THIS IS A TEST INSTANCE. ALL YOUR CHANGES WILL BE LOST!!!!
...
| 负载 / 查询线程数 | n = 1 (points / ms) | n = 3 (points / ms) | n = 5 (points / ms) | |||
|---|---|---|---|---|---|---|
| 数据结构 | Array | SkipList | Array | SkipList | Array | SkipList |
| 单序列一千万个点 | 28.40 K | 40.76 K | 40.01 K | 114.63 K | 42.44 K | 162.16 K |
| 一千序列每序列一万个点 | 27.31 K | 42.31 K | 66.73 K | 96.48 K | 89.31 K | 112.91 K |
| 十万序列每序列一百个点 | 32.20 K | 8.40 K | 60.43 K | 28.92 K | 82.36 K | 35.22 K |
Array/Skiplist查询延迟比随序列中的点数变化趋势
Array/Skiplist查询吞吐比随序列中的点数变化趋势
结论
(1) 内存占用：跳表的内存占用为 数组的10倍左右
(2) 写延迟：跳表的写延迟大约为 数组的20倍
(3) 读延迟：由于内存拷贝及排序，内存中的点数越多，数组查询的性能越差，在1000万点时，数组的查询延迟约为跳表的5倍，100点时，数组的查询延迟约为跳表的1.5倍
实验对比图：
对实验数据中具有趋势性的数据表示为图表，如下四张图分别表示：
（1）内存占用：十万序列每序列十个点，跳表的内存占用为数组的10倍左右
（2）数组写入查询延迟 / 跳表写入查询延迟：跳表的写延迟大约为数组的20倍，由于内存拷贝及排序，内存中的点数越多，数组查询的性能越差，在1000万点时，数组的查询延迟约为跳表的5倍，100点时，数组的查询延迟约为跳表的1.5倍
（3）数组写入吞吐 / 跳表写入吞吐：随着每序列的点数增加，数组比跳表写入吞吐越来越高，从9倍升高到40倍
（4）数组查询吞吐 / 跳表查询吞吐：随着每序列的点数增加，数组的查询吞吐一开始比跳表高，超过5000点后低于跳表
结论
（1）内存占用：跳表的内存占用为 数组的10倍左右
（2）写延迟：跳表的写延迟大约为 数组的20倍
（3）读延迟：由于内存拷贝及排序，内存中的点数越多，数组查询的性能越差，在1000万点时，数组的查询延迟约为跳表的5倍，100点时，数组的查询延迟约为跳表的1.5倍
（4）读写混合负载写入吞吐：随着每序列的点数增加，数组比跳表写入吞吐越来越高，从9倍升高到40倍
（5）读写混合负载查询吞吐：随着每序列的点数增加，数组的查询吞吐一开始比跳表高，超过5000点后低于跳表(4) 读写混合负载查询吞吐：随着每序列的点数减少，跳表的查询吞吐越来越低，最终会低于数组的查询吞吐
关键实验代码
单线程：
| Code Block |
|---|
package data_structure;
import java.util.Random;
public class Main {
private static int timeseriesNum = 1;
private static int size = 10000000;
static Random random = new Random();
public static void main(String[] args) throws InterruptedException {
multiWriteAndRead();
// for memory calculate
Thread.sleep(100000000);
}
private static void multiWriteAndRead() throws InterruptedException {
MemTable[] arrayTable = new MemTable[timeseriesNum];
MemTable[] skipListTable = new MemTable[timeseriesNum];
// skip list
long curTime = System.nanoTime();
for (int i = 0; i < timeseriesNum; i++) {
skipListTable[i] = new SkipListTable(size);
write(skipListTable[i]);
}
long finishTime = System.nanoTime();
System.out.println("SkipList write time: " + (finishTime - curTime) / 1_000_000 + " ms.");
curTime = System.nanoTime();
for (int i = 0; i < timeseriesNum; i++) {
query(skipListTable[i]);
}
finishTime = System.nanoTime();
System.out.println("SkipList query time: " + (finishTime - curTime) / 1_000_000 + " ms.");
// array
curTime = System.nanoTime();
for (int i = 0; i < timeseriesNum; i++) {
arrayTable[i] = new ArrayTable(size);
write(arrayTable[i]);
}
finishTime = System.nanoTime();
System.out.println("Array write time: " + (finishTime - curTime) / 1_000_000 + " ms.");
curTime = System.nanoTime();
for (int i = 0; i < timeseriesNum; i++) {
query(arrayTable[i]);
}
finishTime = System.nanoTime();
System.out.println("Array query time: " + (finishTime - curTime) / 1_000_000 + " ms.");
System.out.println("finished");
}
private static int query(MemTable table){
return table.query();
}
public static void write(MemTable table){
for (int i = 0; i < size; i++) {
if(random.nextDouble() < 0.2){
table.add(random.nextInt(100000) - 50000);
}
else{
table.add(i);
}
}
}
}
|
...