从libuv源码中学习二叉堆_uv_timer_stop

2401_85158769

于 2024-07-05 02:23:55 发布

阅读量725

点赞数 7

分类专栏：资料搜公宗号文章标签：学习 uv 数据结构

本文链接：https://blog.csdn.net/2401_85158769/article/details/140194582

版权

资料搜公宗号专栏收录该内容

10 篇文章

订阅专栏

               uint64_t repeat) {

… …
heap_insert(timer_heap(handle->loop),
(struct heap_node*) &handle->heap_node,
timer_less_than);
… …
}


当调用`uv_timer_stop`的时候，libuv都会删除一条定时器信息：

int uv_timer_stop(uv_timer_t* handle) {
if (!uv__is_active(handle))
return 0;

heap_remove(timer_heap(handle->loop),
(struct heap_node*) &handle->heap_node,
timer_less_than);
uv__handle_stop(handle);

return 0;
}


**为什么用最小二叉堆呢？**  
 因为它永远把最小值放在了根节点，而这里的最小值就是定时器最先到时间点的那一组，所以为了查询效率，采用了这么一种算法：

void uv__run_timers(uv_loop_t* loop) {
… …

for (;😉 {
heap_node = heap_min(timer_heap(loop));
if (heap_node == NULL)
break;

handle = container\_of(heap_node, uv_timer_t, heap_node);
if (handle->timeout > loop->time)
  break;

... ...

}
}


libuv的最小二叉堆的实现源码在这里：[heap-inl.h]( )


接下去，我们开始从libuv的源码中学习最小二叉堆的知识，为了让大家不至于那么陌生，将C语言实现版本转换为Js版本，我们会一遍讲解理论，一边代码实现。


### 2、二叉堆的基本概念


首先我们得知道二叉堆的定义：二叉堆是一棵完全二叉树，且任意一个结点的键值总是小于或等于其子结点的键值。


那么什么是完全二叉树(complete binary tree)呢？我们先来看一下关于树的数据结构都有哪些？


![](https://imgconvert.csdnimg.cn/aHR0cHM6Ly91c2VyLWdvbGQtY2RuLnhpdHUuaW8vMjAyMC8yLzcvMTcwMWZjOWI2OTYwMmQ1Mw?x-oss-process=image/format,png)


#### 2.1、完全二叉树


定义是：



> 
> 对于一个树高为`h`的二叉树，如果其第0层至第`h-1`层的节点都满。如果最下面一层节点不满，则所有的节点在左边的连续排列，空位都在右边。这样的二叉树就是一棵完全二叉树。  
>  如下图所示：
> 
> 
> 


![](https://imgconvert.csdnimg.cn/aHR0cHM6Ly91c2VyLWdvbGQtY2RuLnhpdHUuaW8vMjAyMC8yLzcvMTcwMWZjOWY3YjYwM2ZkMQ?x-oss-process=image/format,png)


正因为完全二叉树的独特性质，因此其数据可以使用数组来存储，而不需要使用特有的对象去链接左节点和右节点。因为其左右节点的位置和其父节点位置有这样的一个计算关系：


k表示父节点的索引位置

left = 2 * k + 1
right = 2 * k + 2


#### 2.2、最小(大)二叉堆


知道了完全二叉树，那么二叉堆的这种神奇的数据结构就是多了一个硬性条件：**任意一个结点的键值总是小于(大于)或等于其子结点的键值。** 因为其存储结构不是使用左右节点互相链接的形式，而是使用简单的数组，所以称之为”堆“，但是基于完全二叉树，因此又带上了”二叉“两字。


那么有了上面的特征，当我们插入或者删除某个值的时候，为了保持二叉堆的特性，于是又出现了一些二叉堆**稳定**的调整算法(也叫堆化)，具体在下面讲解。


### 3、二叉堆的基本操作


搞懂二叉堆的插入和删除操作，我们先得掌握两个基本操作：一个是从顶向下调整堆(bubble down)，一个自底向上调整堆(bubble up)，二者的调整分别用于二叉堆的删除和插入。


#### 3.1、自顶向下调整（堆化）


这个操作其实就是根据父节点的位置，往下寻找符合条件的子节点，不断地交换直到找到节点大于父节点，示意图如下：


![](https://imgconvert.csdnimg.cn/aHR0cHM6Ly91c2VyLWdvbGQtY2RuLnhpdHUuaW8vMjAyMC8yLzcvMTcwMWZjYjU1MGZhOGUyMg?x-oss-process=image/format,png)


实现代码如下：

// 当前节点i的堆化过程
max_heapify(i) {
const leftIndex = 2 * i + 1 // 左节点
const rightIndex = 2 * i + 2 // 右节点
let maxIndex = i // 当前节点i

  // 如果有子节点数据大于本节点那么就进行交换
  if (leftIndex < this.heapSize && this.list[leftIndex] > this.list[maxIndex]) {
      maxIndex = leftIndex
  }
  if (rightIndex < this.heapSize && this.list[rightIndex] > this.list[maxIndex]) {
      maxIndex = rightIndex
  }
  if (i !== maxIndex) {
      swap(this.list, maxIndex, i) // maxIndex子节点与当前节点位置交换
      // 自顶向下调整
      this.max\_heapify(maxIndex) // 自顶向下递归依次对子节点建堆
  }

}


#### 3.2、自底向上调整（建堆）


这种调整是当插入一个新值的时候，为了保证二叉堆的特性，需要从该新插入的子节点中一步步与父节点判断，不断交换位置，直到整个二叉堆满足特性。示意图如下：


![](https://imgconvert.csdnimg.cn/aHR0cHM6Ly91c2VyLWdvbGQtY2RuLnhpdHUuaW8vMjAyMC8yLzcvMTcwMWZjYzA5N2UzYzA4Nw?x-oss-process=image/format,png)


这里有一个核心问题：**倒数第一个分支节点的序号是多少呢？**


![](https://imgconvert.csdnimg.cn/aHR0cHM6Ly91c2VyLWdvbGQtY2RuLnhpdHUuaW8vMjAyMC8yLzcvMTcwMWZjYThmYzY0YTFkZA?x-oss-process=image/format,png)


代码实现如下：

//建堆
build() {
let i = Math.floor(this.heapSize / 2) - 1
while (i >= 0) {
// 自底向上调整, 从倒数第一个分支节点开始，自底向上调整，直到所有的节点堆化完毕
this.max_heapify(i–)
}
}


### 4、插入和删除


有了上面的两种操作，插入的删除的实现就顺理成章了。只需要这么调用上面的两个操作：


#### 4.1 插入操作

//增加一个元素
insert(item) {
this.list.push(item);
this.heapSize++
this.build();
}


#### 4.2 删除操作


这里的删除都是删除根节点，然后再把最后一个节点的数拿到根节点，之后再自上而下调整整个二叉堆。

//提取最大堆第一个节点并恢复堆为最大堆
extract() {
if (this.heapSize === 0) return null
const item = this.list[0]
swap(this.list, 0, this.heapSize - 1)
this.heapSize–
this.max_heapify(0)
return item
}