哈希游戏- 哈希游戏平台- 哈希游戏官方网站

　　老师，昨天有一个工作五年的粉丝去面试，被问到说月底时遇到哈士冲突的时候该如何解决，你能给我们讲一讲吗？好的，这其实是一个比较冲动的问题，那么这个问题呢，在我整理的五十万字的面试保底中，也有这个问题的一个完整回答。 为了帮助大家在这个求实旺季顺利上岸，我特意整理了一份佳瓦程序员求职初期手册，包含五十万字的高频名师题点列模板和学习路线图，有需要的小伙伴可以在评论区的置顶中领取。要回答这个问题呢，首先要理解 redis 的一个底层得数与结构，以及等于是哈气冲突这两个问题。 如图所示。 mids 呢，选用了一张全局的哈西表来保存，是一直对的一个设计，而这张哈西表呢，是由多个哈西桶组成的，所以呢，哈西桶中的安全元素，他就保证了 p 和外有的集中，那么集中 k 呢，就 指向了实际的键，而外轮呢，就指向了实际的值。所谓哈气中度呢，就是指不同的 t 计算出来的这个结果落在了同一个哈气筒中，所以呢，就导致了哈气。 那如何解决哈西冲突呢？问题是呢，为了去解决哈西冲突，他采用呢面试寻子的方法，也就是说采用内摆的方式来保存同一个哈西统中的多个元素。 这个实现呢，和家网中的哈西慢补习是一样的。那如果出现大量的 k 冲突的话，是不是会导致数据的解暑效率就变慢了？那 mate 十是怎么去解决这个问题的呢？ mate 十，为了保证高效，他对哈西表做了约哈西的操作， 也就是说通过增加哈系统来减少输出，那为了为哈更高效呢？为此他默认使用了两个全局的哈系表，一个呢是用于当前使用，称之为是主哈系表，一个呢是 适用于库容使用，这就是备用哈西表。以上呢就是我的理解，各位同行们，如果你们还有什么要补充的话，可以在评论区留言。

　　昨天一个工作了五年的粉丝去面试，被问到 redis 遇到哈西冲突的问题的时候怎么解决？这其实是一个比较通用的问题，在我整理的大场面试指南里面有这个问题的完整回答，有需要的小伙伴呢，可以在评论区的置顶中去领取。 首先， reds 里面的哈西结构的底层数据结构是使用了一张全局的哈西表来保存所有的建成队。 这张哈气表有多个哈气筒组成，哈气筒里面的安全元素保存了 k 和 y 六的指针，其中 p 指向的是实际的键， value 指向的是实际的值。 所谓哈气冲突啊，是指不同的 t 计算出来的结果落到同一个哈气筒里面，那就是为了解决哈气冲突问题呢。它采用了链式寻指法，也就是采用链表的方式来保存同一个哈气筒中的多个元素，这个部分的实现和 java 里面的哈气 map 是一样的。有些粉丝可能会问啊，如果出现大 p 的冲突，导致列表过长的情况下，会导致数据检索效率变慢。 rex 呢？是怎么解决的呢？为了保持高效性啊， rex 呢，会对哈吸表做 v， 哈吸的操作，也就是通过增加哈吸桶来减少冲突。 为了瑞哈西更高效，瑞德才默认使用了两个全局哈西表，一个是用来当前使用称为主哈西表，一个用来扩容成为备用哈西表。以上呢就是关于这个问题的回答。好的，今天的分享就到这里，感谢大家点赞和关注，我们下期再见！

　　哈西算法哈西冲突的解决方案？首先我们了解一下哈西冲突的基本概念，以 gdk 当中的哈西迈克为例， 哈西迈普的实线是以散列表为基础，当元素 a 和元素 b 通过同一个哈西算法 进行哈西运算，并且定位到哈西表当中相同的位置是即产生了哈西冲突，那么这种冲突可能是哈西算法得到的值相同产生的等值碰撞，或者定位的地址相同产生的等值碰撞。 那么看一下解决方案，第一个解决方案，链接之法哈西迈普中呢，他会采用链表来记录当前发生哈西冲突的元素，具有处理 简单的特点，但会造成空间浪费，也要考虑链表过长的这个缺陷，所以哈西麦普用红黑数来优化这一问题。解决方式二，开放地址法，也就是所有的地址对所有的值开放。当哈西表中存在某一些元素， 当一个元素需要插入时，产生冲突的时候，通过主次向下找，直到找到不冲突的地址，成为现行探测的方式。 那么可以扩展现行方式的这个不长，通过平方累加的方式进行跳跃查找不冲突的元素成为在平方探测， 也可以通过随机函数来计算，随机数加上哈欠冲突的位置来得到下一个位置，成为随机探测。 第三个方法是在哈西法，在哈西法指的是冲突的哈西，指通过再次的哈西运算处理，直到没有哈西冲突。 最后一种方式是建立公共溢出区的方式，将所有冲突的哈西元素呢放入到一个公共溢出区去处理。

　　reddies 中的散列表也叫哈西表或者哈西奥，他是什么形式呢？他是 k filed y 六 字段值这种形式啊，就一个键，他可以对应着多对这个字段和值，然后同一个散列表里的字段是不可以重复的，但是不同这个散列表里的，因为你 k 是不重复的，但你的字段爱重复重复啊，但是同一个散列表里不可以啊。 嗯，就是这样。然后我们看一下他的基本操作，首先我们怎么 c 的呢？就是 hc 糖，然后可以设置一到多段这个字段和直 啊，但是注意就老版本他只能设置一对啊。呃，然后他老版本想要设置多个是 hmc， 但是新版本都给他合成一个了啊，然后他老老老的这个还能用，但他不推荐再使用了啊。 hmc， 然后注意，我们补讲一下，就昨天昨天说的这些，我 们这些就是 ces 的这些选项。呃，如果有单独的命令，现在也是推荐用单独的命令啊，这种选项现在也是不推荐用了。 让我们接着来看啊，我们来见一下 ready 斯克林。这个因为是除夕，所以我弄了一个红色的命令，行，对吧？就这一天，然后明天我们变回黑色。呃，我们 h sit 可以设置啊 k， 比如说 哈西啊，就叫 h 一 filed filed 呢，我随便就是 f 一，然后 y 六 v 一，然后我可以再设置 f 二 v 二，没有问题啊，我们存进去了两对，对吧？ 让我们如何获取呢？就爱吃给他这个他是获取一对，现在暂时还不能获取两对爱吃给，比如说 我们要获取 h 一比的 f 一，然后他是 v 一，没有问题啊，然后我们要偏要获取怎么办呢？ hm get 啊， hm get h 一 f 一 f 二啊，是不是这样 v 一 v 二被获取出来了，然后我们要获取全部呢？还是给他奥，然后把 k 填进去就行了。 h get 哦，比如说我们获取 h 一可以看到啊，这样， 但是他会把我们的 fail 的也给获取出来啊。 fail 的和 y 六，然后我们怎么删除呢？我们，呃，我们可以用直接 d， e， l 删除这个 k， 但这是整个删除整个哈系表，你要只想删除一个字段或者多个字段呢？就是 h， d， e， l， k， 然后 failed， 你要删除几个就删除几个，我们不演示了，然后仅在它不存在的时候添加，就是 h sit n， x not exist， 对吧？这个我们也不演示了吧。 h case 啊，查看一个伞列表中所有的字段。 h case h 一啊，这样看我们的 f 一和 f 二就出来了。 h values 啊，查看他所有的 value 还是愣啊，就看他一共有多少对儿这个 filed value h excess 的，看一个字段是否存在啊。 克斯斯特斯。那么 h 一，比如说我们看 f 三是不是存在，不存在就是零，存在几个就是几高，但它就只能一连和一对吧。呃， h string 论啊，这个是查看它 y 六的长度， 跟我们 stream 的用法是一样的。 h 一，比如说我们 f 一是二，对吧？ 没有问题。然后如果 y 六这个 y 六的自助串，他的内容他是自助串啊，但他内容如果是数值的话，我们还是可以用这种。英克瑞掰，然后给他一个数值，他增长一个，然后前面加个 s 啊。 h 英克瑞掰， 然后也可以加个小数啊 by floud 然后我们补讲一下，就是我们的字符串，其实他也是可以加小数的啊，就这样 incred by 可以是整数或者 incred by floud 是小数啊，这个我们来表演一下吧。 呃，这个哈西的跟那个用法一样，只是前面多了一个 h， 我们来吧。嗯， h 二，我们先 c 退一下 h sit h 二 f 一，然后它是，比如说它是一二三，然后呢？我们 h in gray by in gray bye 啊 lot。 好，我们的 h 二 f 一，然后我们要增长多少呢？比如说我们增长一点一一。可以看到啊，小数 啊，整数是一样的，我们不演示了。然后便利的话，我们讲完各种几种常见的这个数据类型以后再统一的说便利啊，因为他们便利都是高度相似的。呃，就没了，你明白了吗？ fun channel。

　　一天一道面试题，如何解决哈西冲突？在哈西表中，不同关键字值对应到同一个存储位置的现象称为哈西冲突。 解决哈西冲突有以下方法，一、开放定制法，一旦发生了哈西冲突，就去寻找下一个空的散裂地址， 只要伞列表足够大，空的伞列地址总能找到并将记录存入。缺点是探测次数不可控，一旦探测次数骤增，会严重影响哈西表的读写性能，且删除比较麻烦。 二、链地址法，在哈西冲突产生时，将所有的哈西地址相同的记录都链接在同一链表中。缺点是一旦哈西冲突多了，哈西表会退化成链表，查询效率变差。三、在哈西法同时 构造多个不同的哈西函数，等发生哈西冲突就使用第二个、第三个等其他的哈西函数计算地址，直到不发生冲突为止，虽然不易发生聚集，但是增加了计算时间。缺点是会增加哈西的计算开销，影响读写效率。 四、建立公共溢出区。将哈西表分为基本表和溢出表两部分，发生冲突的元素都放入溢出表中。缺点是哈西冲突多了，公共溢出区会膨胀的非常厉害，查询效率也会有影响。

　　当我们出现哈西冲突之后该怎么办呢？啊？那我们来看一眼啊，首先啊，我们得清晰什么是哈西冲突，那么我们知道在上节课啊，我们谈了一个东西，就是在这里面的话呢，我们可以通过啊哈西算法，然后去快速的定位 当前存进去的这个元素，他是不是唯一的，对不对？好，但是呢，知道了这个底层啊，他这个数组的容量是有限的，比如说就五个格子，对吧？但是当你往里面放一百个元素的时候呢，那难免会出现什么问题呢？难免会出现啊，某些元素他们虽然长得不一样，比如举个例子啊，比如说这个第一个元是 a， ok， 稍等一会啊，第二个元素呢，叫 aa， 有可能他俩是不一样的，但是他俩算出来的那个哈西值啊，这个哈西值他是一样的，然后呢，经过运算之后呢，他俩都会同样放在某一个位置上，比如说放在第一个位置上， ok， 就比如说位置是零啊，那好，那这个 时候就有什么问题呢？这时候意味着是这样子的假设呢， a 先来， a 就在这个位置里面已经有了，结果呢， a 过来之后呢，发现什么呢？发现这个位置又有人占了，这就是我们说的哈西冲突，那好了，那这个时候怎么办呢？ ok， 那这个时候的话呢，在 jdk 里面的话，他是按照这么玩的，他首先第一个玩法就是通过哈机扣的这个方法确定了位置。第二个，如果这个位置已经有人站着了，那这个时候得判断一下，怎么判断呢？所以这个时候调一调 equals 方法， equals 方法 好，通过这个 equals 方法来判断说我俩是不是一样的，只有一比较，发现什么了， a， a， a， a 跟 a 是不同的东西，那好，他就能放进来。但如果说发现那什么比如再来一个 a， a 啊，再来个 a， 再来个 a 啊，再来个 a， 这个 a 的话呢，他发现什么？他跟这个原来的 a 呢？肯定是一样的嘛，所以他就放不进来， ok， 所以这个时候的话呢，就会就是不能进来了， 所以很简单两步骤，第一步骤的话呢是哈气扣的确定位置，第二个步骤的话是通过 equals 来比较这个东西是不是相同的啊，如果是相同，那么就不能放进来，如果不同就可以放进来，所以呢，这个 equals 的判断规则就需要你自己重新去写了，你怎么定？就是你说了算啊， ok， 比如说像字不串啊，他，那么他重写这个方法，他比较就是内容啊， ok， 好了，如果是你自定一类型，那你就要重写这个 e， 或者是比如说你根据什么，根据里面特定的属性的值，哎，去做比较， ok， 好，那最终的话呢，在这边又形什么？形成一个链表？也说其实在最后的话，这个每一个数字元素里面，他底下都是一个什么，都是一个链表，所以呢放着一个又一个的元素啊，在这位置，这样第一个，然后呢，最后再这样第二个，第三个，就会形成一个链表。所以所谓哈西表，实际上来说它本质的结构是什么？就是 这个呢，是一个数组，大的来说是一个数组，数组的每一个元素呢是一个链表， ok， 就这么一个情况啊，这就是我们说的哈西表的结构啊，哈西表的结构， 但是在我们 jdk 一点八之后呢，做了一点的改进，什么意思呢？因为啊，他考虑到一点是什么，随着这个元素越来越多，大家本身他会做扩容。第二个的话是什么？就说这个链表啊，他也不能太长， 因为太长的话，你想看这个时候是不是类似于回到我们最初的那个起点的问题啊，依然需要便利这个链表去做比较，所以链表太长，我要便利太长的元素，那么效率也会随着下降。所以的话呢，在 j d k 点八之后呢，它有是这些临界值， 当达到某些零戒值之后，他就会将这个链表呢做一个升级，做一个改变。变换成什么？变换成一个红黑树啊，红黑树的结果。好，那么说到这里可能会问， 那到底是这个临界值是多少呢？ ok， 再给大家留下一个小小的题目啊，大家可以看一下相关的原码，把这个答案呢打到公布上啊， ok， 那么看看大家能不能答对啊？好，那么今天的话呢，关于这个哈西冲突的解决，我们稍微总结一下两个点，第一个的话呢，我们通过哈西扣的确定位置， 当我们发现这个位置呢，出现了从有元素的有元素存在时，此刻发生嗨冲突怎么办？我们通过 equals 作比较，如果相等抛弃，如果不相等加进来形成一个列表，当这个列表太长，我们发现效率也会下降，所以这个时候的话呢，我们会把它转成横位数。 ok， 好，那么这样的话呢，竖，我们知道竖的查找效率肯定是比链比较差，效率要高，所以呢，这样这方面的话呢，就是性能有了提升。 ok， 就是整个的一个结构的变化啊，另外一个要注意的点是什么呢？这个哈气扣的方法的写法呀，他肯定是要什么要 写写，写好就分散的。我问的一个问题，留下一个思考题，如果说我们将嗨扣的方法每次都返回一个固定的值，这样可以吗？啊？一个思考题， 哈西扣的啊，每次返回固定的值，这个 ok 吗？这个做法又会不会招什么样的问题呢？好了，大家可以把你的答案啊留在屏幕上。好，今天的话呢，我们就分享到这。

　　哈喽，大家好，我是丽芳，今天晚上来跟大家讲一下 ladies 比喻文的面试题， 如果面试官连法三问你回答不上来，基本上就可以写菜了，就是克莱克拔取查询的时候，我们一般说到缓存对的时面，然后判断这个 k 是否存在，如果是 那就直接回去，如果违法就直接查询到 db， 然后后面这里就是从 db 里面把这个数据放到缓存里面去，这是一个正常的流程， 然后我们来看这上面的概念，什么叫缓存穿透？缓存穿透是说你的缓存 redis 里面不存在，存储成 message 里面也不存在，那这样如果说用户大量的请进来是吧？这里面找不到，把他这 里面也找不到，直接打到 db 上面去，我们说这叫环城穿透。什么叫环城机穿？环城机穿是说瑞力士里面这个 k 可能过期了，不存在，然后在麦斯克里面是存在的，那这个时候大量的数据请求进来 是吗？直接就落到 d b 上面，我们所叫环城击穿，使用这个环城你根本就不起什么作用了。然后我们再说环城学崩，环城学崩是说我们的环城那里面有大量的 k 在同一个时刻一起失效了 啊，这样的话外面的大量请求进来，一样的落到 d b 上面去，或者说这个类的是当机了是吧？那这个盘子也不起作用，也直接打到卖手上面，那我们这三种场景我们怎么去解决？第一个我们要理解这三个概念， 但是必须要理解哦，如果说你把那概念弄错了，面试官问的时候你肯定答案也不正确，所以说第一个是必须要知道概念，第二个要知道解决方式。你看我们来看缓存穿搭吧， 换成穿透是说你查询到这个 k 不存在，然后我们第一种方式说我们查询的 k 不存在，而我们直接放一个空对象回去， 那他下次是来来查询的时候，我只能说拿到一个空对象，是吧？那第一种解决方式就是说换成空对象。第二种我们说是不能过滤器， 不能过滤器加在什么位置啊？不能过滤器相当于是加在这个位置，他相当于就是一个了，加在 colinet 和那个缓存之间。也就如果说你采用的可以不存在啊，他就不会往下走了，他来判断 这个 k 到底存不存在，那大家肯定要问了，那他怎么能判定那个 k 存不存在呀？那我们是说他会把 redis 里面所有的 k 进行三列函数，我们来看一下啊，不能过滤器，他是为什么能达到这个效果？不能过滤器他是数据结构， 就是个 beat 数组，等于零零零零一二三四五六 七。比如说这里有八个位置，我们的 k， 假如说它经过三个三点函数去运算，运算之后如果说这个 k 存在，运算完了就会得到三个位置， 如果这个可以存在，比如说一三五，他存在啊，他就会把这个改成一一三，这个改成一五，这 这个可能一，他进来的时候判断这三个位置，这三个位置如果只交一个不为零，那就证明这个 a 就可能是存在的。但如果三个位置都为零的话，这个 k 肯定是不存在的。如果说我们的三个位置都是一的话，那就是说这个 k 是一定存在的吗？ 他不是一定存在的，不是一定存在的。那为什么这个位置为一，为什么还不会是一定存在的呢？因为我们知道闪电就有个，有个哈西碰撞，假如说我是 a、 b、 c 是吗？是一个坑， 那 abd 是一个 k， 也就他们困在哈西的时候，可能说他们的位置可以相同，或者说相同。蒙两个位置，那可能说你这个位置改成一了，可能是别的一个 k 改的，而不是你你自己改的。所以说这 为一的时候，他有可能说是因为他的位置三个位置可能是零，可能是别人把他三个位置改改成一了，那他这样是不是他就说可能说不一定存在？太极碰撞毕竟是 少数吗？假阳性是少数吗？所以说我们大多数问题都能得到解决，哎，就只要一全部为零，如果不能够去说存在，那就可能说不一定存在，这个我们叫什么假阳性？就像我们新冠一样，是吧？总还有一两个漏网之鱼，他帮我们解决了 一个核心的问题，就是说你至少你可以不存在的，肯定没有。我们再来看那个环城击穿啊，环城击穿是说你的环城在 redis 里面不存在，在 master 存在，那这样他也是打到 db 上面去了，我们所叫环城击穿，那我们怎么让环城不被击穿呢？第一个是说我们所 设置的这个 k 永不过期是吗？第二个还有个可能是说我们比如说你缓乘这个 k， 我们设置成他三十分钟过期，但是我们有个用个定时任务二十分钟去执行一次，然后通过定时任务再去把它更新，然后不断的延长他的时间，这也是一种方式。 还有就是我们也用分布式锁，比如说我们在缓存中查不到的时候，那你用分布式锁锁住第三个，我们看缓存旋风 环城学公司所，你的环城 radis 里面的数据，环城里面的 k 在同一时间过期， 那我们这样的话，我们肯定要把你的 k 设置成散乱的，在不同时间过期，这样的话也可可以解决这个问题。然后还有就是我们所缓存落地是挂掉了，那我们这样困，你就用 什么类似鸡群挂掉一个，还有其他节点或者是竹虫。如果说你把这些问题都像我这样刚才这样回答了一遍的话，那你基本上啊我粉拿高薪不成问题啊。没点关注的关注、点赞、评论一下，多谢！

　　今天我们具体讲什么是一致性哈西算法和上一个视频一样，我们使用把用户 id 哈西到四台 radis 服务器之一的场景一致性哈七会把四台 radis 服务器放到原上。我们假设原上有零到十一共十二个节点， 其中二、五、八、十一四个节点为 radys 节点，其他节点为空节点。一致性哈西算法分两步， 第一步，对用户 id 除以十二得到余数，这里十二就是这个圆上的节点总数，此时余数必然对应一个节点，我们命名为余数节点。第二步，顺势争取距离余数节点最近的 radis 节点。如果余数节点本身就是 radis 节点， 索取自己即可。比如 id 为一百三十五的用户，一百三十五除以十二，余数为三，三号节点为空节点。我们从三号节 点顺时针往下找，四号节点也是空节点，五号节点是 radis 节点，所以 id 为一、三、五的用户信息就存储在五号节点代表的 radis 上。再比如， id 为一百三十四的节点除以十二，余数为二、二、 二号节点正好是 radis 节点，所以 id v 一、三、四的用户信息就存储在二号节点代表的 radis 上。下个视频继续讲解一台 radis 故障的情况。另外，前面的例子不知道我讲明白了没有，如果没有，麻烦留言告诉下我。如果讲明白了，那就点赞关注下吧！

　　今天威哥给大家说说 redis 中的过期策略。在 redis 中，我们可以通过设置过期时间来控制舰车队的存活时长，其中过期时间可以通过 expare p， expare expare at， p， expare at 等命令设置，另外 string 数据类型还可以使用 set n x 命令设置过期时间。那么对于已经过期的兼职队， redis 会采用什么过期策略进行删除呢？ 一般来说有以下三种过期策略可供选择。一、定时删除，他会在设置键的过期时间的同时创建一个定时器， 当键到了过期时间，定时器会立即对键进行删除。这个策略能够保证过期的键的尽快删除，快速释放内存空间。但是因为 reds 中绝大多数的键都是携带过期时间的，这样会造成出现 大量的定时器执行，从而严重降低系统的性能。该策略对于内存来说十分的友好，但对于 cpu 来说却非常的不友好， 会降低系统的性能，因此不建议使用。二、惰性删除为了解决定时删除会占用大量的 cpu 资源的问题，因此产生了惰性删除。他不再持续关注 k 的过期时间，而是在访问 k 时才会检查 k 是否过期，如果过期则删除该 k。 惰性删除对于 cpu 来说足够的友好，但是对于内存来说却非常的不友好，会造成大量内存空间的浪费。三、定期删除定期删除顾名思义就是每隔一段时间进行一次删除， 它是定时删除和惰性删除的一种折中方案。 redis 的过期策略采用的是惰性删除和定期删除将结合 的方式。关于 redis 的定期删除策略，具体来说就是默认每秒执行一下操作十次。一、从设置了过期时间的建设队中随机选取二十个 k。 二、删除这二十个 k 中已经过期的 k。 三、如果这二十个 k 中超过百分之二十五的 k 已经过期，则重新从第一步开始执行， 直到过期 k 的比例降到百分之二十五，或者本次的执行耗时超过了二十五毫秒才会退出循环。另外，默认每秒扫描十次这个参数我们可以在 redis 的配置文件中进行更改。 对于 hz 参数，官方不建议超过一百，否则会给 cpu 造成较大的压力。最后还有一点需要说明， redis 并不保证可以在过期的时候会被立即删除， 因为一方面惰性删除中需要下次访问才能删除。其实即使是定期删除，如果过期的可以很多的话，也有很大可能会带来延迟的情况，甚至不会被删除。小伙伴们，关注威哥，更多精品内容持续与你分享！