大数据学习之BigData常用算法和数据结构

大数据学习之BigData常用算法和数据结构

1.Bloom Filter

   
由一个很长的二进制向量和一系列hash函数组成

   
优点:可以减少IO操作,省空间

   
缺点:不支持删除,有误判

    如果要支持删除操作:
改成计数布隆过滤器

大数据学习之BigData常用算法和数据结构

2.SkipList(跳表)

    核心思路:
由多层组成,每层都是一个有序链表,最底层包含所有元素,元素数逐层递减。每个节点包含两个指针,一个->,一个向下。

并行编程情况下可以用锁或者CAS操作。

    CAS:

    compare and
swap,解决多线程并行情况下使用锁造成性能损耗的一种机制,CAS操作包含三个操作数——内存位置(V)、预期原值(A)和新值(B)。如果内存位置
的值与预期原值相匹配,那么处理器会自动将该位置值更新为新值。否则,处理器不做任何操作。无论哪种情况,它都会在CAS指令之前返回该位置的值。CAS
有效地说明了“我认为位置V应该包含值A;如果包含该值,则将B放到这个位置;否则,不要更改该位置,只告诉我这个位置现在的值即可。

用CAS实现的插入:

    void
insert(Node *prev, Node *node) {  while (true)
{   node->next =
prev->next;   if
(__sync_compare_and_swap(&prev->next,
node->next, node))
{   
return;   }  }
}

   
3.LSM树(Log-Structured Merge-Tree)

    与B
树相比,牺牲部分读性能,大幅提高写性能。

   
宗旨:把大量随机写改为批量序列写。

   
在内存中维护多个小的有序结构,在查找时要二分遍历这些结构,不断把小树合并为大树,进行批量插入。

   
为了优化查找,可以使用Bloom Filter。(判断小结构中有没有目标数据)

   4.HashTree

用于快速定位海量数据中少量变化的内容

   
对每一项数据进行Hash,多项组合之后再Hash,再Hash,最后到Top Hash。

   5.Cuckoo哈希

使用两个哈希函数H1(X)和H2(X),插入X时,同时计算H1(X)和H2(X),如果任意一个桶为空,将X插入相应位置,如果都满了,选一个桶把y踢掉,放入X,对y执行上述过程。设定最大替换次数,达到次数时增大桶的数量或者重选Hash函数。

上一篇:WEB 性能优化导图


下一篇:磁盘清理无法删除DUMP文件手工删