Redisbook学习笔记（3）数据类型之集合

REDIS_SET 集合 是SADD 、SRANDMEMBER 等命令的操作对象 它使用

REDIS_ENCODING_INTSET 和REDIS_ENCODING_HT 两种方式编码

编码的选择

第一个添加到集合的元素决定了创建集合时所使用的编码

如果第一个元素可以表示为long long 类型值也即是它是一个整数那么集合的初

始编码为REDIS_ENCODING_INTSET 。

否则集合的初始编码为REDIS_ENCODING_HT 。

编码的切换

如果一个集合使用REDIS_ENCODING_INTSET 编码那么当以下任何一个条件被满足时这个

集合会被转换成REDIS_ENCODING_HT 编码

intset 保存的整数值个数超过server.set_max_intset_entries 默认值为512 。

试图往集合里添加一个新元素并且这个元素不能被表示为long long 类型也即是

它不是一个整数。

字典编码的集合

当使用REDIS_ENCODING_HT 编码时集合将元素保存到字典的键里面而字典的值则统一设

为NULL 。

作为例子以下图片展示了一个以REDIS_ENCODING_HT 编码表示的集合集合的成员为elem1

、elem2 和elem3

集合命令的实现

Redis 集合类型命令的实现主要是对intset 和dict 两个数据结构的操作函数的包装以及

一些在两种编码之间进行转换的函数大部分都没有什么需要解释的地方唯一比较有趣的是

SINTER 、SUNION 等命令之下的算法实现以下三个小节就分别讨论它们所使用的算法。

求交集算法

SINTER 和SINTERSTORE 两个命令所使用的求并交集算法可以用Python 表示如下

# coding: utf-8
def sinter(*multi_set):
# 根据集合的基数进行排序
sorted_multi_set = sorted(multi_set, lambda x, y: len(x) - len(y))
# 使用基数最小的集合作为基础结果集有助于降低常数项
result = sorted_multi_set[0].copy()
# 剔除所有在sorted_multi_set[0] 中存在
# 但在其他某个集合中不存在的元素
for elem in sorted_multi_set[0]:
for s in sorted_multi_set[1:]:
if (not elem in s):
result.remove(elem)
break
return result

算法的复杂度为O(N2) 执行步数为S T 其中S 为输入集合中基数最小的集合而T 则

为输入集合的数量。

求并集算法

SUNION 和SUNIONSTORE 两个命令所使用的求并集算法可以用Python 表示如下

# coding: utf-8
def sunion(*multi_set):
result = set()
for s in multi_set:
for elem in s:
# 重复的元素会被自动忽略
result.add(elem)
return result

算法的复杂度为O(N) 。

求差集算法

Redis 为SDIFF 和SDIFFSTORE 两个命令准备了两种求集合差的算法。

以Python 代码表示的算法一定义如下

# coding: utf-8
def sdiff_1(*multi_set):
result = multi_set[0].copy()
sorted_multi_set = sorted(multi_set[1:], lambda x, y: len(x) - len(y))
# 当elem 存在于除multi_set[0] 之外的集合时
# 将elem 从result 中删除
for elem in multi_set[0]:
for s in sorted_multi_set:
if elem in s:
result.remove(elem)
break
return result

这个算法的复杂度为O(N2) 执行步数为S T 其中S 为输入集合中基数最小的集合而

T 则为除第一个集合之外其他集合的数量。

以Python 代码表示的算法二定于如下

# coding: utf-8
def sdiff_2(*multi_set):
# 用第一个集合作为结果集的起始值
result = multi_set[0].copy()
for s in multi_set[1:]:
for elem in s:
# 从结果集中删去其他集合中包含的元素
if elem in result:
result.remove(elem)
return result

这个算法的复杂度同样为O(N2) 执行步数为S 其中S 为所有集合的基数总和。

Redis 使用一个程序决定该使用那个求差集算法程序用Python 表示如下

# coding: utf-8
from sdiff_1 import sdiff_1
from sdiff_2 import sdiff_2
def sdiff(*multi_set):
# 算法一的常数项较低给它一点额外的优先级
algo_one_advantage = 2
algo_one_weight = len(multi_set[0]) * len(multi_set[1:]) / algo_one_advantage
algo_two_weight = sum(map(len, multi_set))
if algo_one_weight <= algo_two_weight:
return sdiff_1(*multi_set)
else:
return sdiff_2(*multi_set)