Redis数据结构之——跳表skiplist

news2024/11/18 7:30:30

写在前面

以下内容是基于Redis 6.2.6 版本整理总结

一、跳表（skiplist）

如何理解跳表？在了解跳表之前，我们先从普通链表开始，一点点揭开跳表的神秘面纱~

首先，普通单链表来说，即使链表是有序的，我们要查找某个元素，也需要从头到尾遍历整个链表。这样效率很低，时间复杂度是O(n)。

在这里插入图片描述
那么有没有方法提升查询效率呢？我们可以尝试为链表建立“索引”来提升查询效率。如下图，我们在原始链表的基础上，每两个元素提取一个索引，down指向原始链表的节点：
在这里插入图片描述
此时，假如我们要查询值为19的节点，我们从索引层开始遍历，当遍历到16时，下个节点的值为23，所以，19一定在这两个节点之间。我们通过16节点的down指针来到原始链表，将继续遍历，直到找到值为19的节点。在没有建“索引”之前，我们需要遍历8次，才能找到19，而在建立“索引”后，需要6次就能找到，也就是，索引帮我们减少了查询的次数。

那如果我们再建一级索引呢？哈哈哈，没想到吧也是6次，这是因为我们的数据量太少，即便加了两级索引，优化效果也不是很明显。在数据量大时，优化效果还是很明显的，有兴趣可以自己动手画一画。

在这里插入图片描述

1.1 跳表的时间复杂度

假设链表有n个节点，每两个节点生成一个索引，则有第一层索引节点的个数为n/2，第二层索引节点的个数是第一层个数的一半n/4，以此类推，第h层节点的个数就是n/(2^h)。假设，第h层有两个节点，则：h = log2n - 1，再算上原始链表，则整个跳表的高度就是log2n。

我们在查询某个数据的时候，每一层需要遍历m个节点，那么在跳表中查询某个数据的时间复杂度就是：O(m*log2n)。那m是多少呢? 按照上面每两个节点上升一个索引节点的索引结构，我们每一层索引最多遍历3个节点，为什么呢？解释如下：

在这里插入图片描述
假设我们查找的还是19，在第k层索引中，当我们遍历到11时，发现19在11和23之间，我们通过11的down节点，来到第k-1层。在第k-1层索引中，11 到 23 最多包含3个节点（包含11 和 23 的节点），所以在第k-1索引，我们最多需要遍历3个节点，依次类推，每一层索引都最多只需要遍历3个节点。

通过上面的分析，我们知道了m = 3，也就是说在跳表中查询任意节点的时间复杂度是O(3*log2n)，去掉常数项后，时间复杂度就是：O(log2n)。这个查找跟二分查找的时间复杂度一样。换句话说，我们是基于单链表实现了二分查找，神奇吧。但是，这种查询效率的提升是有代价的，也就是我们需要维护多层级索引，才能实现。这也是一种空间换时间的思路。

1.2 空间复杂度

要实现log2n的时间复杂度，跳表就需要额外存储这些索引的空间。那么，需要多大的空间呢？我们来分析一下：

假设原始链表有n个节点，按照每连个节点上升一个索引节点的索引结构，第一层有n/2，第二层n/4，依次类推，第h层有n/2^h个索引节点。假设第h层有2个节点。则总共有：
n/2 + n/4 + n/8 + … + 2 = n-2。所以，跳表的空间复杂度是O(n)。

也就是说，如果将含有n个节点的链表构造成跳表，我们还需要额外再用接近n个节点来存储这些索引，还有没有办法较少索引占的空间呢？答案是有的，上面的分析是基于每两个节点上升一个索引节点，那么换成3个、5个呢？如果为3，也很好分析，需要的索引总数为：n/3 + n/9 + n/27 + … + 3 + 1 = n/2。尽管空间复杂还是O(n)，但实际上索引的数量已经减少了一半了。

在实际开发中，原始链表中的对象可能是很大的对象，而索引节点只是存储关键的值和指针，相较于原始节点，大小可以忽略不计。

1.3 跳表的插入和删除

我们想在跳表中插入和删除一个节点，第一步是要找到插入和删除的位置，然后再执行插入或者删除，因为跳表的查询时间复杂度是O(log2n)，插入和删除的时间复杂度也是O(log2n)。

1.3.1 插入

在这里插入图片描述

1.3.2 删除

删除操作就需要注意一下，如果删除的节点也存在于索引节点中，那么，索引中的节点也要删除。单链表中的删除，需要拿到前驱节点的指针，如果是双向链表就不用考虑了。

1.4 跳表索引的动态更新

当我们一直往跳表中添加元素，如果不更新索引就可能出现，某2个索引之间的索引数过多，极端情况下，会退化为单向链表。

作为一种动态数据结构，我们需要某种手段作为索引节点和原始链表大小的平衡，也就是说，当链表中的节点数增多时，也响应的增加一些索引节点，避免复杂度的退化。红黑树和AVL树是通过左旋和右旋来维持左右子树的平衡。跳表则是通过随机函数来维护这种平衡。

在这里插入图片描述

2、跳表在Redis中的应用

有序集合 zet 的底层实现就是跳表。大部分情况下，跳表的效率可以和平衡树媲美，平均时间复杂度O（logn），最坏O（n）。

2.1 跳表源码

每次创建一个新的跳表节点时，会根据幂次定律（越大的数出现的概率越小）随机生成一个介于1到32之间的数作为level数组的大小，这个数组大小就是层的高度。level层数确定源码：

// src/t_zset.c
int zslRandomLevel(void) {
    int level = 1;
    while ((random()&0xFFFF) < (ZSKIPLIST_P * 0xFFFF))
        level += 1;
    return (level<ZSKIPLIST_MAXLEVEL) ? level : ZSKIPLIST_MAXLEVEL;
}

两个宏定义

// src/sever.h
#define ZSKIPLIST_MAXLEVEL 32 /* Should be enough for 2^64 elements */
#define ZSKIPLIST_P 0.25      /* Skiplist P = 1/4 */

server.h

// 996行
/* ZSETs use a specialized version of Skiplists */
typedef struct zskiplistNode {
	// sds 对象，唯一的
    sds ele;
    // 分值
    double score;
    // 后退指针，用于从后往前遍历使用
    struct zskiplistNode *backward;
    // 层数
    struct zskiplistLevel {
    	// 前进指针
        struct zskiplistNode *forward;
        // 跨度，用来确定本节点再链表中的排位  zrank
        unsigned long span;
    } level[];
} zskiplistNode;

typedef struct zskiplist {
	// 指向跳表头节点和尾节点的指针
    struct zskiplistNode *header, *tail;
    // 跳表中的元素个数，不包含头节点 zcard
    unsigned long length;
    // 跳表中层数最高的节点的层数
    int level;
} zskiplist;

1.3 创建skiplist

zskiplistNode *zslCreateNode(int level, double score, sds ele) {
    zskiplistNode *zn =
        zmalloc(sizeof(*zn)+level*sizeof(struct zskiplistLevel));
    zn->score = score;
    zn->ele = ele;
    return zn;
}

/* Create a new skiplist. */
zskiplist *zslCreate(void) {
    int j;
    zskiplist *zsl;

    zsl = zmalloc(sizeof(*zsl));
    zsl->level = 1;
    zsl->length = 0;
    zsl->header = zslCreateNode(ZSKIPLIST_MAXLEVEL,0,NULL);
    for (j = 0; j < ZSKIPLIST_MAXLEVEL; j++) {
        zsl->header->level[j].forward = NULL;
        zsl->header->level[j].span = 0;
    }
    zsl->header->backward = NULL;
    zsl->tail = NULL;
    return zsl;
}

1.4 跳表的插入和删除

zskiplistNode *zslInsert(zskiplist *zsl, double score, sds ele) {
    zskiplistNode *update[ZSKIPLIST_MAXLEVEL], *x;
    unsigned int rank[ZSKIPLIST_MAXLEVEL];
    int i, level;

    serverAssert(!isnan(score));
    x = zsl->header;
    for (i = zsl->level-1; i >= 0; i--) {
        /* store rank that is crossed to reach the insert position */
        rank[i] = i == (zsl->level-1) ? 0 : rank[i+1];
        while (x->level[i].forward &&
                (x->level[i].forward->score < score ||
                    (x->level[i].forward->score == score &&
                    sdscmp(x->level[i].forward->ele,ele) < 0)))
        {
            rank[i] += x->level[i].span;
            x = x->level[i].forward;
        }
        update[i] = x;
    }
    /* we assume the element is not already inside, since we allow duplicated
     * scores, reinserting the same element should never happen since the
     * caller of zslInsert() should test in the hash table if the element is
     * already inside or not. */
    level = zslRandomLevel();
    if (level > zsl->level) {
        for (i = zsl->level; i < level; i++) {
            rank[i] = 0;
            update[i] = zsl->header;
            update[i]->level[i].span = zsl->length;
        }
        zsl->level = level;
    }
    x = zslCreateNode(level,score,ele);
    for (i = 0; i < level; i++) {
        x->level[i].forward = update[i]->level[i].forward;
        update[i]->level[i].forward = x;

        /* update span covered by update[i] as x is inserted here */
        x->level[i].span = update[i]->level[i].span - (rank[0] - rank[i]);
        update[i]->level[i].span = (rank[0] - rank[i]) + 1;
    }

    /* increment span for untouched levels */
    for (i = level; i < zsl->level; i++) {
        update[i]->level[i].span++;
    }

    x->backward = (update[0] == zsl->header) ? NULL : update[0];
    if (x->level[0].forward)
        x->level[0].forward->backward = x;
    else
        zsl->tail = x;
    zsl->length++;
    return x;
}


// 删除
void zslDeleteNode(zskiplist *zsl, zskiplistNode *x, zskiplistNode **update) {
    int i;
    for (i = 0; i < zsl->level; i++) {
        if (update[i]->level[i].forward == x) {
            update[i]->level[i].span += x->level[i].span - 1;
            update[i]->level[i].forward = x->level[i].forward;
        } else {
            update[i]->level[i].span -= 1;
        }
    }
    if (x->level[0].forward) {
        x->level[0].forward->backward = x->backward;
    } else {
        zsl->tail = x->backward;
    }
    while(zsl->level > 1 && zsl->header->level[zsl->level-1].forward == NULL)
        zsl->level--;
    zsl->length--;
}

三、总结

  1. 跳表是有序集合zset的实现之一
  2. 跳表由zskiplist 和 zskiplistNode两个结构组成，zskiplist保存跳表的信息，如表头和表尾节点、跳表的长度等，zskiplistNode 保存节点详细信息
  3. 每个跳表节点的层高都是 1~32 之间的随机数
  4. 跳表中的对象是唯一的
  5. 跳表中的元素是按照分值从小到大排列，当分值相同时，按照成员对象的大小排序

本文来自互联网用户投稿，该文观点仅代表作者本人，不代表本站立场。本站仅提供信息存储空间服务，不拥有所有权，不承担相关法律责任。如若转载，请注明出处：http://www.coloradmin.cn/o/11544.html

如若内容造成侵权/违法违规/事实不符，请联系多彩编程网进行投诉反馈，一经查实，立即删除！

相关文章

第2-3-4章 上传附件的接口开发-文件存储服务系统-nginx/fastDFS/minio/阿里云oss/七牛云oss

第2-3-4章 上传附件的接口开发-文件存储服务系统-nginx/fastDFS/minio/阿里云oss/七牛云oss

文章目录5.3 接口开发-上传附件5.3.1 接口文档5.3.2 代码实现5.3.3 接口测试5.3 接口开发-上传附件 第2-1-2章 传统方式安装FastDFS-附FastDFS常用命令 第2-1-3章 docker-compose安装FastDFS,实现文件存储服务 第2-1-5章 docker安装MinIO实现文件存储服务-springboot整合minio…
阅读更多...
MindMaster思维导图及亿图图示会员 超值获取途径

MindMaster思维导图及亿图图示会员 超值获取途径

MindMaster思维导图及亿图图示会员 超值获取途径 会员九折优惠方法分享给大家&#xff01;如果有需要&#xff0c;可以上~ 以下是食用方法&#xff1a; MindMaster 截图 亿图图示 截图 如果需要MindMaster思维导图或者亿图图示会员&#xff0c;可按照如下操作领取超值折扣优惠…
阅读更多...
SaaS系统平台赋能大健康产业互联网变革，助力企业提升市场占有率

SaaS系统平台赋能大健康产业互联网变革，助力企业提升市场占有率

当前&#xff0c;数字化浪潮正在重塑大健康产业。随着全国多个重要省市的数字医疗、数字医保等措施正火热展开&#xff0c;我国大健康产业的数字化转型进程正在提速&#xff0c;这也为新一轮的行业洗牌带来新的发展机遇。 大健康产业数字化转型痛点&#xff1a;传统医疗信息化…
阅读更多...
消息队列之kafka

消息队列之kafka

1.先部署zookeeper集群 2.了解zookeeper 分布式服务系统框架&#xff1a;存储业务服务节点的元数据及状态信息并 负责通知zookeeper上注册服务节点给客户端 一、Zookeeper 概述 官方下载地址&#xff1a;archive.apache.org/dist/zookee… 1.1 Zookeeper 定义 Zookeeper…
阅读更多...
使用KNN进行手写体识别和iris数据集分类

使用KNN进行手写体识别和iris数据集分类

文章目录手写体识别iris数据集分类手写体识别 首先使用load_digits将数据加载&#xff0c;这里的数据集有1797个样本&#xff0c;前1384个训练数据而后面的413个样本作为测试集&#xff0c;每个数据集中的样本是8*8像素的图像和一个[0, 9]整数的标签。紧接着输出64个样本的图像…
阅读更多...
【Egg从基础到进阶】二：安装本地Mysql

【Egg从基础到进阶】二：安装本地Mysql

什么是数据库&#xff1a; 数据库是用于将数据持久化存储的一个容器&#xff0c;并且在这个容器处于云端&#xff0c;而不是像游览器的本地存储一样&#xff0c;数据只是针对你当前所在游览器。游览器的存储是一对一的。而线上数据库的存储是一对多的&#xff0c;或者是多对多的…
阅读更多...
被欧美公司垄断近 20 年，中国工业软件的机会在哪里？

被欧美公司垄断近 20 年，中国工业软件的机会在哪里？

【CSDN 编者按】工业软件&#xff0c;又被称之为是现代工业体系的“大脑”。近年来&#xff0c;在政府、企业、从业者等各方的齐心协力之下&#xff0c;中国工业软件市场规模不断壮大&#xff0c;逐渐成为“制造大国”。然而&#xff0c;站在全球的角度来看&#xff0c;相较一些…
阅读更多...
使用小程序制作一个飞机大战小游戏

使用小程序制作一个飞机大战小游戏

此文主要基于微信小程序制作一个飞机大战小游戏&#xff0c;上手即用&#xff0c;操作简单。 一、创建小程序二、页面实现三、代码块一、创建小程序 访问微信公众平台&#xff0c;点击账号注册。 选择小程序&#xff0c;并在表单填写所需的各项信息进行注册。 在开发管理选择开…
阅读更多...
rancher部署nginx服务

rancher部署nginx服务

前言&#xff1a;目前主流的开发模式是前后端分离&#xff0c;前端也会单独打包进行部署&#xff0c;一般就是把前端打包好的文件放到nginx目录下&#xff0c;和nginx一起部署&#xff0c;最终通过nginx来访问。 通用的dockerfile文件&#xff0c;用来构建nginx镜像 FROM ngi…
阅读更多...
如何从测试新手变成测试大牛

如何从测试新手变成测试大牛

如何从测试新手变成测试大牛,作为一个刚入行的测试新手&#xff0c;如何让自己提升自身能力&#xff0c;变成一个无所不能的测试大牛&#xff0c;本文将从多个方面来告诉你努力的方向&#xff0c;希望能帮助到你。 一&#xff1a;扎实的测试理论知识 作为一个测试人&#xff0…
阅读更多...
nvcc编译器之编译内幕（chapter 23）

nvcc编译器之编译内幕（chapter 23）

目录 2. 编译阶段&#xff08;步骤&#xff09; 2.1 NVCC预定义宏 2.2 NVCC编译步骤 2.3 NVCC支持的文件后缀 2.4 支持的编译阶段 3. CUDA 编译内幕 2. 编译阶段&#xff08;步骤&#xff09; 2.1 NVCC预定义宏 __NVCC__ 在编译C/C/CUDA源文件时定义 __CUDACC__ 在编译…
阅读更多...
[附源码]java毕业设计教师教学评价系统

[附源码]java毕业设计教师教学评价系统

项目运行 环境配置&#xff1a; Jdk1.8 Tomcat7.0 Mysql HBuilderX&#xff08;Webstorm也行&#xff09; Eclispe&#xff08;IntelliJ IDEA,Eclispe,MyEclispe,Sts都支持&#xff09;。 项目技术&#xff1a; SSM mybatis Maven Vue 等等组成&#xff0c;B/S模式 M…
阅读更多...
java之你真正了解抽象类和接口嘛？

java之你真正了解抽象类和接口嘛？

&#x1f387;&#x1f387;&#x1f387;作者&#xff1a; 小鱼不会骑车 &#x1f386;&#x1f386;&#x1f386;专栏&#xff1a; 《java练级之旅》 &#x1f393;&#x1f393;&#x1f393;个人简介&#xff1a; 一名专科大一在读的小比特&#xff0c;努力学习编程是我…
阅读更多...
Nexus私服仓库Linux、Windows部署教程

Nexus私服仓库Linux、Windows部署教程

Nexus 概述 Nexus 是 Sonatype 公司发布的一款仓库&#xff08;Repository&#xff09;管理软件&#xff0c;常用来搭建 Maven 私服&#xff0c;所以也有人将 Nexus 称为“Maven仓库管理器”。 主流的 Maven 仓库管理器主要有以下 3 种&#xff1a;Apache Archiva、JFrog Arti…
阅读更多...
软考信息安全工程师案列分析

软考信息安全工程师案列分析

1.第一题 1.动态存储区&#xff0c;分配存储空间和释放存储空间 3.让argv[]中的第9个字符是十进制65即可。 4.缓冲区溢出漏洞&#xff0c;使用安全的strcpy函数&#xff0c;检测边界 第二题 第三题 1.保证M完整性 不能交换&#xff0c;先hash摘要可以减少加密的计算量。 2.实现…
阅读更多...
STM8S系列基于STVD开发，自定义printf函数+TIM5精确延时函数模块化工程示例

STM8S系列基于STVD开发，自定义printf函数+TIM5精确延时函数模块化工程示例

STM8S系列基于STVD开发&#xff0c;自定义printf函数TIM5精确延时函数模块化工程示例&#x1f3ac;功能演示 ✨本例也是结合了网络上收集来的printf自定义内容&#xff0c;将其功能模块化&#xff0c;方便移植使用&#xff0c;灵活性很强。 &#x1f4da;相关篇内容《STM8S903…
阅读更多...
leetcode：792. 匹配子序列的单词数【子序列二分优化模板 + 大的字符串不变的二分优化】

leetcode：792. 匹配子序列的单词数【子序列二分优化模板 + 大的字符串不变的二分优化】

目录题目截图题目分析ac code总结题目截图 题目分析 简单的子序列判断需要on&#xff0c;那么最后最坏就是omn&#xff0c;25 * 10 ^ 7爆炸因此需要优化子序列判断注意到此时的大字符串是同一个记录每个字母出现的下标遍历word&#xff0c;找到下一个最近的字母出现的位置&…
阅读更多...
C++【C++11】

C++【C++11】

文章目录一、统一的列表初始化1.用{}来初始化元素2.initializer_list二、自动类型推断3.auto4.decltype三、指针5.nullptr6.范围for四、STL中的一些新变化1.新增加的容器2.容器内部的变化一、统一的列表初始化 1.用{}来初始化元素 在C98中&#xff0c;标准允许使用花括号{}对…
阅读更多...
搭建java部署环境以及部署Web项目到Linux

搭建java部署环境以及部署Web项目到Linux

系列文章目录 Linux 环境搭建以及xshell远程连接_crazy_xieyi的博客-CSDN博客 Linux常用命令详解_crazy_xieyi的博客-CSDN博客 Linux权限_crazy_xieyi的博客-CSDN博客 文章目录 一、搭建java部署环境 1.yum 2.JDK 3.Maven 4.Tomcat 5.MySQL二、部署…
阅读更多...
PacBio三代全长扩增子测序对珊瑚共生虫黄藻和细菌群落进行精确分类

PacBio三代全长扩增子测序对珊瑚共生虫黄藻和细菌群落进行精确分类

研究背景 珊瑚与其共生微生物群落统称为珊瑚共生功能体&#xff0c;包含了光合甲藻以及与其保持长期互利共生关系的细菌、古菌、真菌、原生动物以及病毒等一系列微生物。这些与珊瑚相关的微生物在其宿主的适应性和生存中起着重要的作用。本研究利用PacBio全长16S rRNA和ITS测序…
阅读更多...
推荐文章
最新文章

Copyright @ 2022~2023