Redis Set 用了 2 种数据结构来存储,到现在才知道
Sets 无序集合,他的功能就好像你熟悉的 Java 中的 HashSet 一样。集合是通过散列表实现的,所以添加、删除、查找元素的时间复杂度是 O(1)。
1. 是什么
Sets 是 String 类型的无序集合,集合中的元素是唯一的,集合中不会出现重复的数据。
Java 的 HashSet 底层是用 HashMap 实现,Sets 的底层数据结构也是用 Hashtable(散列表)实现,散列表的 key 存的是 Sets 集合元素的 value,散列表的 value 则指向 NULL。
不同的是,当元素内容都是 64 位以内的十进制整数的时候,并且元素个数不超过 set-max-intset-entries 配置的值(默认 512)的时候,会使用更加省内存的 intset(整形数组)来存储。
图 2-15
使用场景
当你需要存储多个元素,并且要求不能出现重复数据,无需考虑元素的有序时,就可以使用 Sets 来存储,这样能利用我对单个元素操作 O(1) 时间复杂度带来的性能优势。
并且 Sets 还支持在集合之间做交集、并集、差集操作,比如当你遇到如下场景,需要统计多个集合元素的聚合结果。
统计多个元素的共有数据(交集)。
统计两个集合其中的一个独有元素(差集统计)。
统计多个集合的所有元素(并集统计)。
常见的使用场景。
社交软件中共同关注,通过交集实现。
每日新增关注数,只需要对近两天的总注册用户量集合取差集即可。
打标签:比如微信收藏功能,你可以为自己收藏的每一篇文章打标签,这样你可以快速的找到被添加了某个标签的所有文章。
2. 修炼心法
关于散列表结构我会在专门的章节介绍,先看 intset 结构,结构体定义在源码 intset.h 中。
length,记录整数集合存储的元素个数,其实就是 contents 数组的长度。
contents,真正存储整数集合的数组,是一块连续内存区域。每个元素都是数组的一个数组元素,数组中的元素会按照值的大小从小到大有序排列存储,并且不会有重复元素。
encoding,编码格式,决定数组类型,一共有三种不同的值。INTSET_ENC_INT16,表示 contents 数组的存储元素是 int16_t 类型,每 2 字节表示一个整数元素。INTSET_ENC_INT32,表示 contents 数组的存储元素是 int32_t 类型,每 4 字节表示一个元素。INTSET_ENC_INT64,表示 contents 数组的存储元素是 int64_t 类型,每 8 字节表示一个元素。
图 2-16
MySQL:“如果在一个 int16_t 类型的整数集合中插入一个 int64_t 类型的值会怎样?”
这个问题问得好,下次可以继续保持。
这种情况会触发整数集合升级,也就是集合的所有元素都会转换成 int64_t 类型,步骤如下。
根据新元素的类型,以及集合元素的数量,包括新添加的元素在内,计算新的空间大小,对底层数组空间扩容,进行空间重新分配。
将数组原有的元素都转换成新元素类型,把转换后的元素按照从大到小的顺序放到正确的位置上,需要保证数组元素的有序性。
修改 encoding 的值,length + 1。
所以每次向整形数组集合添加新元素都可能会引起升级,升级又会对原始数据进行类型转换,时间复杂度是 O(N)。
MySQL:“如果删除刚刚添加的 int64_t 类型元素,会执行降级操作么?”
整形数组不支持降级操作。
MySQL:“Sets 是无序集合,为何存储整形数字的场景下 contents 数组元素需要有序?”
为了查询元素速度,数组有序我就能使用二分法来提高查询效率。insetFind() 函数返回值等于 0 表示集合中没有目标数据,反之 1 存在目标数据。方法的内部会调用 intsetSearch()函数使用二分法来实现。
pos 指针的作用有两个,如果查找到目标值, pos 记录目标值的位置;查找不到目标值,pos 记录的就是这个目标值插入到 intset 的位置。
3. 出招实战:共同好友
三国天下有限公司开发了一个名叫“三国恋”的社交 APP,想要实现共同好友功能,这个场景就能使用集合交集来实现。为每个用户创建一个 Sets 集合,账号名作为集合的 key,集合 value 存储该账号的好友。
如下指令构建刘备和曹操的好友集合。
想要知道两个人的共同好友,也就是两个集合的交集,只需要使用 SINTERSTORE 指令。
命令执行后,刘备与曹操两个集合的交集数据就存储到了“user:曹刘好友”集合中。使用 SMEMBERS 查看曹操与刘备的共同好友。
好家伙,他们都喜欢貂蝉,你喜不喜欢呢?
评论