当前位置:首页 > 文章列表 > Golang > Go教程 > Go llrb 怎样按区间遍历有序树元素

Go llrb 怎样按区间遍历有序树元素

来源:17golang原创 2026-10-31 10:12:51 0浏览 收藏

如果你已经把元素放进 GoLLRB 的有序树,按一段范围读取时不需要自己写递归。直接调用 AscendRange,把下界作为 greaterOrEqual、把上界作为 lessThan,就能按升序遍历 [下界, 上界) 内的元素;回调返回 false 时会提前停止。

官方文档:https://pkg.go.dev/github.com/petar/GoLLRB/llrb

要点速览
  • AscendRange(lower, upper, iterator) 是左闭右开区间,包含下界,不包含上界。
  • Item 通过 Less 定义排序关系,整数示例可以直接使用 llrb.Int。
  • 回调返回 true 继续,返回 false 停止;空区间不会调用回调。

AscendRange 的边界先弄清

GoLLRB 的 LLRB 是基于 Item.Less 排序的左倾红黑树。范围接口的两个参数不是“起点和终点都包含”,而是明确对应“至少大于等于”和“严格小于”:greaterOrEqual 是包含下界,lessThan 是排除上界。

Go LLRB 的 Item 比较、AscendRange 以及左闭右开区间边界静态关系说明图
图1:结构说明图,展示 AscendRange 的区间边界与有序树关系,不是运行截图。
参数组合实际范围适用场景
lower, upper[lower, upper)连续分页或时间窗口
llrb.Inf(-1), upper小于上界的全部元素取最早一段记录
lower, llrb.Inf(1)大于等于下界的全部元素从游标继续读取

用 Item 和 AscendRange 读取一个区间

下面用整数演示完整调用。llrb.Int 已经实现了 Less,因此插入和范围参数都可以保持简单。示例把 20、30、40、50、60 放进树,再读取 30 到 60 之间的元素,预期范围是 30、40、50。

package main

import (
    "fmt"

    "github.com/petar/GoLLRB/llrb"
)

func main() {
    tree := llrb.New()
    tree.InsertNoReplaceBulk(
        llrb.Int(20), llrb.Int(30), llrb.Int(40),
        llrb.Int(50), llrb.Int(60),
    )

    lower, upper := llrb.Int(30), llrb.Int(60)
    tree.AscendRange(lower, upper, func(item llrb.Item) bool {
        fmt.Println(item)
        return true // 返回 true 才会继续访问下一个元素。
    })
}

这里的关键不是树里有多少个节点,而是比较关系:30 不小于下界,所以会被回调;60 不小于上界,因此被排除。若把上界改成 llrb.Int(61),60 才会进入结果。

回调怎样收集结果并及时停止

ItemIterator 的签名是 func(i Item) bool。如果业务需要把元素放入切片,可以在回调中转换类型;如果只想取前几条,达到数量后返回 false,不必遍历完整个区间。

Go LLRB 的 AscendRange、ItemIterator、结果收集和停止信号静态关系图
图2:关系说明图,展示区间遍历回调与结果收集、停止信号的关系,不是运行证据。
func firstItems(tree *llrb.LLRB, lower, upper llrb.Int, limit int) []llrb.Int {
    result := make([]llrb.Int, 0, limit)
    if limit 

真实项目中的自定义元素不一定能断言成 llrb.Int。更稳妥的做法是让业务类型实现 Less,再在回调中使用自己的类型;类型断言只适合确定树中始终放入同一种元素的场景。

运行手册:空区间、分页和时间窗口

把范围查询接入服务时,先把三个边界写成约定。第一,lower >= upper 时这是空区间,调用前直接返回通常更容易读;即使交给树处理,也不要期待回调被调用。第二,分页游标应让下一页从上一次的末尾之后开始,避免把最后一条重复返回。第三,时间窗口最好统一为左闭右开,例如本小时用 [09:00, 10:00),相邻窗口就不会重复计算边界时刻。

func readWindow(tree *llrb.LLRB, start, end llrb.Int) []llrb.Int {
    if !start.Less(end) {
        return nil // start 等于或晚于 end 时,没有合法的左闭右开窗口。
    }

    values := make([]llrb.Int, 0)
    tree.AscendRange(start, end, func(item llrb.Item) bool {
        values = append(values, item.(llrb.Int))
        return true // 这里需要完整窗口,因此不提前停止。
    })
    return values
}

如果区间可能很大,不要无上限地把结果全部复制到切片。可以让回调直接写入分页响应、发送到下游,或在达到页面容量后返回 false。这能把“树的范围遍历”和“结果如何消费”分开,出现慢请求时也更容易定位是查找还是下游处理造成的。

常见问题

AscendRange 会包含上界吗?

不会。第二个参数命名为 lessThan,上界严格排除。需要包含某个整数上界时,可以把上界改成下一个可表达值,或根据业务改用更合适的范围约定。

下界和上界相等时会返回一条吗?

不会,[x, x) 是空区间。若要查询一个精确键,使用 Get 或 Has 更直接。

回调返回 false 会破坏树吗?

不会。它只表示停止本次遍历,不会删除或修改节点。下一次调用范围接口仍然从树的当前状态开始。

版本声明
本文转载于:17golang原创 如有侵犯,请联系study_golang@163.com删除
手机壁纸提示词:墨绿绒苔包覆的弯月形陶塔手机壁纸提示词:墨绿绒苔包覆的弯月形陶塔
上一篇
手机壁纸提示词:墨绿绒苔包覆的弯月形陶塔
Go llrb 怎样为自定义对象定义有序树比较规则
下一篇
Go llrb 怎样为自定义对象定义有序树比较规则
查看更多
最新文章
查看更多
课程推荐
  • 前端进阶之JavaScript设计模式
    前端进阶之JavaScript设计模式
    设计模式是开发人员在软件开发过程中面临一般问题时的解决方案,代表了最佳的实践。本课程的主打内容包括JS常见设计模式以及具体应用场景,打造一站式知识长龙服务,适合有JS基础的同学学习。
    543次学习
  • GO语言核心编程课程
    GO语言核心编程课程
    本课程采用真实案例,全面具体可落地,从理论到实践,一步一步将GO核心编程技术、编程思想、底层实现融会贯通,使学习者贴近时代脉搏,做IT互联网时代的弄潮儿。
    516次学习
  • 简单聊聊mysql8与网络通信
    简单聊聊mysql8与网络通信
    如有问题加微信:Le-studyg;在课程中,我们将首先介绍MySQL8的新特性,包括性能优化、安全增强、新数据类型等,帮助学生快速熟悉MySQL8的最新功能。接着,我们将深入解析MySQL的网络通信机制,包括协议、连接管理、数据传输等,让
    500次学习
  • JavaScript正则表达式基础与实战
    JavaScript正则表达式基础与实战
    在任何一门编程语言中,正则表达式,都是一项重要的知识,它提供了高效的字符串匹配与捕获机制,可以极大的简化程序设计。
    487次学习
  • 从零制作响应式网站—Grid布局
    从零制作响应式网站—Grid布局
    本系列教程将展示从零制作一个假想的网络科技公司官网,分为导航,轮播,关于我们,成功案例,服务流程,团队介绍,数据部分,公司动态,底部信息等内容区块。网站整体采用CSSGrid布局,支持响应式,有流畅过渡和展现动画。
    485次学习
查看更多
AI推荐
  • PubMedQA数据集详解:生物医学问答基准、功能与应用指南
    PubMedQA
    深入了解PubMedQA生物医学问答数据集,涵盖其核心功能、使用方法及在临床决策、药物研发等场景的应用,助力提升NLP模型性能。
    809次使用
  • H2O EvalGPT:开源LLM大模型评估与排行榜工具
    H2O EvalGPT
    H2O EvalGPT是H2O.ai推出的开源LLM评估平台,提供详细的大模型性能排行榜、行业特定基准测试及A/B测试功能,助您快速选择最适合项目的高性能大语言模型。
    798次使用
  • LMArena是什么?伯克利AI模型评估平台使用指南与功能解析
    LMArena
    LMArena是加州大学伯克利分校推出的AI模型匿名评测平台。通过盲测投票机制,用户可对比不同大模型回答并生成实时排行榜,助力开发者优化模型及用户选择最佳AI工具。
    890次使用
  • 斯坦福HELM:大语言模型Holistic Evaluation整体评估框架详解
    HELM
    深入了解斯坦福推出的HELM(Holistic Evaluation of Language Models)大模型评测体系。本文解析其核心功能、安装配置步骤及应用场景,涵盖准确性、公平性、鲁棒性等多维度指标,助力开发者全面优化语言模型性能。
    861次使用
  • MMBench详解:多模态大模型基准测试、功能特点与使用指南
    MMBench
    MMBench是由上海人工智能实验室等机构联合推出的多模态基准测试平台,提供细粒度能力评估、大规模数据集及VLMEvalKit工具。本文详细介绍其核心功能、安装使用方法及应用场景,助力开发者全面评估多模态模型性能。
    687次使用
微信登录更方便
  • 密码登录
  • 注册账号
登录即同意 用户协议 和 隐私政策
返回登录
  • 重置密码