[原]利用最小堆管理事件超时

引言:前面的一系列文章都在说了事件模型,也就是简单的做一个介绍,然后贴出了一些代码作为Demo,上次说到了在反应堆中的超时管理。今天就来说说关于利用最小堆来管理超时的问题。

NOTICE:判断一个事件是否超时的方法是, 事件超时时间 减  当前时间 ,如果大于零,说明没有超时,如果小于零,说明该事件超时了。

一般做法是怎样来管理所有的超时事件呢?以前的用法都是利用链表来保存所有的超时事件,轮训查看是否事件超时,若超时就采取相应的措施,比如移除事件等。后来的Nginx和libevent采取了更好的措施,Nginx是利用红黑树来管理,而libevent是利用最小堆来管理。

今天的主题是最小堆,所以下面的内容都是围绕最小堆来展开。

这里说说最小堆的好处,然后接着说明为什么要利用最小堆来管理超时事件。

最小堆的好处:

(1)最小堆的设计简单,易于实现

(2)插入和删除操作都是在log(n)基础上完成

(3)获取最小值是O(1)

为什么要利用最小堆:

大家都知道在IO多路复用中比如 select() 和 epoll() 都有一个超时的最大时间,也就是说,如果没有监听到事件,最大的阻塞时间就是这参数。

当我们在Reactor中加入了一个超时事件的时候,我们就利用这个最小堆中的根节点的时间减去当前时间作为select/epoll超时的最大值。所以,当select/epoll返回的时候得到函数执行的消耗的时间,查看最小堆的根是否超时(NOTICE),如果没有超时,我们继续正常步骤,如果超时就采取相应措施,比如超时事件的回调函数等,然后继续查看新的堆结构的根节点,直到处理不超时的情况出现,因为堆是自适应的,所以根部必然是值最小的,如果这个事件没有超时,就可以停止超时事件的处理 了。

所以总体来看,每次都会找到最小堆中最小的元素作为比较,事件复杂度是O(1)

最小堆的性质:

所有父节点总是小于或等于所有的子节点(递归定义),看做二叉树的话是完全二叉树

看看最小堆的实现:

结构表示:

1
2
3
4
5
6
7
8
9
10
11
12
13
typedef struct heap_node_s
{
    int   index;
    int   key  ;
}mc_minheap_node_t ;
 
typedef struct min_heap_s
{
    mc_minheap_node_t   *node_list ;
    int                  headindex ;
    int                  lastindex ;
    size_t               max_num   ;
}mc_minheap_t;

几个宏:

#define MAX_INT    0x0fffffff
#define PARENT(i)       ((i)/(2))
#define LEFTCHILD(i)    ((i)*(2))
#define RIGHTCHILD(i)   (((i)*(2))+(1))

  

  

插入:

每次插入到堆的末尾,然后逐层比较,直到大于父节点。

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
int mc_minheap_insert( mc_minheap_t *mh ,int key )
{
    if( mh == NULL )
        return -1;
    int lastindex = mh->lastindex;
    mh->node_list[lastindex].key = key ;
    mh->node_list[lastindex].index = lastindex ;
    int tindex = lastindex ;
     
    //heap top
    if( lastindex == 1 )
    {
        mh->lastindex++ ;
        return 1;
    }
    else
    {
        if( lastindex >= mh->max_num -1 )
            return -1;
        while( tindex  != 1 )
        {
            if( key < mh->node_list[PARENT( tindex )].key )
            {
                swap_node( &(mh->node_list[tindex]),  &(mh->node_list[PARENT( tindex )]) );
            }
            tindex = PARENT( tindex );
 
        }      
    }
    mh->lastindex++ ;
    return 1;
}

  

删除:

删除的时候,把需要删除的节点与堆的最后一个节点交换,删除这个节点。然后交换后的这个节点与子节点中较小的一个比较,如果大于它就交换,如果小于就结束,直到没有子节点。

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
38
39
40
41
42
43
44
45
46
47
48
49
50
51
52
53
54
55
56
57
58
59
60
int mc_minheap_rm( mc_minheap_t *mh )
{
    if( mh == NULL )
        return -1;
    int ret = mh->node_list[1].key  ;
    mh->node_list[1].key = MAX_INT ;
    mc_minheap_node_t * pnode = &(mh->node_list[1]) ;
    mc_minheap_node_t *minnode ;
    swap_node( pnode , &(mh->node_list[mh->lastindex]));
     
    int i = 1 ;
    for( ; i < mh->lastindex ; i++ )
    {
        minnode = mh->node_list[LEFTCHILD(i)].key <= mh->node_list[RIGHTCHILD(i)].key ? &(mh->node_list[LEFTCHILD(i)]) : &(mh->node_list[RIGHTCHILD(i)]);
         
        if( i == mh->max_num -1 )
            break ;
        if( minnode->key == MAX_INT )
            break ;
        if( pnode.key > minnode.key )
            swap_node( pnode , minnode );
        else
            break;
        pnode = minnode ;
    }
    mh->lastindex-- ;
    return ret ;
}
 
 
int mc_minheap_rm_index( mc_minheap_t *mh ,int index )
{
    if( mh == NULL )
        return -1;
    if( index > mh->lastindex )
        return -1;
    int ret = mh->node_list[index].key  ;
    mh->node_list[index].key = MAX_INT ;
    mc_minheap_node_t * pnode = &(mh->node_list[index]) ;
    mc_minheap_node_t *minnode ;
    swap_node( pnode , &(mh->node_list[mh->lastindex]));
     
    int i = index ;
    for( ; i < mh->lastindex ; i++ )
    {
        minnode = mh->node_list[LEFTCHILD(i)].key <= mh->node_list[RIGHTCHILD(i)].key ? &(mh->node_list[LEFTCHILD(i)]) : &(mh->node_list[RIGHTCHILD(i)]);
         
        if( i == mh->max_num -1 )
            break ;
        if( minnode->key == MAX_INT )
            break ;
        if( pnode.key > minnode.key )
            swap_node( pnode , minnode );
        else
            break;
        pnode = minnode ;
    }
    mh->lastindex-- ;
    return ret ;
}

初始化和交换节点:

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
mc_minheap_t * mc_minheap_ini(int nodenum )
{
    int  i = 0 ;
    if(  nodenum <= 0 )
        return NULL;
    mc_minheap_t * mh = ( mc_minheap_t *)malloc( sizeof( mc_minheap_t ));
    if( mh == NULL )
    {
        return NULL;
    }
    mh->node_list = (mc_minheap_node_t  *)malloc( sizeof(mc_minheap_node_t )*nodenum );
    mh->headindex = 1 ;
    mh->lastindex= 1 ;
    for( i = 0 ; i < nodenum ; i++ )
    {
        mh->node_list[i].key = MAX_INT ;
        mh->node_list[i].index = i+1;
    }
    mh->max_num = nodenum ;
    return mh;
}
 
static int swap_node( mc_minheap_node_t * n1 , mc_minheap_node_t *n2 )
{
    if( n1 == NULL || n2 == NULL )
        return -1;
    mc_minheap_node_t temp;
     
     
    temp.key = n1->key ;
 
    n1->key = n2->key;
     
    n2->key = temp.key ;
}

总结:最小堆的设计方式比较简单,但是功能不错,有一个缺点就是初始化的时候需要固定大小的节点个数,如果超时事件过多,需要采取一定的措施来保证堆的代码质量。或许可以采用多个对的方式,然后比较每一个堆的最小值,这样也就是O(N)复杂度,N= 堆的个数,这里是我的一厢情愿罢了..  

文章如有错误请指正,我会在收到留言的第一时间修改。欢迎交流  

posted @   _Boz  阅读(3949)  评论(3编辑  收藏  举报
编辑推荐:
· 你所不知道的 C/C++ 宏知识
· 聊一聊 操作系统蓝屏 c0000102 的故障分析
· SQL Server 内存占用高分析
· .NET Core GC计划阶段(plan_phase)底层原理浅谈
· .NET开发智能桌面机器人:用.NET IoT库编写驱动控制两个屏幕
阅读排行:
· 我干了两个月的大项目,开源了!
· 千万级的大表,如何做性能调优?
· 推荐一款非常好用的在线 SSH 管理工具
· 盘点!HelloGitHub 年度热门开源项目
· Phi小模型开发教程:用C#开发本地部署AI聊天工具,只需CPU,不需要GPU,3G内存就可以运行,
4AI?Z:cp1z?_RJQle1]Gs;P!T)RHroW|
点击右上角即可分享
微信分享提示