朱迪矩阵[编辑]
(重定向自Judy array)
Judy array是一个计算机科学和软件工程学中的名词,是一种高性能、低内存消耗的数据结构,实现了关联数组的功能。与普通数组不同,Judy array可以是稀疏的,这一点更像是散列表,而非数组。Judy array可以用整形或字符串作为键值来存储、查询数据,它最大的优势是可动态自动扩展,高性能,节省内存并且易于使用。
由于Judy array在操作速度和内存使用上都非常高效,同时并不需要特殊配置或初始化,使得它可以用来替换掉多种常见数据结构,例如跳跃列表,链表,二叉树,B树,散列表,而且judy array在海量数据集上的表现比那些数据结构更好。
粗略地讲,Judy array像是一个高度优化了的256叉树,为了节省内存,它使用了超过20种不同的压缩技术来压缩树节点。.[1]
Judy array 是Douglas Baskins发明的,他用自己妹妹的名字命名了这种数据结构。[2]
目录
[隐藏]术语[编辑]
容量、用量、密度 这三个概念是传统树形结构中很少使用,但在Judy array中反复使用的。 这个的概念的定义如下:
- 容量 可以理解为Judy Array在不扩展内存使用的情况下所能维护的数据量,也可以是某个节点的,视乎上下文。
- 用量 已经存储的数据量,既可以描述整个Judy Array的数据量,也可以是某个节点下的。
- 密度 用来描述数据存储的密集程度, 密度 = 用量/容量
优势[编辑]
内存分配[编辑]
Judy array是没有容量限制的,所以也不用事先分配好存储空间,它可以根据用量动态决定生长或收缩内存使用,来支撑海量数据存储。其存储能力仅受到计算机内存容量的限制。[3]Judy array的内存用量与其存储的数据用量基本呈线性关系。
速度[编辑]
Judy array在设计上就力争保持尽可能高的CPU缓存命中率,为了达到这个目标,其内部算法十分复杂。由于有了这些针对性的优化,使得Judy array在运行速度上十分高效,有时甚至超过散列表,尤其是在处理大数据集的时候。由于Judy array是依托树 (数据结构)形结构设计的,其内存消耗比散列表小很多,同样是拜树形结构所赐,使得它可以完成键值的顺序遍历,这一点在散列表中是不可能的。
译者注:我完全没搞明白Judy array是如何提高缓存命中率的,希望有高人在此补充
算法[编辑]
从Judy array的发明者所撰写的简介以及其他一些相关的中文论文中看,设计中使用了多种的压缩思想与压缩算法,根据不同的密度情况,选择不同的压缩方式,以期尽可能节省内存,降低实际存储中的稀疏情况,我猜测,这能够在缓存命中率上带来不少提升,进而提升效率。
看到的算法思路包括:
- 对于密度很高,空洞很少的节点,使用位图(bitmap)来存储。
- 对于密度很低的情况,只存储出现的键值
- 对于密度极低的情况,使用类似于字典树的结构,跨层压缩数据。
Judy Array API介绍
本文介绍https://code.google.com/p/judyarray/这个JudyArray实现的API。
judy_open:新建一个JudyArray,并返回指向这个JudyArray的指针。
judy_close:释放为JudyArray分配的存储空间。这个函数同时也会释放调用judy_data和judy_clone申请的空间。
judy_clone
judy_data:
从judy中分配大小为amt的存储空间,返回指向此空间的指针。这个函数通常用来为key对应的value分配私有空间。
jud_cell:
向已有的JudyArray中插入一个string类型的key,并返回指向该key对应的value的指针。
调用方法是:
不管这个Key在judy中是否存在,返回的指针的内容都是value的内容。
如果这个key在judy中存在,返回的指针的内容是value的内容。用户可以把这个内容转换为自己的指针类型,来访问value数据。
如果这个key在judy中不存在,返回的指针的内容是0,用户可以创建value数据,并把value数据的地址填到这个0的位置。
典型用法:
judy_slot:
从judy中取出key对应的value,返回值的内容实际上是value的地址地址。如果key不存在,则返回NULL。
judy_strt:
judy_prv:
judy_nxt:
judy_key:
这几个函数是获取judyarray的迭代器,并访问judyarray元素的。
其中judy_key返回迭代器位置的key,key的值存储到buff中,max表示buff的大小,返回值是key的长度。
典型用法:
judy_del:删除一个key value
它可以用在两个地方,一是在迭代器中,如上面例子中的注释所示;还有是可以用在judy_cell函数调用后,这个时候judy中内置的栈顶元素指向当前访问的元素,也可以用judy_del删除该元素。它的返回值是该元素的上一个key-value的value的内容。
Judy Array – Example
#include <stdio.h> #include <string.h> #include <stdlib.h> #include "judy64nb.c" typedef struct data{ int a; int b; }data; int main() { Judy *judy; void *cell; data *p; char *key1 = "IEatCrab"; char *key2 = "IEatCrabToo"; char *key3 = "CrabEatWorm"; data data1 = {1, 1}; data data2 = {2, 2}; judy = judy_open(100, 0); cell = judy_cell(judy, key1, strlen(key1)); *(data*)cell = data1; cell = judy_slot(judy, key2, strlen(key2)); if(cell == NULL){ cell = judy_cell(judy, key2, strlen(key2)); (*(data*)cell) = data2; } cell = judy_slot(judy, key3, strlen(key3)); if(cell == NULL){ p = (data*)judy_data(judy, sizeof(data)); p->a = 3; p->b = 3; cell = judy_cell(judy, key3, strlen(key3)); *(data**)cell = p; } cell = judy_slot(judy, key1, strlen(key1)); printf("%d %d ", ((data*)cell)->a, ((data*)cell)->b); cell = judy_slot(judy, key2, strlen(key2)); printf("%d %d ", ((data*)cell)->a, ((data*)cell)->b); cell = judy_slot(judy, key3, strlen(key3)); p = *(data**)cell; printf("%d %d ", p->a, p->b); judy_close(judy); return 0; }