Redis跳表

KBkongbaiKB

于 2025-03-16 20:54:00 发布

阅读量815

点赞数 16

文章标签： redis 数据库缓存

本文链接：https://blog.youkuaiyun.com/KBkongbaiKB/article/details/146301260

版权

一、跳表为什么能在Redis中C位出道？

1.1 设计哲学之争

有序数据结构

平衡树族

跳跃链表族

AVL树

红黑树

B+树

Redis跳表

LevelDB跳表

对比优势：

实现复杂度比红黑树低5倍
天然支持范围查询
便于并发控制（无需全局重平衡）

1.2 Redis的选择之谜

[Sorted Set核心需求]
1. 快速定位排名（O(logN)复杂度）
2. 高效范围查询（ZRANGE命令）
3. 动态数据更新（自动调整位置）

二、跳表底层结构全解析

2.1 节点结构解剖

typedef struct zskiplistNode {
    sds ele;                      // 成员对象
    double score;                 // 排序分数
    struct zskiplistNode *backward; // 后退指针
    struct zskiplistLevel {
        struct zskiplistNode *forward; // 前进指针
        unsigned long span;            // 跨度
    } level[];                   // 柔性数组（层级指针）
} zskiplistNode;

核心参数：

最大层数：32层（可配置）
层数生成算法：幂次定律（P=1/4）
平均查找路径长度：logN + 2级

2.2 跳表示意图

头节点:L32

节点1:L4

节点2:L3

节点3:L5

节点4:L2

节点3:L4

节点3:L3

nil

节点2:L2

三、插入操作的高光时刻

3.1 插入算法五步走

def zslInsert(zsl, score, ele):
    update = []  # 更新路径数组
    rank = [0]*ZSKIPLIST_MAXLEVEL  # 排名数组
  
    # 步骤1：查找插入位置
    x = zsl.header
    for i in range(zsl.level-1, -1, -1):
        rank[i] = 0 if i == zsl.level-1 else rank[i+1]
        while x.level[i].forward and 
             (x.level[i].forward.score < score or 
             (x.level[i].forward.score == score and 
             compareStringObjects(x.level[i].forward.ele,ele) < 0)):
            rank[i] += x.level[i].span
            x = x.level[i].forward
        update.append(x)
  
    # 步骤2：生成随机层数
    level = zslRandomLevel()
  
    # 步骤3：创建新节点
    newNode = createNode(level, score, ele)
  
    # 步骤4：调整指针和跨度
    for i in range(level):
        newNode.level[i].forward = update[i].level[i].forward
        update[i].level[i].forward = newNode
        newNode.level[i].span = update[i].level[i].span - (rank[0] - rank[i])
        update[i].level[i].span = (rank[0] - rank[i]) + 1
  
    # 步骤5：调整后退指针和长度
    newNode.backward = update[0]
    if newNode.level[0].forward:
        newNode.level[0].forward.backward = newNode
    zsl.length += 1

3.2 层数生成规则

int zslRandomLevel(void) {
    int level = 1;
    while ((random()&0xFFFF) < (ZSKIPLIST_P * 0xFFFF))
        level += 1;
    return (level<ZSKIPLIST_MAXLEVEL) ? level : ZSKIPLIST_MAXLEVEL;
}

层数概率分布：

L1：100%
L2：25%
L3：6.25%
Ln：(1/4)^(n-1)

四、查找与删除艺术

4.1 查找操作流程图

ClientHeaderNode1Node2Target从最高层开始查找score < target?继续移动找到目标节点返回查找结果ClientHeaderNode1Node2Target

4.2 删除操作三步骤

查找要删除的节点
更新前后指针关系
释放节点内存

五、跳表性能终极PK

特性	跳表	红黑树	B+树
实现复杂度	O(N)简单	O(N)复杂	O(N)复杂
范围查询效率	O(logN)优秀	O(N)需要中序	O(logN)优秀
插入/删除开销	O(logN)中等	O(logN)中等	O(logN)中等
内存使用效率	每个节点多指针	颜色标记空间	节点填充因子高
并发控制难度	易于局部锁	需要全局锁	需要页面锁
典型应用场景	Redis ZSET	C++ STL Map	数据库索引

六、Redis使用跳表的三大精髓

6.1 ZRANGE命令魔法

ZADD leaderboard 98 "PlayerA" 95 "PlayerB"
ZRANGE leaderboard 0 -1 WITHSCORES  # 高效范围查询

6.2 排名统计奥秘

typedef struct zset {
    dict *dict;          // 哈希表: O(1)查找
    zskiplist *zsl;      // 跳表: O(logN)排名
} zset;

6.3 延迟队列实现

def add_delayed_task(task_id, execute_time):
    redis.zadd("delayed_queue", {task_id: execute_time})

def check_delayed_tasks():
    now = time.time()
    tasks = redis.zrangebyscore("delayed_queue", 0, now)
    process_tasks(tasks)
    redis.zremrangebyscore("delayed_queue", 0, now)

七、跳表使用六大陷阱

内存膨胀风险：元素较多时考虑使用ziplist编码 zset-max-ziplist-entries 128
分数相同排序：当score相同时按成员字典序排列
大数据量瓶颈：元素超过10万时层级指针占内存30%+
更新操作误区：先删除旧元素再插入新元素（原子性风险）
遍历顺序误解：默认从低到高排序，反向遍历用ZREVRANGE
内存回收隐患：删除大量元素后及时主动释放内存

八、跳表优化的三重境界

8.1 层级优化策略

// 修改ZSKIPLIST_P参数（默认0.25）
#define ZSKIPLIST_P 0.5  // 增加高层节点密度

8.2 内存布局优化

原始内存布局：
┌─────────────┐
│  header     │
├─────────────┤
│  level 0    │ 
├─────────────┤
│  level 1    │
└─────────────┘

优化后：
┌─────────────┐
│  header     │
│  level 0-7  │
└─────────────┘