跳表

1.跳表的概念

跳表是基于有序链表扩展实现的。对于一个普通的有序链表，我们查找数据的时间复杂度是O(N)。而跳表的出现，让当前结点可能有能力跳过多个结点，以此来减少不必要的查找与比较，从而提高效率，跳表的时间复杂度是O(logN)。

跳表的发展过程:

假设我们让每相邻的两个结点升高一层，增加一个指针，让该指针指向下下个节点，如下图b中所示。这样所有新增加的指针又形成了一个新的链表(不同层级的)，它包含的结点数目是原来的一般。因此在进行数据查找的时候，我们不需要与链表重的每个结点进行比较了，需要比较的结点数目变为了原来的一半(大约)。
我们可以在2层链表的基础上进行进一步的扩展，让每相邻的两个结点(都是2层链表的结点)升高一层，增加一个指针，从而产生三层链表，如下图c中所示。这样搜索效率进一步提高了。

跳表的这个提高链表层级的思路非常类似于二分查找，这使得它的查找时间复杂度可以降低到O(logN)，因为每提高一层，搜索的效率就会提高一些。

但是这个结构在插入或删除数据的时候是存在很大缺陷的，插入或删除数据后，会打乱相邻两层链表上结点个数的严格的比例关系(2:1关系)，因此如果要进行调整的话，也必须要把后面的所有结点都重新调整，这样会使时间复杂度退化为O(N)。

为了避免上述的问题，Skiplist在设计的时候不再要求严格的按照比例关系了。它要求在插入一个结点的时候，随机出一个层数。这样每次插入和删除的时候不需要再考虑其它结点的层数了。下图就是使用随机层数后的插入过程。

2.Skiplist在插入时采用随机层数的方法是如何保证效率的呢?

在此之前，我们先来了解一下Skiplist是如何实现随机层数的方法吧!

实现随机层数的方法:

在Redis的Skiplist的实现中，参数maxLevel和p的取值如下:

maxLevel = 32
p = 0.25

maxLevel表示最大层数，p表示每多一层的概率。

设当前层数level=1
产生层数为1的概率为(1 - p), 产生大于1层的概率为p。
产生层数为2的概率为p * (1 - p)，产生大于2层的概率为p^2。
产生层数为3的概率为p^2 * (1 - p)，产生大于3层的概率为p^3。
产生层数为4的概率为p^3 * (1 - p)，产生大于4层的概率为p^4。
…
产生层数为n的概率为p^(n-1) * (1 - p)，产生大于n层的概率为p^n。

一个结点的平均层数(即，每个结点包含的平均指针数目)，计算如下:

当p = 0.25时,每个结点的平均层数为1.33层。(每个结点包含的平均指针个数为1.33)
当p = 0.5时, 每个节点的平均层数为2层。 (每个节点包含的平均指针个数为2)

3.跳表的模拟实现

struct SkiplistNode{int val;vector<SkiplistNode*> nextV;SkiplistNode(int num, int level):val(num),nextV(level, nullptr){}
};class Skiplist {public:Skiplist() :head(new SkiplistNode(-1, 1))  //头结点处我们初始化它是1层的(其实也可以直接拉到32层maxLevel,不过性能略有损耗){srand(time(nullptr));   //生成随机数种子}bool search(int target) {SkiplistNode* cur = head;int level = cur->nextV.size() - 1;  //层数的下标//当level小于0时退出循环while(level >= 0){//1. 当前结点的下一个为nullptr 或 下一个的值 > target, 此时向下走if(cur->nextV[level] == nullptr || cur->nextV[level]->val > target){--level;}//2. 当前结点的下一个不为nullptr && 下一个的值 < target, 此时向右走else if(cur->nextV[level]->val < target){cur = cur->nextV[level];}//3. 下一个的值 == targetelse{return true;}}return false;}//找prevV, add和erase均需要用vector<SkiplistNode*> findPrevVector(int target){SkiplistNode* cur = head;int level = cur->nextV.size() - 1;  //下面使用的都是下标, 所以这里作-1处理vector<SkiplistNode*> prevV(level + 1, head); //这里的prevV数组中, "i下标处存储的是第i+1层"的前一个节点//这里prevV默认初始化必须为head, 因为SkipList为空时, 插入的前一个节点一定是headwhile(level >= 0){//1. 当下一个为nullptr 或 下一个的值 >= target, 此时向下走。(这里考虑允许数据冗余了)if(cur->nextV[level] == nullptr || cur->nextV[level]->val >= target){prevV[level] = cur; //prevV[level]存的是cur!!!--level;}else{//2. 当下一个不为nullptr && 下一个的值 < targetcur = cur->nextV[level];}}return prevV;}void add(int num) {int level = randomLevel();  //随机生成层数if(level > head->nextV.size()){ //判断是否需要更新头结点的层数head->nextV.resize(level, nullptr);}vector<SkiplistNode*> prevV = findPrevVector(num);SkiplistNode* newNode = new SkiplistNode(num, level);//更新连接关系for(size_t i = 0; i < level; ++i){newNode->nextV[i] = prevV[i]->nextV[i]; //prevV[i]: i下标就是第i+1层的前一个结点prevV[i]->nextV[i] = newNode;}}bool erase(int num) {vector<SkiplistNode*> prevV = findPrevVector(num);//先判断num值是否存在. 判断prevV[0]的下一个是否为nullptr, 以及下一个值是否为num//这里必须使用0下标, 其它下标的层数可能不存在if(prevV[0]->nextV[0] == nullptr || prevV[0]->nextV[0]->val != num){return false;}else{//删除, 并更新连接关系SkiplistNode* delNode = prevV[0]->nextV[0];for(size_t i = 0; i < delNode->nextV.size(); ++i){prevV[i]->nextV[i] = delNode->nextV[i];}delete delNode;//判断是否需要更新头结点nextV的大小(无关紧要)size_t i = head->nextV.size() - 1;for(; i >= 0; --i){if(head->nextV[i] != nullptr)break;}head->nextV.resize(i + 1);return true;}}int randomLevel(){int level = 1;//rand()的概率是[0, RAND_MAX], 我们这里限定rand() < RAND_MAX * p, 这个概率正好为pwhile(rand() <= RAND_MAX * p && level < maxLevel){++level;}return level;}private:SkiplistNode* head;size_t maxLevel = 32;double p = 0.25;
};

4.跳表VS平衡搜索树和哈希表

跳表本质是一种搜索结构，它根平衡搜索树和哈希表是同一领域的，它同时支持key或key/value的搜索模型。

Skiplist相比平衡搜索树(AVL、红黑树)，遍历数据时都可以做到有序输出，时间复杂度也差不多。
Skiplist的优势:
a. Skiplist的实现更简单，容易控制; 平衡搜索树的增删查改都较为复杂。
b. Skiplist的额外空间消耗更低，Skiplist在p=0.25时，每个结点包含的指针数目为1.33; 而平衡搜索树每个结点都是一个三叉链(存储3个指针)，并且还需要额外存储平衡因子/颜色属性。
Skiplist相比哈希表就没什么优势了。哈希表的时间复杂度为O(1), 要比Skiplist快一些，但是Skiplist的空间消耗要少一些。
Skiplist的优势:
a. 遍历数据有序。
b. Skiplist空间消耗少一些，哈希表存在表空间的消耗以及每个下标处挂的链表的指针消耗。
c. 哈希表扩容时有性能损耗。
d. 哈希表在极端场景下(哈希冲突高)，效率会大幅度下降，此时需要使用红黑树来补救。

Skiplist跳表详解及其模拟实现相关推荐

Java版skiplist跳表详解
skiplist简介 skiplist 是一个概率型数据结构,查找.删除.插入的时间复杂度都是O(logN). skiplist是由多层有序的链表组成的,来加快查找速度. 其中第0层包含了所有元素, ...
SkipList跳表详解
友情提示:下文在跳表插入数据时,会讲述如何动态维护索引,实现比较简单,逻辑比较绕,不要放弃,加油!!!如果一遍看不懂没关系,可以选择暂时性的跳过,毕竟这块偏向于源码.但是读者必须知道跳表的查找.插入. ...
二叉树，平衡二叉树，B-Tree，B+Tree，跳表详解
二叉树,平衡二叉树,B-Tree,B+Tree,跳表详解 1.二叉查找树(BST) 1.1 二叉查找树概念 1.2 二叉查找树特点 2. 平衡二叉树(AVL) 2.1 平衡二叉树概念 2.2 平衡二叉 ...
SkipList(跳表)
SkipList(跳表) 文章目录 SkipList(跳表) 参考前言跳表的原理跳表的插入和删除插入操作删除操作跳表的时间空间复杂度分析时间复杂度空间复杂度调表的基本操作插入数据 ...
判断数组中某个元素除自身外是否和其他数据不同_算法工程师要懂的3种算法数据结构：线性表详解...
算法思想有很多,业界公认的常用算法思想有8种,分别是枚举.递推.递归.分治.贪心.试探法.动态迭代和模拟.当然8种只是一个大概的划分,是一个"仁者见仁.智者见智"的问题. 其实这些 ...
线性表详解(静态链表、单链表、双向链表、循环链表)
目录申明 1. 线性表的定义 2. 线性表的抽象数据类型 3. 线性表的顺序存储结构 3. 1 顺序存储定义 3. 2 顺序存储方式 3. 3 数据长度与线性表长度区别 3. 4 地址计算方法 4. ...
Activity 跳转详解
Activity 跳转详解你好! 我是 Graydalf ,有可能也叫 Gdalf ~ 今天被朋友问到如何设置一个广播来启动一个应用并显示数据,于是将自己了解到的记录下来,有什么较为 DEMO 的地 ...
skiplist 跳表（1）
最近学习中遇到一种新的数据结构,很实用,搬过来学习. 原文地址:skiplist 跳表为什么选择跳表目前经常使用的平衡数据结构有:B树,红黑树,AVL树,Splay Tree, Treep等. ...
创建emp表 oracle,Oracle中创建和管理表详解
Oracle中创建和管理表详解更新时间:2013年08月01日 15:44:16 作者: 以下是对Oracle中的创建和管理表进行了详细的分析介绍,需要的朋友可以过来参考下 SQL> /* ...

Skiplist跳表详解及其模拟实现

文章目录

跳表

1.跳表的概念

2.Skiplist在插入时采用随机层数的方法是如何保证效率的呢?

3.跳表的模拟实现

4.跳表VS平衡搜索树和哈希表

Skiplist跳表详解及其模拟实现相关推荐

最新文章

热门文章