一个网站的建设需要哪些流程图,我的企业网站怎么seo,网站微信链接怎么做的,宜阳县网站建设redis为什么快#xff1f; 首先可以想到内存读写数据本来就快#xff0c;然后IO复用快#xff0c;单线程没有静态消耗和锁机制快。 还有就是数据结构的设计快。这是因为#xff0c;键值对是按一定的数据结构来组织的#xff0c;操作键值对最终就是对数据结构进行增删改查操…redis为什么快 首先可以想到内存读写数据本来就快然后IO复用快单线程没有静态消耗和锁机制快。 还有就是数据结构的设计快。这是因为键值对是按一定的数据结构来组织的操作键值对最终就是对数据结构进行增删改查操作所以高效的数据结构是 Redis 快速处理数据的基础。
redis的值的数据类型就是 String字符串、List列表、Hash哈希、Set集合和 Sorted Set有序集合。而这里我们说的数据结构是要去看看它们的底层实现。 底层数据结构一共有 6 种分别是简单动态字符串、双向链表、压缩列表、哈希表、跳表和整数数组。它们和数据类型的对应关系如下图所示 可以看到String 类型的底层实现只有一种数据结构也就是简单动态字符串。而 List、Hash、Set 和 Sorted Set 这四种数据类型都有两种底层实现结构。通常情况下我们会把这四种类型称为集合类型它们的特点是一个键对应了一个集合的数据。这里应该是错的有序集合使用了压缩列表、哈希表、跳表三种数据结构并且哈希表和跳表共存哈希表是为了点查使用跳表是为了扫描使用。
这些都是值的底层结构那么键和值怎么组织的 为了实现从键到值的快速访问Redis 使用了一个哈希表来保存所有键值对。 哈希表的最大好处很明显就是让我们可以用 O(1) 的时间复杂度来快速查找到键值对——我们只需要计算键的哈希值就可以知道它所对应的哈希桶位置然后就可以访问相应的 entry 元素。
为什么哈希表操作变慢了 这其实是因为你忽略了一个潜在的风险点那就是哈希表的冲突问题和 rehash 可能带来的操作阻塞。 如果采用拉链法的话数据太多拉链太长就会增加查找时间就不快了。 所以采用的是rehash法。Redis 默认使用了两个全局哈希表哈希表 1 和哈希表 2。一开始当你刚插入数据时默认使用哈希表 1此时的哈希表 2 并没有被分配空间。随着数据逐步增多Redis 开始执行 rehash这个过程分为三步给哈希表 2 分配更大的空间例如是当前哈希表 1 大小的两倍把哈希表 1 中的数据重新映射并拷贝到哈希表 2 中释放哈希表 1 的空间。 第二步设涉及的拷贝操作很多会造成 Redis 线程阻塞无法服务其他请求。 所以是渐进式rehash。第二步是每处理一次客户端请求把一个数组的位置进行转移。
压缩列表 压缩列表实际上类似于一个数组数组中的每一个元素都对应保存一个数据。和数组不同的是压缩列表在表头有三个字段 zlbytes、zltail 和 zllen分别表示列表长度、列表尾的偏移量和列表中的 entry 个数压缩列表在表尾还有一个 zlend表示列表结束。 在压缩列表中如果我们要查找定位第一个元素和最后一个元素可以通过表头三个字段的长度直接定位复杂度是 O(1)。而查找其他元素时就没有这么高效了只能逐个查找此时的复杂度就是 O(N) 了。
跳表 具体来说跳表在链表的基础上增加了多级索引通过索引位置的几个跳转实现数据的快速定位如下图所示 可以看到这个查找过程就是在多级索引上跳来跳去最后定位到元素。这也正好符合“跳”表的叫法。当数据量很大时跳表的查找复杂度就是 O(logN)。 其实是空间换时间的做法而且链表必须是有序的
操作复杂度分析 1.单元素操作是指每一种集合类型对单个数据实现的增删改查操作。例如Hash 类型的 HGET、HSET 和 HDELSet 类型的 SADD、SREM、SRANDMEMBER 等。这些操作的复杂度由集合采用的数据结构决定例如HGET、HSET 和 HDEL 是对哈希表做操作所以它们的复杂度都是 O(1)Set 类型用哈希表作为底层数据结构时它的 SADD、SREM、SRANDMEMBER 复杂度也是 O(1)。
2、范围操作是指集合类型中的遍历操作可以返回集合中的所有数据比如 Hash 类型的 HGETALL 和 Set 类型的 SMEMBERS或者返回一个范围内的部分数据比如 List 类型的 LRANGE 和 ZSet 类型的 ZRANGE。这类操作的复杂度一般是 O(N)比较耗时我们应该尽量避免不过Redis 从 2.8 版本开始提供了 SCAN 系列操作包括 HSCANSSCAN 和 ZSCAN这类操作实现了渐进式遍历每次只返回有限数量的数据。这样一来相比于 HGETALL、SMEMBERS 这类操作来说就避免了一次性返回所有元素而导致的 Redis 阻塞。 3、统计操作是指集合类型对集合中所有元素个数的记录例如 LLEN 和 SCARD。这类操作复杂度只有 O(1)这是因为当集合类型采用压缩列表、双向链表、整数数组这些数据结构时这些结构中专门记录了元素的个数统计因此可以高效地完成相关操作。 第四例外情况是指某些数据结构的特殊记录例如压缩列表和双向链表都会记录表头和表尾的偏移量。这样一来对于 List 类型的 LPOP、RPOP、LPUSH、RPUSH 这四个操作来说它们是在列表的头尾增删元素这就可以通过偏移量直接定位所以它们的复杂度也只有 O(1)可以实现快速操作。
总结:数据结构为什么快因为采用了全局哈希表可以快速定位key-value。然后value的数据结构很多采用哈希表实现比如hash,set,sortedset。而且有序集合采用了跳表实现logn级别的查找复杂度。当需要遍历时最好用SCAN比较快。FIFO类型可以用list
问题整数数组和压缩列表在查找时间复杂度方面并没有很大的优势那为什么 Redis 还会把它们作为底层数据结构呢 **内存利用率数组和压缩列表都是非常紧凑的数据结构**它比链表占用的内存要更少。Redis是内存数据库大量数据存到内存中此时需要做尽可能的优化提高内存的利用率。 数组对CPU高速缓存支持更友好所以Redis在设计时集合数据元素较少情况下默认采用内存紧凑排列的方式存储同时利用CPU高速缓存不会降低访问速度。当数据元素超过设定阈值后避免查询时间复杂度太高转为哈希和跳表数据结构存储保证查询效率。 Redis底层的使用数组和压缩链表对数据大小限制在64个字节以下当大于64个字节会改变存储数据的数据结构所以随机访问对于CPU高速缓存没啥影响
