连锁更新

最后更新于:2022-04-01 21:35:55

前面说过, 每个节点的 `previous_entry_length` 属性都记录了前一个节点的长度: * 如果前一节点的长度小于 `254` 字节, 那么 `previous_entry_length` 属性需要用 `1` 字节长的空间来保存这个长度值。 * 如果前一节点的长度大于等于 `254` 字节, 那么 `previous_entry_length` 属性需要用 `5` 字节长的空间来保存这个长度值。 现在, 考虑这样一种情况: 在一个压缩列表中, 有多个连续的、长度介于 `250` 字节到 `253` 字节之间的节点 `e1` 至 `eN` , 如图 7-11 所示。 ![](https://docs.gechiui.com/gc-content/uploads/sites/kancloud/2015-09-13_55f51c92165a8.png) 因为 `e1` 至 `eN` 的所有节点的长度都小于 `254` 字节, 所以记录这些节点的长度只需要 `1` 字节长的 `previous_entry_length` 属性, 换句话说,`e1` 至 `eN` 的所有节点的 `previous_entry_length` 属性都是 `1` 字节长的。 这时, 如果我们将一个长度大于等于 `254` 字节的新节点 `new` 设置为压缩列表的表头节点, 那么 `new` 将成为 `e1` 的前置节点, 如图 7-12 所示。 ![](https://docs.gechiui.com/gc-content/uploads/sites/kancloud/2015-09-13_55f51c930ab24.png) 因为 `e1` 的 `previous_entry_length` 属性仅长 `1` 字节, 它没办法保存新节点 `new` 的长度, 所以程序将对压缩列表执行空间重分配操作, 并将`e1` 节点的 `previous_entry_length` 属性从原来的 `1` 字节长扩展为 `5` 字节长。 现在, 麻烦的事情来了 —— `e1` 原本的长度介于 `250` 字节至 `253` 字节之间, 在为 `previous_entry_length` 属性新增四个字节的空间之后, `e1`的长度就变成了介于 `254` 字节至 `257` 字节之间, 而这种长度使用 `1` 字节长的 `previous_entry_length` 属性是没办法保存的。 因此, 为了让 `e2` 的 `previous_entry_length` 属性可以记录下 `e1` 的长度, 程序需要再次对压缩列表执行空间重分配操作, 并将 `e2` 节点的`previous_entry_length` 属性从原来的 `1` 字节长扩展为 `5` 字节长。 正如扩展 `e1` 引发了对 `e2` 的扩展一样, 扩展 `e2` 也会引发对 `e3` 的扩展, 而扩展 `e3` 又会引发对 `e4` 的扩展……为了让每个节点的`previous_entry_length` 属性都符合压缩列表对节点的要求, 程序需要不断地对压缩列表执行空间重分配操作, 直到 `eN` 为止。 Redis 将这种在特殊情况下产生的连续多次空间扩展操作称之为“连锁更新”(cascade update), 图 7-13 展示了这一过程。 ![](https://docs.gechiui.com/gc-content/uploads/sites/kancloud/2015-09-13_55f51c9411c63.png) ![](https://docs.gechiui.com/gc-content/uploads/sites/kancloud/2015-09-13_55f51c9562866.png) ![](https://docs.gechiui.com/gc-content/uploads/sites/kancloud/2015-09-13_55f51c968ab45.png) ![](https://docs.gechiui.com/gc-content/uploads/sites/kancloud/2015-09-13_55f51c97d30cf.png) ![](https://docs.gechiui.com/gc-content/uploads/sites/kancloud/2015-09-13_55f51c99143df.png) 除了添加新节点可能会引发连锁更新之外, 删除节点也可能会引发连锁更新。 考虑图 7-14 所示的压缩列表, 如果 `e1` 至 `eN` 都是大小介于 `250` 字节至 `253` 字节的节点, `big` 节点的长度大于等于 `254` 字节(需要 `5` 字节的 `previous_entry_length` 来保存), 而 `small` 节点的长度小于 `254` 字节(只需要 `1` 字节的 `previous_entry_length` 来保存), 那么当我们将 `small` 节点从压缩列表中删除之后, 为了让 `e1` 的 `previous_entry_length` 属性可以记录 `big` 节点的长度, 程序将扩展 `e1` 的空间, 并由此引发之后的连锁更新。 ![](https://docs.gechiui.com/gc-content/uploads/sites/kancloud/2015-09-13_55f51c9a98f6f.png) 因为连锁更新在最坏情况下需要对压缩列表执行 `N` 次空间重分配操作, 而每次空间重分配的最坏复杂度为 ![O(N)](https://docs.gechiui.com/gc-content/uploads/sites/kancloud/2015-09-13_55f51c9fd4b9d.png) , 所以连锁更新的最坏复杂度为 ![O(N^2)](https://docs.gechiui.com/gc-content/uploads/sites/kancloud/2015-09-13_55f51ca0ecd63.png) 。 要注意的是, 尽管连锁更新的复杂度较高, 但它真正造成性能问题的几率是很低的: * 首先, 压缩列表里要恰好有多个连续的、长度介于 `250` 字节至 `253` 字节之间的节点, 连锁更新才有可能被引发, 在实际中, 这种情况并不多见; * 其次, 即使出现连锁更新, 但只要被更新的节点数量不多, 就不会对性能造成任何影响: 比如说, 对三五个节点进行连锁更新是绝对不会影响性能的; 因为以上原因, `ziplistPush` 等命令的平均复杂度仅为 ![O(N)](https://docs.gechiui.com/gc-content/uploads/sites/kancloud/2015-09-13_55f51c9fd4b9d.png) , 在实际中, 我们可以放心地使用这些函数, 而不必担心连锁更新会影响压缩列表的性能。
';