【C++笔记】AVL树的模拟实现

news2024/12/23 13:19:41

【C++笔记】AVL树的模拟实现

  • 一、AVL树的概念
  • 二、AVL树的模拟实现
    • 2.1、定义节点
    • 2.2、插入
    • 2.3、旋转
      • 2.3.1、左单旋
      • 2.3.2、右单旋
      • 2.3.3、左右双旋
      • 2.3.4、右左双旋
      • 2.3.5、插入接口的整体代码实现
  • 三、验证AVL树
    • 3.1、验证

一、AVL树的概念

二叉搜索树虽然在一般情况下可以提高查找的效率，但如果插入数据的顺序接近有序或有序，那二叉搜索树就会变成一个类似“单链表”的结构：
在这里插入图片描述
这样查找的效率就会变得和单链表一样是O(n)了，效率低下。
对此，两位俄罗斯的数学家G.M.Adelson-Velskii
和E.M.Landis在1962年
发明了一种解决上述问题的方法：当向二叉搜索树中插入新结点后，如果能保证每个结点的左右子树高度之差的绝对值不超过1(需要对树中的结点进行调整)，即可降低树的高度，从而减少平均搜索长度。

一棵AVL树要么是空树，要么就是具有以下性质的一棵二叉搜索树：

1、它的左右子树都是AVL树
2、左右子树高度之差(简称平衡因子)的绝对值不超过1(-1/0/1)

比如下面这棵树就是一棵AVL树：
在这里插入图片描述

二、AVL树的模拟实现

2.1、定义节点

定义AVL树的节点除了传统的左右指针和值之外还需要定义两个成员——parent指针和平衡因子，因为我们后面在调整平衡的时候必须要用到它们：

// 定义AVL树节点
template <class K, class V>
struct AVLTreeNode {
	AVLTreeNode<K, V>* _left;
	AVLTreeNode<K, V>* _right;
	AVLTreeNode<K, V>* _parent;
	pair<K, V> _val;
	int _bf; // 平衡因子
	// 构造
	AVLTreeNode(const pair<K, V>& key)
		:_left(nullptr)
		,_right(nullptr)
		,_parent(nullptr)
		,_val(key)
		,_bf(0)
	{}
};

然后同样的，我们只需要在AVLTree类里面封装一个根节点的指针即可：

// AVL树
template <class K, class V>
class AVLTree {
public:
	typedef AVLTreeNode<K, V> Node;
	// ……
private :
	Node* _root = nullptr;
};

2.2、插入

因为AVL树其实结构和普通二叉树没什么区别，只是规则不一样，所以我们这里就只需要实现与其他数不同的插入即可。

AVL树的插入也实现要找到插入位置，但是在插入成功之后还需要调整平衡因子，并判断是否需要进行调整，以确保满足AVL树的规则。

最容易的情况就是在插入新节点后，左右高度差并没有超出范围，这样就不需要调整了(调整到根节点为止，如果没有一个节点的平衡因子超出范围就不需要调整)，例如在下面这AVL树中我们要插入一个值为9的节点：
在这里插入图片描述
当我们找到插入位置后就需要一直向上调整平衡因子：
在这里插入图片描述
当我们调整完后发现并么有平衡因子出现异常，因此也就不需要调整了，所执行的操作和二叉搜索树的插入一样了。

这里先给出不需要调整的代码实现：

// 插入
bool insert(const pair<K, V>& key) {
	if (nullptr == _root) {
		_root = new Node(key);
		return true;
	}
	Node* cur = _root;
	Node* parent = nullptr;
	
	// 先插入节点
	while (cur) {
		if (key.first > cur->_val.first) {
			parent = cur;
			cur = cur->_right;
		}
		else if (key.first < cur->_val.first) {
			parent = cur;
			cur = cur->_left;
		}
		else {
			return false;
		}
	}

	// 准备插入
	cur = new Node(key);
	if (key.first > parent->_val.first) {
		parent->_right = cur;
		cur->_parent = parent;
	}
	else {
		parent->_left = cur;
		cur->_parent = parent;

	}
	// 检查平衡因子，看看是否需要旋转调整
	while (parent) {
		//  先做第一步调整
		if (cur == parent->_left) {
			parent->_bf--;
		}
		else {
			parent->_bf++;
		}


		if (parent->_bf == 0) {
			return true;
		}
		else if (parent->_bf == 1 || parent->_bf == -1) { // 继续向上检查
			cur = parent;
			parent = parent->_parent;
		} else {
			assert(false);
		}
	}
	return true; // 插入成功
}

2.3、旋转

2.3.1、左单旋

而一旦我们的插入导致平衡因子超出了范围，这时候就需要调整了，比如我们想要在下面这棵AVL中在插入一个值为10的节点：
在这里插入图片描述
更新平衡因子的过程中，我们发现8这个节点的平衡因子超出了范围，这时候我们该怎样调整呢？

如果我们将8看做需要调整的这棵子树的根，那么对根为8的这棵子树进行 “左单旋” 就能解决问题。

像这样在右子树的右子树（右右）中插入新节点的情况，处理的方法称为左单旋，下面介绍具体步骤：
在这里插入图片描述
如上图所示，将节点8设置为parent，parent的parent设置成parent_parent，parent的右孩子设置成subRight，将subRight的左孩子设置成subRightL。
左单旋我们需要做的就是让subRight成为parent的右孩子，再让parent成为subRight的左孩子，然后让subRight成为这棵子树新的根，并让parent_parent连接上subRight。

相信大家看上面的图示都会感到眼花缭乱，所以我这里转化出了一个抽象图：
在这里插入图片描述
这里其实并不用关心子树的高度h具体是多高，因为h取任何值都是一样的。
从图中我们也可以观察的出，这里的本质其实是通过将subRight改成新的根节点，从而将整棵子树的高度降低了一个高度。
做完这些后不要忘了调整平衡因子，由图中我们可以很形象的看出直接把subRight和parent的平衡因子调整成0即可。
(图中省略了parent指针的处理，但是在实际实现中，parent指针是一定要处理的)

那这样做为什么正确呢？

通过之前对搜索二叉树规律的分析，我们可以得出另一个规律：对于一个根，它的左子树的所有节点一定是小于根节点的，右子树的所有节点一定是大于根的。
所以我们这里的subRightL也一定是大于parent的，所以它可以成为pareng的右子树，而subRight也一定是大于parent的，所以parent就可以成为subRight的根，所以经过上面的操作之后，这棵子树还是满足二叉搜索树的规律的。

那怎么判断什么情况下我们要进行左单旋呢？
我们可以通过平衡因子来判断，因为平衡因子的定义是右子树与左子树的高度差，所以如果一个根它的平衡因子是2并且它的右子树的平衡因子是1，则说明是在右子树的右子树中插入新节点导致的不平衡。

所以一棵子树要进行左单旋判断条件是：

root->_bf == 2 && root->_right->_bf == 1;

接下来就是左单旋的代码实现：

// 左单旋
void RotateL(Node* parent) {
	Node* subRight = parent->_right;
	Node* subRightL = subRight->_left;
	Node* parent_parent = parent->_parent;

	parent->_right = subRightL;
	if (subRightL) {
		subRightL->_parent = parent;
	}
	subRight->_left = parent;
	parent->_parent = subRight;

	if (parent == _root) { // 如果当前的parent是根
		_root = subRight;
		subRight->_parent = nullptr;
	}
	else {
		// 如果当前的parent还不是根
		if (parent == parent_parent->_left) {
			parent_parent->_left = subRight;
		}
		else {
			parent_parent->_right = subRight;
		}
		subRight->_parent = parent_parent;
	}


	// 调整平衡因子
	parent->_bf = 0;
	subRight->_bf = 0;
}

2.3.2、右单旋

右单旋和做单旋在逻辑上是一样的，基本就是左单旋改一下方向就可以了。
当我们在左子树的左子树（左左）中插入节点导致不平衡的时候，就需要用到右单旋：
在这里插入图片描述
处理过程的抽象图也和左单旋的差不多：
在这里插入图片描述
然后这是右单旋的代码实现：

	// 右单旋
	void RotateR(Node* parent) {
		Node* subLeft = parent->_left;
		Node* subLeftR = subLeft->_right;
		Node* parent_parent = parent->_parent;

		parent->_left = subLeftR;
		if (subLeftR) {
			subLeftR->_parent = parent;
		}
		subLeft->_right = parent;
		parent->_parent = subLeft;

		if (parent == _root) { // 如果当前的parent为根
			_root = subLeft;
			subLeft->_parent = nullptr;
		}
		else {
			// 如果当前的parent不为根
			if (parent == parent_parent->_left) {
				parent_parent->_left = subLeft;
			}
			else {
				parent_parent->_right = subLeft;
			}
			subLeft->_parent = parent_parent;
		}

		// 调整平衡因子
		subLeft->_bf = 0;
		parent->_bf = 0;
	}

2.3.3、左右双旋

然后还有一些情况是单纯的左单旋和右单旋不能解决的，因为它们并不是单纯的“左左”或“右右”，比如在左子树的右子树中插入一个节点导致不平衡：
在这里插入图片描述
如果这时候只是单纯的对90这个根进行右单旋的话就会变成下面这样子：
在这里插入图片描述
我们会返现调整后30节点的平衡因子还是超出了范围，所以这样是不能解决问题的。

其实这里的主要问题是插入的位置变了，我们简单的分析一下单纯的右单旋就能的出问题的出处：
在这里插入图片描述
通过观察我们发现，右边单旋我们是通过把高的那颗子树（a）“往上层移动”来达到减少整体高度的，而矮的那颗子树(b)所在的层数不变。
而如果是在b这棵子树中插入：
在这里插入图片描述
其实就变成了，减少左子树的一个高度，去增加右子树的一个高度，但是还是不平衡，而且转化后也不是一个单纯的左单旋。

那该怎样解决呢？
其实我们可以先通过对30这棵子树进行左单旋，从而使旋转后的整棵子树变成左高右低的形式：
在这里插入图片描述
这样就可以把90这棵子树变成单纯的右单旋了。
然后再对90进行右单旋就变平衡了：
在这里插入图片描述

但是平衡因子又该怎么更新呢？
对于平衡因子更新的处理，我们可以先来看看双旋后的对比：
在这里插入图片描述

从中我们可以看得出，双旋其实还可以这样处理：
让subLeft成为新的根，然后subLeft成为subLeftR的左子树，parent成为subLeftR的右子树，子树b成为subLeft的右子树，子树c成为parent的左子树。

所以平衡因子的更新，的关键点就在于subLeftR的平衡因子，或者说是看subLeftR这棵子树的左子树高还是右子树高，即子树b高还是子树c高。

如果subLeftR的平衡因子为0，则说明subLeft本身就是新加入的节点，此时a，b，c，d这四棵子树都是空，所以subLeftR、subLeft和parent的平衡因子都为0。

如果subLeftR的平衡因子为1，则表示子树c要比子树b高1，所以更新后parent的平衡因子为0，subLeft的平衡因子为-1。

如果subLeftR的平衡因子为1，则表示子树b要比子树c高1，所以更新后subLeft的平衡因子为0，parent的平衡因子为1。

然后这是左右双旋的代码实现：

// 左右双旋
void RotateLR(Node* parent) {
	Node* subLeft = parent->_left;
	Node* subLeftR = subLeft->_right;
	int bf = subLeftR->_bf;
	RotateL(parent->_left);
	RotateR(parent);

	// 调整平衡因子
	if (0 == bf) {
		parent->_bf = 0;
		subLeft->_bf = 0;
		subLeftR->_bf = 0;
	}
	else if (-1 == bf) {
		subLeft->_bf = 0;
		parent->_bf = 1;
		subLeftR->_bf = 0;
	}
	else if (1 == bf) {
		subLeft->_bf = 0;
		parent->_bf = 0;
		subLeftR->_bf = -1;
	}
	else {
		assert(false);
	}
}

2.3.4、右左双旋

右左双旋的分析逻辑其实和左右双旋一样，只是方向不同罢了。
在这里插入图片描述
然后这是右左双旋的代码实现，基本和左右双旋的一样：

// 右左双旋
void RotateRL(Node* parent) {
	Node* subRight = parent->_right;
	Node* subRightL = subRight->_left;
	int bf = subRightL->_bf;
	RotateR(parent->_right);
	RotateL(parent);
	
	// 调整平衡因子
	if (0 == bf) {
		// subRightL自己就是新增节点
		parent->_bf = 0;
		subRightL->_bf = 0;
		subRight->_bf = 0;
	}
	else if (1 == bf) {
		// subRight的右边新增
		parent->_bf = -1;
		subRight->_bf = 0;
		subRight->_bf = 0;
	}
	else if (-1 == bf) {
		// subRight的左边新增
		parent->_bf = 0;
		subRightL->_bf = 0;
		subRight->_bf = 1;
	}
	else {
		assert(false);
	}
}

2.3.5、插入接口的整体代码实现

// 插入
bool insert(const pair<K, V>& key) {
	if (nullptr == _root) {
		_root = new Node(key);
		return true;
	}
	Node* cur = _root;
	Node* parent = nullptr;
	
	// 先插入节点
	while (cur) {
		if (key.first > cur->_val.first) {
			parent = cur;
			cur = cur->_right;
		}
		else if (key.first < cur->_val.first) {
			parent = cur;
			cur = cur->_left;
		}
		else {
			return false;
		}
	}

	// 准备插入
	cur = new Node(key);
	if (key.first > parent->_val.first) {
		parent->_right = cur;
		cur->_parent = parent;
	}
	else {
		parent->_left = cur;
		cur->_parent = parent;

	}
	// 检查平衡因子，看看是否需要旋转调整
	while (parent) {
		//  先做第一步调整
		if (cur == parent->_left) {
			parent->_bf--;
		}
		else {
			parent->_bf++;
		}


		if (parent->_bf == 0) {
			return true;
		}
		else if (parent->_bf == 1 || parent->_bf == -1) { // 继续向上检查
			cur = parent;
			parent = parent->_parent;
		}
		else if (parent->_bf == 2 || parent->_bf == -2) {
			if (parent->_bf == 2 && cur->_bf == 1) { // 左单旋
				RotateL(parent);
				return true;
			}
			else if (parent->_bf == -2 && cur->_bf == -1) { // 右单旋
				RotateR(parent);
				return true;
			}
			else if (parent->_bf == 2 && cur->_bf == -1) { // 右左双旋
				RotateRL(parent);
				return true;

			}
			else if (parent->_bf == -2 && cur->_bf == 1) { // 左右双旋
				RotateLR(parent);
				return true;
			}
		}
		else {
			assert(false);
		}
	}
	return true; // 插入成功
}

三、验证AVL树

3.1、验证

验证AVL树我们需要验证两个方面，一个是左右高度差，另一个是平衡因子，因为有时候就算左右高度差就算正常，平衡因子在更新的时候也有可能会出错。而平衡因子一旦出错，就很有可能会带出更多的错误。

所以我们可以写一个判断是否平衡的函数：

// 检查是否平衡
bool isBalance() {
	return _isBalance(_root);
}

bool _isBalance(Node* root) {
	if (nullptr == root) {
		return true;
	}
	int leftH = _height(root->_left);
	int rightH = _height(root->_right);
	// 顺便检查一些平衡因子是否异常
	if (rightH - leftH != root->_bf) {
		cout << root->_val.first << " 平衡因子异常" << endl;
		return false;
	}
	return abs(rightH - leftH) < 2 && _isBalance(root->_left) && _isBalance(root->_right);
}

// 计算高度
int _height(Node* root) {
	if (nullptr == root) {
		return 0;
	}
	return max(_height(root->_left), _height(root->_right)) + 1;
}

// 中序遍历
void Inorder() {
	_Inorder(_root);
	cout << endl;
}

// 中序遍历子函数
void _Inorder(Node* root) {
	if (nullptr == root) {
		return;
	}
	_Inorder(root->_left);
	cout << "(" << root->_val.first << ", " << root->_bf << ") ";
	_Inorder(root->_right);
}

然后我们就可以来跑几个测试看一下：
在这里插入图片描述
在这里插入图片描述
在这里插入图片描述

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/1205866.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

如何使用`open-uri`模块

如何使用`open-uri`模块

首先&#xff0c;我们需要使用open-uri模块来打开网页&#xff0c;并使用Nokogiri模块来解析网页内容。然后&#xff0c;我们可以使用Nokogiri的css方法来选择我们想要的元素&#xff0c;例如标题&#xff0c;作者&#xff0c;内容等。最后&#xff0c;我们可以使用open-uri模块…
阅读更多...
多语言TTS：Multilingual speech synthesis

多语言TTS：Multilingual speech synthesis

文章目录 [Learning to Speak Fluently in a Foreign Language:Multilingual Speech Synthesis and Cross-Language Voice Cloning](https://arxiv.org/abs/1907.04448)[2019interspeech][google][Improving Cross-lingual Speech Synthesis with Triplet Training Scheme](htt…
阅读更多...
3DMAX建模基础教程：捕捉功能

3DMAX建模基础教程：捕捉功能

在3DMAX中&#xff0c;捕捉功能是一项极其重要的技术&#xff0c;它能帮助我们在创建三维模型时更加精确和高效。本教程将详细介绍3DMAX中的捕捉功能及其应用。 1. 捕捉简介 3DMAX中的捕捉功能是指将物体固定在三维空间中的特定位置&#xff0c;以便进行精确的建模操作。这种…
阅读更多...
0基础学习VR全景平台篇第120篇：极坐标处理接缝 - PS教程

0基础学习VR全景平台篇第120篇：极坐标处理接缝 - PS教程

上课&#xff01;全体起立~ 大家好&#xff0c;欢迎观看蛙色官方系列全景摄影课程&#xff01; 紧跟上节课&#xff0c;我们已经学会了怎么利用PS蒙版工具来对航拍全景图补天。但是在后续工作学习中&#xff0c;我们会遇到天空这部分存在部分接缝的问题&#xff0c;如图&…
阅读更多...
算法通关村第八关-黄金挑战

算法通关村第八关-黄金挑战

大家好我是苏麟 ...... 路径总和2 描述 : 给你二叉树的根节点 root 和一个整数目标和 targetSum &#xff0c;找出所有 从根节点到叶子节点 路径总和等于给定目标和的路径。 叶子节点 是指没有子节点的节点。 题目 : LeetCode 113.路径总和2 113. 路径总和 II 分析 : 这…
阅读更多...
为什么UI自动化难做？—— 关于Selenium UI自动化的思考

为什么UI自动化难做？—— 关于Selenium UI自动化的思考

在快速迭代的产品、团队中&#xff0c;UI自动化通常是一件看似美好&#xff0c;实际“鸡肋”&#xff08;甚至绝大部分连鸡肋都算不上&#xff09;的工具。原因不外乎以下几点&#xff1a; 1 效果有限 通常只是听说过&#xff0c;就想去搞UI自动化的团队&#xff0c;心里都认…
阅读更多...
数据跨领域应用实例—车辆通行大数据应用场景（二）

数据跨领域应用实例—车辆通行大数据应用场景（二）

2023年10月25日&#xff0c;国家数据局正式揭牌。标志着我国数据基础制度正在不断完善&#xff0c;数据资源使用水平稳步提升&#xff0c;数据要素市场将进入发展快车道。当前&#xff0c;数字经济已成为我国经济高质量发展的新动能&#xff0c;国家数据局的成立&#xff0c;在…
阅读更多...
Python高级语法----Python类型注解与类型检查

Python高级语法----Python类型注解与类型检查

文章目录 一、类型注解基础二、使用 `mypy` 进行类型检查三、类型注解的最佳实践结论在当今的软件开发实践中，类型注解和类型检查在提高代码的可读性和健壮性方面发挥着至关重要的作用。尤其在 Python 这种动态类型语言中，通过类型注解和类型检查工具，如 mypy，可以显著提升…
阅读更多...
python爬虫代理ip关于设置proxies的问题

python爬虫代理ip关于设置proxies的问题

目录 前言 一、什么是代理IP? 二、为什么需要设置代理IP? 三、如何设置代理IP? 四、完整代码 总结 前言 在进行Python爬虫开发时&#xff0c;经常会遇到被封IP或者频繁访问同一网站被限制访问等问题&#xff0c;这时&#xff0c;使用代理IP就可以避免这些问题&#x…
阅读更多...
微软允许OEM对Win10不提供关闭Secure Boot

微软允许OEM对Win10不提供关闭Secure Boot

用户可能将无法在Windows 10电脑上安装其它操作系统了&#xff0c;微软不再要求OEM在UEFI 中提供的“关闭 Secure Boot”的选项。 微软最早是在Designed for Windows 8认证时要求OEM的产品必须支持UEFI Secure Boot。Secure Boot 被设计用来防止恶意程序悄悄潜入到引导进程。问…
阅读更多...
高版本模拟器安装burp证书

高版本模拟器安装burp证书

一、下载burp证书&#xff0c;安装openssl http://burp自己找官网安装opensslWin32/Win64 OpenSSL Installer for Windows - Shining Light Productions (slproweb.com)二、查看模拟器端口并连接 adb devices openssl x509 -inform der -in cacert.der -out burp.pem openssl…
阅读更多...
一分多行列转换

一分多行列转换

问题描述&#xff1a; 将以下表方式存放的数据&#xff1a; 转换成如下方式存放&#xff1a; 1、 建表语句及插入测试数据 --建表语句 create table INFC_C_GUARANTOR_NISJ (CUST_NO VARCHAR2(30),BAIL_ACCT_NO VARCHAR2(2000) ); create table INFC_C_GUARANTOR_NISJ_N…
阅读更多...
重复性工作自动化解决方案——影刀

重复性工作自动化解决方案——影刀

以前&#xff0c;影刀是一个邂逅的初见小工具&#xff0c;新奇在里头&#xff0c;踌躇在外头&#xff1b; 现在&#xff0c;影刀是一个稳定的职场贾维斯&#xff0c;高效在里头&#xff0c;悠闲在外头&#xff1b; 以后&#xff0c;影刀是一个潜力的知己老司机&#xff0c;有序…
阅读更多...
ROS 通信机制

ROS 通信机制

ROS是一个分布式框架&#xff0c;为用户提供多节点&#xff08;进程&#xff09;之间的通信服务&#xff0c;所有软件和功能都建立在这种分布式通信机制上&#xff0c;ROS的通信机制是最底层也是最核心的技术。 一、话题通信机制 话题在 ROS 中使用最为频繁&#xff0c;其通信…
阅读更多...
Python实现WOA智能鲸鱼优化算法优化循环神经网络分类模型(LSTM分类算法)项目实战

Python实现WOA智能鲸鱼优化算法优化循环神经网络分类模型(LSTM分类算法)项目实战

说明&#xff1a;这是一个机器学习实战项目&#xff08;附带数据代码文档视频讲解&#xff09;&#xff0c;如需数据代码文档视频讲解可以直接到文章最后获取。 1.项目背景 鲸鱼优化算法 (whale optimization algorithm,WOA)是 2016 年由澳大利亚格里菲斯大学的Mirjalili 等提…
阅读更多...
【VECTOR】:CAN OE Alyzer使用

【VECTOR】:CAN OE Alyzer使用

CAN OE Alyzer使用 工程搭建新建工程DBC文件导入插入IG模块Trace查看录制Logger回放Trace 实际应用将需要回放报文的导出需要报文添加导出的报文&#xff0c;回放添加诊断CDD 工程搭建 新建工程 配置硬件1&#xff1a;通道数量选择&#xff08;根据使用情况而定&#xff09; 硬…
阅读更多...
Swift爬虫程序

Swift爬虫程序

以下是一个简单的Swift爬虫程序&#xff0c;用于从前程无忧深圳地区招聘财务、会计的数据爬取数据&#xff1a; import Foundation import SwiftSoup// 创建一个请求对象&#xff0c;指定代理信息 var request URLRequest(url: URL(string: "https://www.51job.com/zh/c…
阅读更多...
Machine-Level Programming III:Procedure

Machine-Level Programming III:Procedure

Machine-Level Programming III:Procedure Today Procedures Mechanisms(机制)Stack StructureCalling Conventions(调用规则) Passing control(传递控制)Passing data(传递数据)Managing local data Illustration of Recursion(递归说明) 补充术语&#xff1a; Program 程序…
阅读更多...
Haskell添加HTTP爬虫ip编写的爬虫程序

Haskell添加HTTP爬虫ip编写的爬虫程序

下面是一个简单的使用Haskell编写的爬虫程序示例&#xff0c;它使用了HTTP爬虫IP&#xff0c;以爬取百度图片。请注意&#xff0c;这个程序只是一个基本的示例&#xff0c;实际的爬虫程序可能需要处理更多的细节&#xff0c;例如错误处理、数据清洗等。 import Network.HTTP.Cl…
阅读更多...
【中间件篇-Redis缓存数据库08】Redis设计、实现、redisobject对象设计、多线程、缓存淘汰算法

【中间件篇-Redis缓存数据库08】Redis设计、实现、redisobject对象设计、多线程、缓存淘汰算法

Redis的设计、实现 数据结构和内部编码 type命令实际返回的就是当前键的数据结构类型&#xff0c;它们分别是&#xff1a;string(字符串)hash(哈希)、list(列表)、set(集合)、zset (有序集合)&#xff0c;但这些只是Redis对外的数据结构。 实际上每种数据结构都有自己底层的…
阅读更多...
推荐文章
最新文章

Copyright @ 2022~2023