数据结构

=Redis数据结构=

Redis有哪些数据结构？：代码实现
字符串：value是string、整数、浮点数。整数、浮点数可以做++or--。缓存对象、常规计数、分布式锁
哈希：包含键值的无序散列表。缓存对象、购物车
列表：链表，节点包含字符串。消息队列
集合：基于哈希。string的无序集合。聚合计算场景：点赞、共同关注、抽奖
有序集合：元素对应分数，用于排序。排序场景，排行榜。

Bitmap：二值状态，签到，判断用户登录状态
Stream：消息队列。自动生成全局唯一ID，支持按组消费数据


对数据类型的操作都是原子性的，因为执行命令由单线程负责

Zset使用了什么数据结构/底层是如何实现的？
跳表

Zset用过吗？使用场景：代码实现
实现排行榜功能

SkipList了解吗？：代码实现 区分度
多层的有序链表，解决链表查找时只能逐一查找，效率低的问题
多个头节点，指向不同的层级，快读定位数据

深挖：跳表如何实现多层？
对象元素值 元素权重值
后向指针(倒序查找)
节点level数组(元素代表跳的层)，保存每层上的前向指针和跨度

跳表是怎么设置层高的？
创建节点时，生成0-1的随机数，小于0.25就+1层，循环往复，直至随机数大于0.25

跳表的时间复杂度是多少？
时间复杂度是O(logn)，空间复杂度是O(n)

Redis为什么使用跳表而不是B+树？
对于内存访问：跳表符合CPU缓存局部性，指针跳转效率更高，B+树节点结构复杂，缓存不优化。
实现复杂度：跳表无复杂平衡操作，B+树节点分裂/合并逻辑复杂，代码量大。
写入性能，跳表插入/删除仅需要调整局部指针，B+树插入可能触发递归节点分裂，成本高
内存占用：跳表结构紧凑，无内存碎片，B+树节点预分类可能浪费内存

为什么MySQL不用SkipList？
B+树3-4层就能实现千万级别数据的存储，但同样的数据量跳表存储就会有太多的层数，导致磁盘io次数增多

哈希表是怎么扩容的？深入理解哈希表结构代码实现
用到两个哈希表
正常请求阶段，只向哈希表1中插入数据，哈希表2没有分配空间
随着数据增多，给哈希表2分配空间，一般比表1大两倍。将表1中的数据转移到表2中，直至全部转移完，清除表1，空间，将表2设置为表1，创建一个空白的哈希表2，为下次rehash做准备。

渐进式哈希？
解决表1数据迁移到表2时候大量的拷贝操作，造成Redis阻塞。
给哈希表2分配空间
每次对元素操作，顺序讲表1中的元素迁移到表2
随着请求增多，最终会全部迁移完成
渐进式哈希过程中的写/删除，查找更新操作怎么进行？
删除、查找、更新 在两个表同时操作。表1没找到，去表2找
写只保存在表2，确保表1的元素越来越少。

String是使用什么存储的？为什么不使用C语言中的字符串？
SDS数据结构：
len：字符串长度 查询时直接返回，时间复杂度O（1）
alloc：分配的空间长度 。修改字符串时，allc-len判空间，不足扩容，不会出现缓冲区溢出
flags：sds类型 。一共有5种
buf[]:字节数组 。保存实际数据，字符串/二进制

比起C：查询字符串长度快。二进制安全，用len存储长度，可以存储\0,SDS的api都是以二进制的方式对buf中的数据处理。可以保存任意格式的二进制。
不会发生缓冲区溢出，C的大多数stirng操作函数不安全，程序内部不会判断缓冲区是否够用，溢出会造成程序的异常结束。