概述
字典，实质是一个K-V数据库，经常使用Java语言的开发者可以直接理解为集合MAP。字典中每一个键都是独一无二的，可以在程序中根据键来进行查找、更新、插入操作。同样因为C中并没有这种数据结构，Redis构建了自己对字典实现。字典在Redis中的应用非常广泛，Redis数据库就是使用字典来实现的，对数据进行CURD也是构建在对字典的操作之上。
定义
字典底层使用的是哈希表，一个哈希表中可以有多个哈希表节点，每个节点保存K-V键值对；
1. 哈希表
下面一个是哈希表的结构体，内部包含了四个属性值，分别是哈希表数组、哈希表大小、哈希表大小掩码、已有节点数量值；
2. 哈希表节点
哈希表节点使用dictEntry结构表示，每一个结构保存着一个键值对；k是节点的键，v是节点的值；其中值v可以是一个指针，也可以是一个uint64_t整数或int64_t整数。next属性是指向另外一个节点的指针。
3. 字典
Redis中字典结构如图所示，包含四个属性；
下图展示的是一个完整的字典结构：
4. 哈希算法
把一个键值对放入到字典之前，先要根据键计算出哈希值以及索引值，然后将键值对包装成哈希节点放入哈希表数组指定索引上面；
Redis计算哈希值和索引值的方法如下：
- 将一个键值对K0、V0添加到字典，首先计算K0的哈希值(hash = dict -> type ->hashFunction(K0))
- 假设计算出哈希值为8，继续计算K0的在数组中的索引值 (index = hash&dict->ht[0].sizemask = 0)
- 计算出K0索引值0，这表示包含键值对K0，V0的节点应该放在索引0位置上；
5. 哈希冲突
当有两个或者两个以上的键被分配到哈希表数组的同一个索引上，我们称这些键发生了冲突。
Redis使用“链地址”思想来解决冲突，每个节点都有一个next指针，多个节点构成一个单向链表；针对键值相同的节点使用单项链表连接起来，解决冲突问题；熟悉Java的开发者会联想到HashMap底层实现，针对哈希冲突，两者是采用同样的解决方案。
下图中K1与K2键计算得索引值都是2，因此使用next指针进行串联，得到链表结构；
6. Rehash与渐进式Rehash
Rehash,即重新散列。随着对哈希表频繁操作，键值对的数量会逐渐增多或者减少，为了让哈希表负载因子维持在一个合理范围内，需要对表进行扩展或收缩。
- 上面提到，每个字典中哈希表ht[2]都有两个元素, ht[0]为默认哈希表， ht[1]为辅助哈希表，常用于辅助默认哈希表完成rehash过程；
- rehash开始，首先为ht[1] 分配空间，ht[1]的空间大小取决于ht[0] 表已使用元素的大小；无论是扩展还是收缩，哈希表的大小总是等于第一个大于等于ht[0].used * 2的次幂的值；例如：当前已经使用的节点大小为4，那么扩展后节点大小为 4 *2的1次方 = 8；
哈希表扩展或者收缩时机
当满足以下任一条件时，程序会自动进行Rehash操作：
- 服务此时没有执行BGSAVE或者BGREWRITEAOF操作，并且哈希表的负载因子大于等于1
- 服务器正在执行上述两个命令，并且负载因子大于等于5
注意：负载因子 = 已保存节点大小 / 哈希表大小，当哈希表的负载因子小于0.1时，程序开始对哈希表进行收缩操作。
渐进式ReHash
Redis将ht[0] 里面所有的数据rehash到ht[1], 整个动作不是一次性、集中性的完成的，而是采用分而治之的方式将表数据的迁移分配到添加、删除以及更新操作上，避免了rehash过程占用过大的系统资源；例如：在哈希表中查找一个键，程序会现在ht[0]上面查找，如果没有找到再去ht[1] 查找，数据的查找、删除、更新都会再两个表中进行操作，而插入只需要操作ht[1]一个表。
总结
- 字典使用场景很丰富，例如：哈希键、数据库；
- 字典用作数据库或者哈希键的实现时，Redis使用MurmmurmHash2算法来计算键的哈希值；
- 哈希表中键的冲突使用“拉链法”思想来解决的；
- 哈希表扩展和收缩rehash过程不是一次性完成的，而是有一个渐进的过程;
参考资料
《Redis设计与实现》第三章 字典
能力有限，如果文中存在不妥当的内容，恳请及时指正！