1.redis scan 命令底层原理（为什么会重复扫描？）
2.Redis 源码分析字典（dict）

redis scan 命令底层原理（为什么会重复扫描？）

       在 Redis 中，迭代器作为数据结构的重要组成部分，用于在字典等容器上高效地遍历数据。然而，迭代过程中字典可能因为数据增删而触发 rehash，导致数据可能被重复遍历。凡人诛仙传源码本文将探讨 Redis 如何解决这个问题。

       首先，Redis 的字典迭代器数据结构包含一个 字节的指纹，它是字典状态的标识，通过 dictFingerprint 函数生成，当字典结构变化时，指纹值也随之改变。国外游源码redis 提供了两种迭代器：普通迭代器和安全迭代器。普通迭代器对字典指纹严格校验，确保数据不重复，适用于如 sort 命令，它在读取有序集合数据时使用。安全迭代器则确保在 rehash 期间数据的准确性，允许字典操作，如 keys 命令中用于遍历整个字典。

       对于大规模数据，Redis 通过 scan 命令引入了间断遍历（如 hscan 和 zscan），如 dictScan 函数，允许在操作过程中进行 rehash。动态称重源码dictScan 通过算法设计，保证所有数据都能遍历到，同时避免了在扩容或缩容时的重复扫描。具体来说，它利用位反转算法和取模操作来调整遍历顺序，确保数据的一致性。

       在 rehash 过程中，Redis 会并存两个哈希表，小表优先遍历。后台线程定期处理 rehash，以1ms为间隔。scan 逻辑中，卷积GPU源码一次 dictScan 可能会遍历多个槽位，而客户端命令扫描的次数可能超出预期，这可能导致线程阻塞。

       总结来说，Redis 通过指纹校验、安全机制和巧妙的遍历策略，确保了迭代过程的准确性和效率，即使在 rehash 操作中也能有效地避免数据重复遍历的问题。

       

参考资料：

       - Add SCAN command

       - Fix dictScan(): It can't scan all buckets when dict is shrinking.

       -《Redis 设计与源码分析》陈雷

Redis 源码分析字典（dict）

       Redis 的内部字典世界：从哈希表到高效管理的深度解析

       Redis，作为开源的高性能键值存储系统，其内部实现的字典数据结构是其核心组件之一。这个数据结构采用自定义的skynet rpg 源码哈希表——dictEntry，巧妙地存储和管理着键值对。让我们一起深入理解这一强大工具的运作机制。

       首先，Redis的字典是基于哈希表的，通过哈希函数将键转换为数组索引，实现高效查找。dictEntry结构巧妙地封装了键（key）、值（value）以及指向下一个节点的指针，构成了数据存储的基本单元。同时，dict包含一系列操作函数，包括哈希计算、键值复制、比较以及销毁操作，这些函数的指针类型（dictType）和实际数据结构共同构建了其高效性能。

       在字典的管理中，rehash是一个关键概念，它标志着哈希表的重新分布过程。rehash标志是一个计数器，用于跟踪当前哈希表实例的状态，确保在负载过高时进行扩容。当ht_used[0]非零，且满足特定条件（如元素数量超过初始桶数），服务器会触发resize操作，这通常在serverCron定时任务中进行，以避免磁盘I/O竞争。

       rehash过程中，Redis采取渐进式策略，通过dictRehash函数，逐个移动键值对到新哈希表，确保操作的线程安全。为了避免长时间阻塞，这个过程被分散到函数中，并通过serverCron定时任务，以毫秒级的步长进行，确保在无磁盘写操作时进行。

       在处理过期键时，dictRehashMilliseconds()函数扮演重要角色，它在rehash时监控时间消耗，确保性能。rehash过程中，dictAdd负责插入新哈希表，而dictFind和dictDelete则需处理ht_table[0]和ht_table[1]的键值对。

       Redis的默认哈希算法采用SipHash，保证了数据的分布均匀性。在持久化时，负载因子默认设置为5，而rehash后，数据结构会采用迭代器的形式，分为安全和非安全两种，以满足不同场景的需求。

       在实际操作中，如keysCommand，会选择安全模式以避免重复遍历，而在处理大规模数据时，如scan命令，可能需要使用非安全模式，但需注意可能带来的问题。

       总的来说，Redis的字典数据结构是其高效性能的基石，通过精细的哈希管理、rehash策略以及迭代器设计，确保了在高并发和频繁操作下的稳定性和性能。深入理解这些内部细节，对于优化Redis性能和应对复杂应用场景至关重要。