur) {
min = mid+1;
} else if (value cur) {
max = mid-1;
} else {
break;
}
}
if (value == cur) { if (pos) *pos = mid;
return 1;
} else { if (pos) *pos = min;
return 0;
}
}关于以上代码，我们需要注意的地方包括：
intsetFind 在指定的 intset 中查找指定的元素 value，找到返回 1，没找到返回 0。
_intsetValueEncoding 函数会根据要查找的 value 落在哪个范围而计算出相应的数据编码（即它应该用几个字节来存储）。
如果 value 所需的数据编码比当前 intset 的编码要大，则它肯定在当前 intset 所能存储的数据范围之外（特别大或特别小），所以这时会直接返回 0；否则调用 intsetSearch 执行一个二分查找算法。
intsetSearch 在指定的 intset 中查找指定的元素 value，如果找到，则返回 1 并且将参数 pos 指向找到的元素位置；如果没找到，则返回 0 并且将参数 pos 指向能插入该元素的位置。
intsetSearch 是对于二分查找算法的一个实现，它大致分为三个部分：
特殊处理 intset 为空的情况。
特殊处理两个边界情况：当要查找的 value 比最后一个元素还要大或者比第一个元素还要小的时候。实际上，这两部分的特殊处理，在二分查找中并不是必须的，但它们在这里提供了特殊情况下快速失败的可能。
真正执行二分查找过程。注意：如果最后没找到，插入位置在 min 指定的位置。
代码中出现的 intrev32ifbe 是为了在需要的时候做大小端转换的。前面我们提到过，intset 里的数据是按小端（little endian）模式存储的，因此在大端（big endian）机器上运行时，这里的 intrev32ifbe 会做相应的转换。
这个查找算法的总的时间复杂度为 O(log n)。
而 intsetAdd 的关键代码如下所示（出自 intset.c）：
intset *intsetAdd(intset *is, int64_t value, uint8_t *success) { uint8_t valenc = _intsetValueEncoding(value);
uint32_t pos;
if (success) *success = 1;
/* Upgrade encoding if necessary. If we need to upgrade, we know that
* this value should be either appended (if 0) or prepended (if 0),
* because it lies outside the range of existing values. */
if (valenc intrev32ifbe(is- encoding)) {
/* This always succeeds, so we don t need to curry *success. */
return intsetUpgradeAndAdd(is,value);
} else {
/* Abort if the value is already present in the set.
* This call will populate pos with the right position to insert
* the value when it cannot be found. */
if (intsetSearch(is,value, pos)) { if (success) *success = 0;
return is;
}
is = intsetResize(is,intrev32ifbe(is- length)+1);
if (pos intrev32ifbe(is- length)) intsetMoveTail(is,pos,pos+1);
}
_intsetSet(is,pos,value);
is- length = intrev32ifbe(intrev32ifbe(is- length)+1);
return is;
}关于以上代码，我们需要注意的地方包括：
intsetAdd 在 intset 中添加新元素 value。如果 value 在添加前已经存在，则不会重复添加，这时参数 success 被置为 0；如果 value 在原来 intset 中不存在，则将 value 插入到适当位置，这时参数 success 被置为 0。
如果要添加的元素 value 所需的数据编码比当前 intset 的编码要大，那么则调用 intsetUpgradeAndAdd 将 intset 的编码进行升级后再插入 value。
调用 intsetSearch，如果能查到，则不会重复添加。
如果没查到，则调用 intsetResize 对 intset 进行内存扩充，使得它能够容纳新添加的元素。因为 intset 是一块连续空间，因此这个操作会引发内存的 realloc（参见
http://man.cx/realloc）。这有可能带来一次数据拷贝。同时调用 intsetMoveTail 将待插入位置后面的元素统一向后移动 1 个位置，这也涉及到一次数据拷贝。值得注意的是，在 intsetMoveTail 中是调用 memmove 完成这次数据拷贝的。memmove 保证了在拷贝过程中不会造成数据重叠或覆盖，具体参见
http://man.cx/memmove。
intsetUpgradeAndAdd 的实现中也会调用 intsetResize 来完成内存扩充。在进行编码升级时，intsetUpgradeAndAdd 的实现会把原来 intset 中的每个元素取出来，再用新的编码重新写入新的位置。
注意一下 intsetAdd 的返回值，它返回一个新的 intset 指针。它可能与传入的 intset 指针 is 相同，也可能不同。调用方必须用这里返回的新的 intset，替换之前传进来的旧的 intset 变量。类似这种接口使用模式，在 Redis 的实现代码中是很常见的，比如我们之前在介绍
ziplist 的时候都碰到过类似的情况。
显然，这个 intsetAdd 算法总的时间复杂度为 O(n)。
Redis 的 set
为了更好地理解 Redis 对外暴露的 set 数据结构，我们先看一下 set 的一些关键的命令。下面是一些命令举例：
上面这些命令的含义：
sadd 用于分别向集合 s1 和 s2 中添加元素。添加的元素既有数字，也有非数字（”a”和”b”）。
sismember 用于判断指定的元素是否在集合内存在。
sinter,
sunion 和 sdiff 分别用于计算集合的交集、并集和差集。
我们前面提到过，set 的底层实现，随着元素类型是否是整型以及添加的元素的数目多少，而有所变化。例如，具体到上述命令的执行过程中，集合 s1 的底层数据结构会发生如下变化：
在开始执行完 sadd s1 13 5 之后，由于添加的都是比较小的整数，所以 s1 底层是一个 intset，其数据编码 encoding = 2。
在执行完 sadd s1 32768 10 100000 之后，s1 底层仍然是一个 intset，但其数据编码 encoding 从 2 升级到了 4。
在执行完 sadd s1 a b 之后，由于添加的元素不再是数字，s1 底层的实现会转成一个 dict。
我们知道，dict 是一个用于维护 key 和 value 映射关系的数据结构，那么当 set 底层用 dict 表示的时候，它的 key 和 value 分别是什么呢？实际上，key 就是要添加的集合元素，而 value 是 NULL。
除了前面提到的由于添加非数字元素造成集合底层由 intset 转成 dict 之外，还有两种情况可能造成这种转换：
添加了一个数字，但它无法用 64bit 的有符号数来表达。intset 能够表达的最大的整数范围为 -264~264-1，因此，如果添加的数字超出了这个范围，这也会导致 intset 转成 dict。
添加的集合元素个数超过了 set-max-intset-entries 配置的值的时候，也会导致 intset 转成 dict（具体的触发条件参见 t_set.c 中的 setTypeAdd 相关代码）。
对于小集合使用 intset 来存储，主要的原因是节省内存。特别是当存储的元素个数较少的时候，dict 所带来的内存开销要大得多（包含两个哈希表、链表指针以及大量的其它元数据）。所以，当存储大量的小集合而且集合元素都是数字的时候，用 intset 能节省下一笔可观的内存空间。
实际上，从时间复杂度上比较，intset 的平均情况是没有 dict 性能高的。以查找为例，intset 是 O(log n) 的，而 dict 可以认为是 O(1) 的。但是，由于使用 intset 的时候集合元素个数比较少，所以这个影响不大。
Redis set 的并、交、差算法
Redis set 的并、交、差算法的实现代码，在 t_set.c 中。其中计算交集调用的是 sinterGenericCommand，计算并集和差集调用的是 sunionDiffGenericCommand。它们都能同时对多个（可以多于 2 个）集合进行运算。当对多个集合进行差集运算时，它表达的含义是：用第一个集合与第二个集合做差集，所得结果再与第三个集合做差集，依次向后类推。
我们在这里简要介绍一下三个算法的实现思路。
交集
计算交集的过程大概可以分为三部分：
检查各个集合，对于不存在的集合当做空集来处理。一旦出现空集，则不用继续计算了，最终的交集就是空集。
对各个集合按照元素个数由少到多进行排序。这个排序有利于后面计算的时候从最小的集合开始，需要处理的元素个数较少。
对排序后第一个集合（也就是最小集合）进行遍历，对于它的每一个元素，依次在后面的所有集合中进行查找。只有在所有集合中都能找到的元素，才加入到最后的结果集合中。
需要注意的是，上述第 3 步在集合中进行查找，对于 intset 和 dict 的存储来说时间复杂度分别是 O(log n) 和 O(1)。但由于只有小集合才使用 intset，所以可以粗略地认为 intset 的查找也是常数时间复杂度的。因此，如 Redis 官方文档上所说（
http://redis.io/commands/sinter），sinter 命令的时间复杂度为：
O(N*M) worst case where N is the cardinality of the smallest set and M is the number of sets.
并集
计算并集最简单，只需要遍历所有集合，将每一个元素都添加到最后的结果集合中。向集合中添加元素会自动去重。
由于要遍历所有集合的每个元素，所以 Redis 官方文档给出的 sunion 命令的时间复杂度为（
http://redis.io/commands/sunion）：
O(N) where N is the total number of elements in all given sets.
注意，这里同前面讨论交集计算一样，将元素插入到结果集合的过程，忽略 intset 的情况，认为时间复杂度为 O(1)。
差集
计算差集有两种可能的算法，它们的时间复杂度有所区别。
第一种算法：
对第一个集合进行遍历，对于它的每一个元素，依次在后面的所有集合中进行查找。只有在所有集合中都找不到的元素，才加入到最后的结果集合中。
这种算法的时间复杂度为 O(N*M)，其中 N 是第一个集合的元素个数，M 是集合数目。
第二种算法：
将第一个集合的所有元素都加入到一个中间集合中。
遍历后面所有的集合，对于碰到的每一个元素，从中间集合中删掉它。
最后中间集合剩下的元素就构成了差集。
这种算法的时间复杂度为 O(N)，其中 N 是所有集合的元素个数总和。
在计算差集的开始部分，会先分别估算一下两种算法预期的时间复杂度，然后选择复杂度低的算法来进行运算。还有两点需要注意：
在一定程度上优先选择第一种算法，因为它涉及到的操作比较少，只用添加，而第二种算法要先添加再删除。
如果选择了第一种算法，那么在执行该算法之前，Redis 的实现中对于第二个集合之后的所有集合，按照元素个数由多到少进行了排序。这个排序有利于以更大的概率查找到元素，从而更快地结束查找。
上述内容就是 Redis 中内部数据结构 intset 的作用是什么，你们学到知识或技能了吗？如果还想学到更多技能或者丰富自己的知识储备，欢迎关注丸趣 TV 行业资讯频道。
