Redis查缺补漏
-
Redis中zset底层数据结构
- skpiList+hash
- skipList跳表,多层链表随机上浮节点,读取数据时间复杂度为O(logn),多层实现类似于二分的查找方式
-
Mysql Innodb引擎数据结构为B+树 为什么不用跳表
- B+树与链表的区别
- 写入数据
- B+树每页存储16k数据,对应多个节点,当每页数据填满,会新增数据页用来存储新的数据节点,根据索引节点是否存储满决定是否重新进行平衡。
- 非叶子节点里主要放索引查询相关的数据,放的是主键和指向页号。主键假设是
bigint(8Byte)
,而页号在源码里叫FIL_PAGE_OFFSET(4Byte)
,那么非叶子节点里的一条数据是12Byte
左右。整个数据页16k
, 页头页尾那部分数据全加起来大概128Byte
,加上页目录毛估占1k
吧。那剩下的15k除以12Byte
,等于1280
,也就是可以指向x=1280页。 - 我们常说的二叉树指的是一个结点可以发散出两个新的结点。m叉树一个节点能指向m个新的结点。这个指向新节点的操作就叫扇出(fanout)。而上面的B+树,它能指向1280个新的节点,恐怖如斯,可以说扇出非常高了。
- 叶子节点里放的是真正的行数据。假设一条行数据
1kb
,所以一页里能放y=15行。 - 假设B+树是两层。则是
(1280 ^ (2-1)) * 15 ≈ 2w
- 假设B+树是三层。则是
(1280 ^ (3-1)) * 15 ≈ 2.5kw
- 非叶子节点里主要放索引查询相关的数据,放的是主键和指向页号。主键假设是
- 跳表底层为多层链表结构,找到节点直接修改前后节点指针即可完成修改,然后根据随机算法决定是否上层新增新写入节点。
- 写入数据使用调表好很多,树的平衡操作成本很高
- B+树每页存储16k数据,对应多个节点,当每页数据填满,会新增数据页用来存储新的数据节点,根据索引节点是否存储满决定是否重新进行平衡。
- 读取数据,以2kw数据结构为例
- 使用B+树3层即可存储数据,对应3次磁盘IO即可。
- 估算2kw约等于2^24,所以跳表存储结构可能需要24层,可能会对应24次磁盘IO
- 读取数据如果要通过磁盘IO,B+树读取效率高很多
- 写入数据
- Mysq和Redis区别
- Redis 主要应用于数据读取,数据处理在内存中,使用两种数据结构读取效率差不多,写入效率使用跳表更好。
- Mysql要考虑数据存储持久化,要与磁盘交互较多,层高越低越好。
- 参考文档:https://blog.csdn.net/qq_42259971/article/details/126905577
- B+树与链表的区别
-
Redis配置文件与持久化
- 参考文档:https://www.cnblogs.com/traditional/p/13296648.html
-
Redis主从复制
- 参考文档:https://segmentfault.com/a/1190000039242024
-
布隆过滤器
- 解决缓存穿透问题
- 通过哈希函数+bitmap做缓存,防止大量无用请求浪费数据库连接,概率性解决
-
内存回收策略