作者：HDT3213
今天給大家帶來的開源項目是 Godis：一個用 Go 語言實現的 Redis 服務器。支持：
- 5 種數據結構（string、list、hash、set、sortedset）
- 自動過期（TTL）
- 發布訂閱、地理位置、持久化等功能
你或許不需要自己實現 Redis 服務，但你是否厭煩了每天都是寫增刪改查的業務代碼，想提高編程水平試圖從零寫個項目打開 IDE 卻發現無從下手？
動手造輪子一定是提高編程能力的好辦法，下面就帶大家用 Go 從頭開始寫一個 Redis 服務器（Godis），從中你將學到：
- 如何編寫 Go 語言 TCP 服務器
- 設計並實現安全可靠的通信協議（redis 協議）
- 如何使用 Go 語言開發高並發程序
- 設計和實現分布式集群以及分布式事務
- 熟悉鏈表、哈希表、跳表以及時間輪等常用數據結構
千萬不要擔心內容太難，學不會或者沒有 Go 語言基礎！！雖然示例代碼是 Go 但不會影響你理解 Redis 的原理和底層協議以及高性能的秘密。而且作者為了照顧到廣大讀者，對技術的講解做了優化。示例代碼在原項目基礎上做了簡化，並逐行地加了注釋。如果是高級玩家，請直接訪問項目閱讀源碼：
下面正文開始，讓我們一起撥開 Redis 的迷霧。
一、寫個 TCP 服務器
眾所周知 Redis 是 C/S 模型，使用 TCP 協議進行通信。接下來就從實現 TCP 服務端開始。作為廣泛用於服務端的編程語言 Golang 提供了非常簡潔的 TCP 接口，所以實現起來十分方便。示例代碼：
func ListenAndServe(address string) {
// 綁定監聽地址
listener, err := net.Listen("tcp", address)
if err != nil {
log.Fatal(fmt.Sprintf("listen err: %v", err))
}
defer listener.Close()
log.Println(fmt.Sprintf("bind: %s, start listening...", address))
for {
// Accept 會一直阻塞直到有新的連接建立或者listen中斷才會返回
conn, err := listener.Accept()
if err != nil {
// 通常是由於listener被關閉無法繼續監聽導致的錯誤
log.Fatal(fmt.Sprintf("accept err: %v", err))
}
// 開啟新的 goroutine 處理該連接
go Handle(conn)
}
}
func Handle(conn net.Conn) {
reader := bufio.NewReader(conn)
for {
// ReadString 會一直阻塞直到遇到分隔符 '\n'
// 遇到分隔符后 ReadString 會返回上次遇到分隔符到現在收到的所有數據
// 若在遇到分隔符之前發生異常, ReadString 會返回已收到的數據和錯誤信息
msg, err := reader.ReadString('\n')
if err != nil {
// 通常遇到的錯誤是連接中斷或被關閉，用io.EOF表示
if err == io.EOF {
log.Println("connection close")
} else {
log.Println(err)
}
return
}
b := []byte(msg)
// 將收到的信息發送給客戶端
conn.Write(b)
}
}
func main() {
ListenAndServe(":8000")
}
👌 至此只用了 40 行代碼就搞定服務端啦！啟動上面的 TCP 服務后，在終端中輸入 telnet 127.0.0.1 8000 就可以連接到剛寫好的服務器，它會將你發送的消息原樣返回給你（所以請不要罵它）：
這個 TCP 服務器的非常簡單，主協程調用 accept 函數來監聽端口，接受新連接后開啟一個 Goroutine 來處理它。這種簡單的阻塞 IO 模型有些類似於早期的 Tomcat/Apache 服務器。
阻塞 IO 模型是使用一個線程處理一個連接，在沒有收到新數據時監聽線程處於阻塞狀態，直到數據就緒后線程被喚醒進行處理。因為阻塞 IO 模型需要開啟大量線程並且頻繁地進行上下文切換，所以它的效率很低。而 Redis 使用的 epoll 技術（IO 多路復用）用一個線程處理大量連接，極大地提高了吞吐量。那么我們的 TCP 服務器會比 Redis 慢很多嗎？
當然不會，Golang 利用 Goroutine 調度開銷遠遠小於線程調度開銷的優勢封裝出 goroutine-per-connection 風格的極簡接口，而且 net/tcp 庫將 epoll 封裝成了阻塞 IO 的樣子，在享受 epoll 高性能的同時避免了原生 epoll 接口所需的復雜異步代碼。
在作者的電腦上 Redis 每秒可以響應 10.6k 個 PING 命令，而 Godis（完整代碼） 的吞吐量為 9.2 kqps 相差並不大。想了解更多 Golang 高性能的㊙️密，可以搜索 go netpoller 或者 go 語言 網絡輪詢器 關鍵字
另外，合格的 TCP 的服務器在關閉的時候不應該一停了之，而需要完成響應已接收的請求、釋放 TCP 連接等必要的清理工作。這個功能我們一般稱為 優雅關閉 或者 graceful shutdown，優雅關閉步驟：
- 首先，關閉 listener 停止接受新連接
- 然后，遍歷所有存活連接逐個關閉
優雅關閉的代碼比較多，這里就不完整貼出了。
二、透視 Redis 協議
在解決完通信后，下一步就是搞清楚 Redis 的協議，其實就是一套序列化協議類似 JSON、Protocol Buffers，你看底層其實也就是一些基礎的知識。
自 Redis 2.0 以后的通信統一為 RESP 協議（REdis Serialization Protocol)，該協議易於實現不僅可以高效的被程序解析，還能夠被人類讀懂容易調試。
RESP 是一個二進制安全的文本協議，工作於 TCP 協議上。RESP 以行作為單位，客戶端和服務器發送的命令或數據一律以 \r\n（CRLF）作為換行符。
二進制安全是指允許協議中出現任意字符而不會導致故障。比如 C 語言的字符串以 \0 作為結尾不允許字符串中間出現 \0，而 Go 語言的 string 則允許出現 \0，我們說 Go 語言的 string 是二進制安全的，而 C 語言字符串不是二進制安全的。
RESP 的二進制安全性允許我們在 key 或者 value 中包含 \r 或者 \n 這樣的特殊字符。在使用 Redis 存儲 protobuf、msgpack 等二進制數據時，二進制安全性尤為重要。
RESP 定義了 5 種格式：
- 簡單字符串（Simple String）： 服務器用來返回簡單的結果，比如 "OK" 非二進制安全，且不允許換行
- 錯誤信息（Error）：服務器用來返回簡單的錯誤信息，比如 "ERR Invalid Synatx" 非二進制安全，且不允許換行
- 整數（Integer）：llen、scard 等命令的返回值，64 位有符號整數
- 字符串（Bulk String）：二進制安全字符串，比如 get 等命令的返回值
- 數組（Array，又稱 Multi Bulk Strings）：Bulk String 數組，客戶端發送指令以及 lrange 等命令響應的格式
RESP 通過第一個字符來表示格式：
- 簡單字符串：以"+" 開始， 如："+OK\r\n"
- 錯誤：以"-" 開始，如："-ERR Invalid Synatx\r\n"
- 整數：以":"開始，如：":1\r\n"
- 字符串：以
$開始 - 數組：以
*開始
下面讓我們通過一些實際例子來理解協議。
2.1 字符串
字符串（Bulk String）有兩行，第一行為 $+正文長度，第二行為實際內容。如：
$3\r\nSET\r\n
字符串（Bulk String）是二進制安全的，就是說可以在 Bulk String 內部包含 "\r\n" 字符（行尾的 CRLF 被隱藏）：
$4
a\r\nb
2.2 空
$-1 表示 nil，比如使用 get 命令查詢一個不存在的 key 時，響應即為 $-1。
2.3 數組
數組（Array）格式第一行為 "*"+數組長度，其后是相應數量的 字符串（Bulk String）。比如 ["foo", "bar"] 的報文（傳輸時的內容）：
*2
$3
foo
$3
bar
客戶端也使用 數組（Array）格式向服務端發送指令。命令本身將作為第一個參數，比如 SET key value 指令的 RESP 報文：
*3
$3
SET
$3
key
$5
value
將換行符打印出來：
*3\r\n$3\r\nSET\r\n$3\r\nkey\r\n$5\r\nvalue\r\n
2.4 解析預備
知道常用的 RESP 報文內容后，就可以開始着手解析了。但需要注意的是 RESP 是 二進制安全 的協議，它允許在正文中使用 \r\n 字符。舉例來說 Redis 可以正確接收並執行 SET "a\r\nb" hellogithub 指令，這條指令的正確報文是這樣的：
*3
$3
SET
$4
a\r\nb
$11
hellogithub
當 ReadBytes 讀取到第五行 "a\r\nb\r\n" 時會將其誤認為兩行：
*3
$3
SET
$4
a // 錯誤的分行
b // 錯誤的分行
$11
hellogithub
因此當讀取到第四行 $4 后，不應該繼續使用 ReadBytes('\n') 讀取下一行，應使用 io.ReadFull(reader, msg) 方法來讀取指定長度的內容。
msg = make([]byte, 4 + 2) // 正文長度4 + 換行符長度2
_, err = io.ReadFull(reader, msg)
2.5 編寫 RESP 協議解析器
解決完上面內容包含 "\r\n" 的問題，我們就可以開始放手編寫 Redis 協議解析器啦！
type Payload struct {
Data redis.Reply
Err error
}
// ParseStream 通過 io.Reader 讀取數據並將結果通過 channel 將結果返回給調用者
// 流式處理的接口適合供客戶端/服務端使用
func ParseStream(reader io.Reader) <-chan *Payload {
ch := make(chan *Payload)
go parse0(reader, ch)
return ch
}
由於解析器的代碼比較多，這里只簡單地介紹一下核心流程。
func parse0(reader io.Reader, ch chan<- *Payload) {
// 初始化讀取狀態
readingMultiLine := false
expectedArgsCount := 0
var args [][]byte
var bulkLen int64
for {
// 上文中我們提到 RESP 是以行為單位的
// 因為行分為簡單字符串和二進制安全的 BulkString，我們需要封裝一個 readLine 函數來兼容
line, err = readLine(reader, bulkLen)
if err != nil {
// 處理錯誤
return
}
// 接下來我們對剛剛讀取的行進行解析
// 我們簡單的將 Reply 分為兩類:
// 單行: StatusReply, IntReply, ErrorReply
// 多行: BulkReply, MultiBulkReply
if !readingMultiLine {
if isMulitBulkHeader(line) {
// 我們收到了 MulitBulkReply 的第一行
// 獲得 MulitBulkReply 中 BulkString 的個數
expectedArgsCount = parseMulitBulkHeader(line)
// 等待 MulitBulkReply 后續行
readingMultiLine = true
} else if isBulkHeader(line) {
// 我們收到了 BulkReply 的第一行
// 獲得 BulkReply 第二行的長度, 通過 bulkLen 告訴 readLine 函數下一行 BulkString 的長度
bulkLen = parseBulkHeader()
// 這個 Reply 中一共有 1 個 BulkString
expectedArgsCount = 1
// 等待 BulkReply 后續行
readingMultiLine = true
} else {
// 處理 StatusReply, IntReply, ErrorReply 等單行 Reply
reply := parseSingleLineReply(line)
// 通過 ch 返回結果
emitReply(ch)
}
} else {
// 進入此分支說明我們正在等待 MulitBulkReply 或 BulkReply 的后續行
// MulitBulkReply 的后續行有兩種，BulkHeader 或者 BulkString
if isBulkHeader(line) {
bulkLen = parseBulkHeader()
} else {
// 我們正在讀取一個 BulkString, 它可能是 MulitBulkReply 或 BulkReply
args = append(args, line)
}
if len(args) == expectedArgsCount { // 我們已經讀取了所有后續行
// 通過 ch 返回結果
emitReply(ch)
// 重置狀態, 准備解析下一條 Reply
readingMultiLine = false
expectedArgsCount = 0
args = nil
bulkLen = 0
}
}
}
}
三、實現內存數據庫
至此我們已經搞定數據接收和解析的部分了，剩下就是我們應該把數據存在哪里了？
拋開持久化部分，作為基於內存的 KV 數據庫 Redis 的所有數據需要都存儲在內存中的哈希表，而這個哈希表就是我們今天需要編寫的最后一個組件。
與單線程的 Redis 不同我們實現的 Redis（godis）是並行工作的，所以我們必須考慮各種並發安全問題。常見的並發安全哈希表設計有幾種：
-
sync.map：Golang 官方提供的並發哈希表，適合讀多寫少的場景。但是在m.dirty剛被提升后會將m.read復制到新的m.dirty中，在數據量較大的情況下復制操作會阻塞所有協程，存在較大的隱患。 -
juc.ConcurrentHashMap：Java 的並發哈希表采用分段鎖實現。在進行擴容時訪問哈希表線程都將協助進行 rehash 操作，在 rehash 結束前所有的讀寫操作都會阻塞。因為緩存數據庫中鍵值對數量巨大且對讀寫操作響應時間要求較高，使用 juc 的策略是不合適的。 -
memcached hashtable：在后台線程進行 rehash 操作時，主線程會判斷要訪問的哈希槽是否已被 rehash 從而決定操作 old_hashtable 還是操作 new_hashtable。這種設計被稱為漸進式 rehash 它的優點是 rehash 操作基本不會阻塞主線程的讀寫，是最理想的的方案。
但漸進式 rehash 的實現非常復雜，所以 godis 采用 Golang 社區廣泛使用的分段鎖策略（非上面的三種），就是將 key 分散到固定數量的 shard 中避免進行整體 rehash 操作。shard 是有鎖保護的 map，當 shard 進行 rehash 時會阻塞 shard 內的讀寫，但不會對其他 shard 造成影響。
代碼如下：
type ConcurrentDict struct {
table []*Shard
count int32
}
type Shard struct {
m map[string]interface{}
mutex sync.RWMutex
}
func (dict *ConcurrentDict) spread(hashCode uint32) uint32 {
tableSize := uint32(len(dict.table))
return (tableSize - 1) & uint32(hashCode)
}
func (dict *ConcurrentDict) getShard(index uint32) *Shard {
return dict.table[index]
}
func (dict *ConcurrentDict) Get(key string) (val interface{}, exists bool) {
hashCode := fnv32(key)
index := dict.spread(hashCode)
shard := dict.getShard(index)
shard.mutex.RLock()
defer shard.mutex.RUnlock()
val, exists = shard.m[key]
return
}
func (dict *ConcurrentDict) Put(key string, val interface{}) (result int) {
if dict == nil {
panic("dict is nil")
}
hashCode := fnv32(key)
index := dict.spread(hashCode)
shard := dict.getShard(index)
shard.mutex.Lock()
defer shard.mutex.Unlock()
if _, ok := shard.m[key]; ok {
shard.m[key] = val
return 0
} else {
shard.m[key] = val
dict.addCount()
return 1
}
}
ConcurrentDict 可以保證對單個 key 操作的並發安全性，但是仍然無法滿足並發安全的需求，舉例來說：
- Incr 命令需要完成：
讀取 -> 做加法 -> 寫入三步操作，讀取和寫入兩步操作不是原子性的 - MSETNX 命令當且僅當所有給定鍵都不存在時所有給定鍵設置值，我們需要保證「檢查多個key是否存在」以及「寫入多個key」這兩個操作的原子性
因此我們需要實現 db.Locker 用於鎖定一個或一組 key 直到我們完成所有操作后再釋放。
實現 db.Locker 最直接的想法是使用一個 map[string]*sync.RWMutex
- 加鎖過程分為兩步：初始化 mutex -> 加鎖
- 解鎖過程也分為兩步: 解鎖 -> 釋放mutex
那么存在一個無法解決的並發問題：
| 時間 | 協程A | 協程B |
|---|---|---|
| 1 | locker["a"].Unlock() | |
| 2 | locker["a"] = &sync.RWMutex{} | |
| 3 | delete(locker["a"]) | |
| 4 | locker["a"].Lock() |
由於 t3 時協程 B 釋放了鎖，t4 時協程 A 試圖加鎖會失敗。若協程B在解鎖時不執行 delete(locker["a"]) 就可以避免該異常的發生，但是這樣會造成嚴重的內存泄露。
我們注意到哈希槽的數量遠少於 key 的數量，反過來說多個鍵可以共用一個哈希槽。所以我們不再直接對 key 進行加鎖而是鎖定 key 所在的哈希槽也可以保證安全，另一方面哈希槽數量較少即使不釋放也不會消耗太多內存。
type Locks struct {
table []*sync.RWMutex
}
func Make(tableSize int) *Locks {
table := make([]*sync.RWMutex, tableSize)
for i := 0; i < tableSize; i++ {
table[i] = &sync.RWMutex{}
}
return &Locks{
table: table,
}
}
func (locks *Locks)Lock(key string) {
index := locks.spread(fnv32(key))
mu := locks.table[index]
mu.Lock()
}
func (locks *Locks)UnLock(key string) {
index := locks.spread(fnv32(key))
mu := locks.table[index]
mu.Unlock()
}
在鎖定多個 key 時需要注意，若 協程A 持有 鍵a 的鎖試圖獲得 鍵b 的鎖，此時 協程B 持有 鍵b 的鎖試圖獲得 鍵a 的鎖則會形成死鎖。
解決方法是所有協程都按照相同順序加鎖，若兩個協程都想獲得 鍵a 和 鍵b 的鎖，那么必須先獲取 鍵a 的鎖后獲取 鍵b 的鎖，這樣就可以避免循環等待。
到目前為止構建 Redis 服務器所需的基本組件已經備齊，只需要將 TCP 服務器、協議解析器與哈希表組裝起來我們的 Redis 服務器就可以開始工作啦。
最后，以上代碼均簡化自我寫的開源項目 Godis：一個用 Go 語言實現的 Redis 服務器。期待您的關注和 Star：
結語
很多朋友的日常工作主要是編寫業務代碼，對於框架、數據庫、中間件這些“架構”、“底層代碼” 有一些恐懼感。
但本文我們只寫了 3 個組件，共計幾百行代碼就實現了一個基本的 Redis 服務器。所以底層的技術並不難，只要你對技術感興趣由淺入深、從簡到繁，“底層代碼”也並不神秘。
興趣是最好的老師，HelloGitHub 發現編程的樂趣
關注 HelloGitHub 公眾號 第一時間收到更新。
還有更多開源項目的介紹和寶藏項目等待你的發現。