数据结构之跳表

定义

　　跳表，，是一个随机化的数据结构，实质是一种支持类似“二分查找"进行改造的有序链表；使用二分查询时，底层依赖的是数组的随机访问特性，但是链表也可以实现类似的算法，在原有的有序链表上增加了多级索引，通过索引来实现快速查询。这就是跳表。　　

使用场景

• Redis 中的有序集合（Sorted Set）
• 集群节点内部数据结构

详解

　　对于一个单链表来说，即使链表也是有序的，我们想在这个链表中查找某个数据，也只能从头到尾进行遍历，时间复杂度是O(n)。如果像书的目录一样，在加一层索引呢？这里的第一级索引的down指针指向的原始链表对应的结点。

　　那么这样我们查找数据的时候，可以像书籍一样，先查找目录缩小范围后再查找了，减少了需要遍历的结点，提高了查找效率；

栗子：在64个结点的有序链表中，找到62这个数据；如果在没加索引的有序链表中，我们需要一步步遍历，遍历到第62个，但是如果我们加了多级索引，如图，我们只需要遍历11个结点。

　　所以，当链表的长度 n 比较大时，比如 1000、10000 的时候，在构建索引之后，查找效率的提升就会非常明显。

复杂度

时间复杂度

　　如果链表里有n个结点，每两个结点都会抽出一个结点作为上一级索引的结点。那么第一级索引的个数大约就是n/2，第二级的索引大约就是n/4，第三级的索引就是n/8，依次类推，也就是说，第k级索引的结点个数是第k-1级索引的结点个数的1/2，那么第k级的索引结点个数为：。

　　假设索引有h级，最高级的索引有2个结点，通过上面的公式，我们可以得到，从而可得：h = 。如果包含原始链表这一层，整个跳表的高度就是。我们在跳表中查找某个数据的时候，如果每一层都要遍历m个结点，那么在跳表中查询一个数据的时间复杂度就为：O(m*logn)。

　　基于上面的假设，我们是每两个结点都会抽出一个结点作为上一级索引的结点，所以每一级的索引都最多只需要遍历3个结点，也就是m<=3。假设我们要查找的数据是 x，在第 k 级索引中，我们遍历到 y 结点之后，发现 x 大于 y，小于后面的结点 z，所以我们通过 y 的 down 指针，从第 k 级索引下降到第 k-1 级索引。在第 k-1 级索引中，y 和 z 之间只有 3 个结点（包含 y 和 z），所以，我们在 K-1 级索引中最多只需要遍历 3 个结点，依次类推，每一级索引都最多只需要遍历 3 个结点。

 　　所以，去掉系数，在跳表中查询任意数据的时间复杂度就是 O(logn) 

空间复杂度

　　这里的思路是空间换思路，维护这么多层索引，需要额外的存储空间。然后基于上面的的假设，我们是每两个结点都会抽出一个结点作为上一级索引的结点，如果我们原始链表的大小为n，那么第一级索引的个数大约就是n/2，第二级的索引大约就是n/4，第三级的索引就是n/8，依次类推，知道最后剩下2个节点。这几级索引的结点总和就是 n/2+n/4+n/8…+8+4+2=n-2。所以，跳表的空间复杂度是 O(n)。也就是说，如果将包含 n 个结点的单链表构造成跳表，我们需要额外再用接近 n 个结点的存储空间。

　　如果想进一步节省存储空间，可以将索引的结点抽取增加，上面都是每两个结点都会抽出一个结点作为上一级索引的结点，将每三个或每五个结点抽取一层，所需的存储空间又降低了

实现和操作

删除和插入

　　在无序的单链表中，插入和删除操作都是O(1)，但如果在有序的单链表中，插入和删除操作比较耗时，因为你需要查找定位插入和删除的结点在哪里，所以时间复杂度是O(1)。这个时间耗费都出现在查找结点上。那么对于跳表来说，它的插入和删除操作，和它查找的时间一直都是O(logn)。

　　 

跳表的动态更新

　　当我们数据不断更新的时候，索引也需要对应的进行维护更新，如果维护更新，跳表会逐渐退化成单链表。跳表通过随机函数来维护”平衡性“。通过一个随机函数，来决定将这个结点插入到哪几级索引中，比如随机函数生成了值 K，那我们就将这个结点添加到第一级到第 K 级这 K 级索引中。随机函数的选择很有讲究，从概率上来讲，能够保证跳表的索引大小和数据大小平衡性，不至于性能过度退化

　　我们也可以让新插入的节点随机“晋升”，新节点晋升的成功的几率是50%，每层索引晋升级率一致，直到晋升到最顶层或在顶层新增一层。删除操作的时候，把对应的节点以及对应的索引进行删除，如果索引所在一层只有那一个索引，那么直接把整层删除。

　　在java程序中，实现又是有区别的：

•  程序中跳表采用的是双向链表，无论前后结点还是上下结点，都各有两个指针相互指向彼此。
•  程序中跳表的每一层首位各有一个空结点，左侧的空节点是负无穷大，右侧的空节点是正无穷大。

程序清单

public class SkipList{

    //结点“晋升”的概率
    private static final double PROMOTE_RATE = 0.5;
    private Node head,tail;
    private int maxLevel;

    public SkipList() {
        head = new Node(Integer.MIN_VALUE);
        tail = new Node(Integer.MAX_VALUE);
        head.right = tail;
        tail.left = head;
    }

    //查找结点
    public Node search(int data){
        Node p= findNode(data);
        if(p.data == data){
            System.out.println("找到结点：" + data);
            return p;
        }
        System.out.println("未找到结点：" + data);
        return null;
    }

    //找到值对应的前置结点
    private Node findNode(int data){
        Node node = head;
        while(true){
            while (node.right.data!=Integer.MAX_VALUE && node.right.data<=data) {
                node = node.right;
            }
            if (node.down == null) {
                break;
            }
            node = node.down;
        }
        return node;
    }

    //插入结点
    public void insert(int data){
        Node preNode= findNode(data);
        //如果data相同，直接返回
        if (preNode.data == data) {
            return;
        }
        Node node=new Node(data);
        appendNode(preNode, node);
        int currentLevel=0;
        //随机决定结点是否“晋升”
        Random random = new Random();
        while (random.nextDouble() < PROMOTE_RATE) {
            //如果当前层已经是最高层，需要增加一层
            if (currentLevel == maxLevel) {
                addLevel();
            }
            //找到上一层的前置节点
            while (preNode.up==null) {
                preNode=preNode.left;
            }
            preNode=preNode.up;
            //把“晋升”的新结点插入到上一层
            Node upperNode = new Node(data);
            appendNode(preNode, upperNode);
            upperNode.down = node;
            node.up = upperNode;
            node = upperNode;
            currentLevel++;
        }
    }

    //在前置结点后面添加新结点
    private void appendNode(Node preNode, Node newNode){
        newNode.left=preNode;
        newNode.right=preNode.right;
        preNode.right.left=newNode;
        preNode.right=newNode;
    }

    //增加一层
    private void addLevel(){
        maxLevel++;
        Node p1=new Node(Integer.MIN_VALUE);
        Node p2=new Node(Integer.MAX_VALUE);
        p1.right=p2;
        p2.left=p1;
        p1.down=head;
        head.up=p1;
        p2.down=tail;
        tail.up=p2;
        head=p1;
        tail=p2;
    }

    //删除结点
    public boolean remove(int data){
        Node removedNode = search(data);
        if(removedNode == null){
            return false;
        }

        int currentLevel=0;
        while (removedNode != null){
            removedNode.right.left = removedNode.left;
            removedNode.left.right = removedNode.right;
            //如果不是最底层，且只有无穷小和无穷大结点，删除该层
            if(currentLevel != 0 && removedNode.left.data == Integer.MIN_VALUE && removedNode.right.data == Integer.MAX_VALUE){
                removeLevel(removedNode.left);
            }else {
                currentLevel ++;
            }
            removedNode = removedNode.up;
        }

        return true;
    }

    //删除一层
    private void removeLevel(Node leftNode){
        Node rightNode = leftNode.right;
        //如果删除层是最高层
        if(leftNode.up == null){
            leftNode.down.up = null;
            rightNode.down.up = null;
        }else {
            leftNode.up.down = leftNode.down;
            leftNode.down.up = leftNode.up;
            rightNode.up.down = rightNode.down;
            rightNode.down.up = rightNode.up;
        }
        maxLevel --;
    }

    //输出底层链表
    public void printList() {
        Node node=head;
        while (node.down != null) {
            node = node.down;
        }
        while (node.right.data != Integer.MAX_VALUE) {
            System.out.print(node.right.data + " ");
            node = node.right;
        }
        System.out.println();
    }

    //链表结点类
    public class Node {
        public int data;
        //跳表结点的前后和上下都有指针
        public Node up, down, left, right;

        public Node(int data) {
            this.data = data;
        }
    }

    public static void main(String[] args) {
        SkipList list=new SkipList();
        list.insert(50);
        list.insert(15);
        list.insert(13);
        list.insert(20);
        list.insert(100);
        list.insert(75);
        list.insert(99);
        list.insert(76);
        list.insert(83);
        list.insert(65);
        list.printList();
        list.search(50);
        list.remove(50);
        list.search(50);
    }
}

 

那 Redis 为什么会选择用跳表来实现有序集合呢？ 为什么不用红黑树呢？

　　Redis 中的有序集合支持的核心操作主要有下面这几个：

• 插入一个数据；
• 删除一个数据；
• 查找一个数据；
• 按照区间查找数据（比如查找值在[100, 356]之间的数据）；
• 迭代输出有序序列。

　　其中，插入、删除、查找以及迭代输出有序序列这几个操作，红黑树也可以完成，时间复杂度跟跳表是一样的。但是，按照区间来查找数据这个操作，红黑树的效率没有跳表高。对于按照区间查找数据这个操作，跳表可以做到 O(logn) 的时间复杂度定位区间的起点，然后在原始链表中顺序往后遍历就可以了。这样做非常高效。

　　Redis 之所以用跳表来实现有序集合，还有其他原因，比如，跳表更容易代码实现。虽然跳表的实现也不简单，但比起红黑树来说还是好懂、好写多了，而简单就意味着可读性好，不容易出错。还有，跳表更加灵活，它可以通过改变索引构建策略，有效平衡执行效率和内存消耗。不过，跳表也不能完全替代红黑树。因为红黑树比跳表的出现要早一些，很多编程语言中的 Map 类型都是通过红黑树来实现的。我们做业务开发的时候，直接拿来用就可以了，不用费劲自己去实现一个红黑树，但是跳表并没有一个现成的实现，所以在开发中，如果你想使用跳表，必须要自己实现。　

 

参考：极客时间的《数据结构与算法之美》 程序员小灰《漫画：什么是 “跳表” ？》