skiplist原理与实现

今天继续介绍分布式系统当中常用的数据结构，今天要介绍的数据结构非常了不起，和之前介绍的布隆过滤器一样，是一个功能强大原理简单的数据结构。并且它的缺点和短板更少，应用更加广泛，比如广泛使用的Redis就有用到它。

SkipList简介

SkipList是一个实现快速查找、增删数据的数据结构，可以做到O(logN)O(logN)复杂度的增删查。从时间复杂度上来看，似乎和平衡树差不多，但是和平衡树比较起来，它的编码复杂度更低，实现起来更加简单。学过数据结构的同学应该都有了解，平衡树经常需要旋转操作来维护两边子树的平衡，不仅编码复杂，理解困难，而且debug也非常不方便。SkipList克服了这些缺点，原理简单，实现起来也非常方便。

原理

SkipList的本质是List，也就是链表。我们都知道，链表是线性结构的，每次只能移动一个节点，这也是为什么链表获取元素和删除元素的复杂度都是O(n)

如果我们要优化这个问题，可以在当中一般的节点上增加一个指针，指向后面两个的元素。这样我们遍历的速度可以提升一倍，最快就可以在O(n/2)O(n/2)的时间内遍历完整个链表了。

同样的道理，如果我们继续增加节点上指针的个数，那么这个速度还可以进一步加快。理论上来说，如果我们设置lognlog⁡n个指针，完全可以在lognlog⁡n的时间内完成元素的查找，这也是SkipList的精髓。

但是有一个问题是我们光实现快速查找是不够的，我们还需要保证元素的有序性，否则查找也就无从谈起。但是元素添加的顺序并不一定是有序的，我们怎么保证节点分配到的指针数量合理呢？

为了解决这个问题，SkipList引入了随机深度的机制，也就是一个节点能够拥有的指针数量是随机的。同样这种策略来保证元素尽可能分散均匀，使得不会发生数据倾斜的情况。

我觉得这个图放出来应该都能看懂，可以把每一个节点想象成一栋小楼。每个节点的多个指针可以看成是小楼的各个楼层，很显然，由于所有的小楼都排成一排，所以每栋楼的每一层都只能看到同样高度最近的一栋。

比如上图当中的2只有一层，那么它只能看到最近的一楼也就是3的位置。4有三层，它的第一层只能看到5，但是第二和第三层可以看到6。6也有三层，由于6之后没有节点有超过两层的，所以它的第三层可以直接看到结尾。

由于每个节点的高度是随机的，所以每个节点能看到的情况是分散的，可以防止数据聚集不平均等问题，从而可以保证运行效率。

实现Node

数据结构的原理我想大家都可以看懂，但是想要上手实现的话会发现还是有些困难，会有很多细节和边界问题。这是正常的，我个人的经验是可以先从简单的部分开始写，把困难的部分留到最后。随着进度的推进，对于问题的理解和解决问题的能力都会提升，这样受到的痛苦最小，半途而废的可能性最低。

在接下来的内容当中，我们也遵守这个原则，从简单的部分开始说起。

定义节点结构

整个SkipList本质是一个链表，既然是链表，当然存在节点，所以我们可以先从定义节点的结构开始。由于我们需要一个字段来查找，一个字段存储结果，所以显然key和value是必须的字段。另外就是每个节点会有一个指针列表，记录可以指向的位置。于是这个Node类型的结构就出来了：

class Node:def __init__(self, key, value=None, depth=1):self._key = keyself._value = value# 一开始全部赋值为Noneself._next = [None for _ in range(depth)]self._depth = depth@propertydef key(self):return self._key@key.setterdef key(self, key):self._key = key@propertydef value(self):return self._value@value.setterdef value(self, value):self._value = value

可能会有同学看不明白方法上面的注解，这里做一个简单的介绍。这是Python当中面向对象的规范，因为Python不像C++或者是Java做了public和private字段的区分，在Python当中所有的字段都是public的。显然这是不安全的，有时候我们并不希望调用方可以获取我们所有的信息。所以在Python当中，大家规定变量名前面添加下划线表示private变量，这样无论是调用方还是阅读代码的开发者，都会知道这是一个private变量。

在Java当中，我们默认会为需要用到的private变量提供public的get和set方法，Python当中也是一样。不过Python当中提供了强大的注解器，我们可以通过添加@property和@param.setter注解来简化代码的编写，有了注解之后，Python会自动将方法名和注解名映射起来。比如我们类内部定义的变量名是_key，但是通过注解，我们在类外部一样可以处通过node.key来调用，Python的解释器会自动执行我们加了注解的方法。以及我们在为它赋值的时候，也一样会调用对应的方法。

比如当我们运行: node.key = 3，Python内部实际上是执行了node.key(3)。当然我们也可以不用注解自己写set和get，这只是习惯问题，并没有什么问题。

添加节点方法

我们定义完了Node结构之后并没有结束，因为在这个问题当中我们需要访问节点第n个指针，当然我们也可以和上面一样为_next添加注解，然后通过注解和下标进行访问。但是这样毕竟比较麻烦，尤其是我们还会涉及到节点是否是None，以及是否能够看到tail的等等判断，为了方便代码的编写，我们可以将它们抽象成Node类的方法。

我们在Node类当中添加以下方法：

# 为第k个后向指针赋值
def set_forward_pos(self, k, node):self._next[k] = node# 获取指定深度的指针指向的节点的key
def query_key_by_depth(self, depth):# 后向指针指向的内容有可能为空，并且深度可能超界# 我们默认链表从小到大排列，所以当不存在的时候返回无穷大作为keyreturn math.inf if depth > self._depth or self._next[depth] is None else self._next[depth].key# 获取指定深度的指针指向的节点
def forward_by_depth(self, depth):return None if depth > self._depth else self._next[depth]

这三个方法应该都不难看懂，唯一有点问题的是query_key_by_depth这个方法，在这个方法当中，我们对不存在的情况范围了无穷大。这里返回无穷大的逻辑我们可以先放一放，等到后面实现skiplist的部分就能明白。

把这三个方法添加上去之后，我们Node类就实现好了，就可以进行下面SkipList主体的编写了。

实现SkipList

接下来就到了重头戏了，我们一样遵循先易后难的原则，先来实现其中比较简单的部分。

首先我们来实现SkipList的构造函数，以及随机生成节点深度的函数。关于节点深度，SkipList当中会设计一个概率p。每次随机一个0-1的浮点值，如果它大于p，那么深度加一，否则就返回当前深度，为了防止极端情况深度爆炸，我们也会设定一个最大深度。

在SkipList当中除了需要定义head节点之外，还需要节点tail节点，它表示链表的结尾。由于我们希望SkipList来实现快速查询，所以SkipList当中的元素是有序的，为了保证有序性，我们把head的key设置成无穷小，tail的key设置成无穷大。以及我们默认head的后向指针是满的，全部指向tail。这些逻辑理清楚之后，代码就不难了：


class SkipList:def __init__(self, max_depth, rate=0.5):# head的key设置成负无穷，tail的key设置成正无穷self.root = Node(-math.inf, depth=max_depth)self.tail = Node(math.inf)self.rate = rateself.max_depth = max_depthself.depth = 1# 把head节点的所有后向指针全部指向tailfor i in range(self.max_depth):self.root.set_forward_pos(i, self.tail)def random_depth(self):depth = 1while True:rd = random.random()# 如果随机值小于p或者已经到达最大深度，就返回if rd < self.rate or depth == self.max_depth:return depthdepth += 1

到这里，我们又往前迈进了一步，距离最终实现只剩下增删查三个方法了。改和查的逻辑基本一致，并且在这类数据结构当中，一般不会实现修改，因为修改可以通过删除和添加来代替，并且对于大数据的场景而言，也很少会出现修改。

query方法

这三个方法当中，query是最简单的，因为我们之前已经理解了查找的逻辑。是一个类似于贪心的算法，说起来也很简单，我们每次都尝试从最高的楼层往后看，如果看到的数值小于当前查找的key，那么就跳跃过去，否则说明我们一下看得太远了，我们应该看近一些，于是往楼下走，再重复上述过程。

比如上图当中，假设我们要查找20，首先我们在head的位置的最高点往后看，直接看到了正无穷，它是大于20的，说明我们看太远了，应该往下走一层。于是我们走到4层，这次我们看到了17，它是小于20的，所以就移动过去。

移动到了17之后，我们还是从4层开始看起，然后发现每一层看到的元素都大于等于20，那么说明17就是距离20最近的元素（有可能20不存在）。那么我们从17开始往后移动一格，就是20可能出现的位置，如果这个位置不是20，那么说明20不存在。

这个逻辑应该很好理解，结合我们之前Node当中添加的几个工具方法，代码只有几行：

def query(self, key):# 从头开始pnt = self.root# 遍历当下看的高度，高度只降不增for i in range(self.depth-1, -1, -1):# 如果看到比目标小的元素，则跳转while pnt.query_key_by_depth(i) < key:pnt = pnt.forward_by_depth(i)# 走到唯一可能出现的位置pnt = pnt.forward_by_depth(0)# 判断是否相等，如果相等则说明找到if pnt.key == key:return True, pnt.valueelse:return False, None

delete方法

query方法实现了，delete就不远了。因为我们要删除节点，显然需要先找到节点，所以我们可以复用查找的代码来找到待删除的节点可能存在的位置。

找到了位置并不是一删了之，我们删除它可能会影响其他的元素。

还拿上图举个例子，假设我们要删除掉25这个元素。那么会发生什么？

对于25以后的元素其实并不会影响，因为节点之后后向指针，会影响的是指向25的这些节点，在这个例子当中是17这个节点。由于25被删除，17的指针需要穿过25的位置继续往后，指向后面的元素，也就是55和31
。

比较容易想明白的是如果我们找到这些指向25的指针，它们修改之后的位置是比较容易确定的，因为其实就是25这个元素指向的位置。但是这些指向25的元素怎么获取呢？

如果光想似乎没有头绪，但是结合一下图，不难想明白，还记得我们查找的时候，每次都看得尽量远的贪心法吗？我们每次发生”下楼“操作的元素不就是最近的一个能看到25的位置吗？也就是说我们把查找过程中发生下楼的位置都记录下来即可。

想明白了，代码也就呼之欲出，和query的代码基本一样，无非多了几行关于这点的处理。

def delete(self, key):# 记录下楼位置的数组heads = [None for _ in range(self.max_depth)]pnt = self.rootfor i in range(self.depth-1, -1, -1):while pnt.query_key_by_depth(i) < key:pnt = pnt.forward_by_depth(i)# 记录下楼位置heads[i] = pntpnt = pnt.forward_by_depth(0)# 如果没找到，当然不存在删除if pnt.key == key:# 遍历所有下楼的位置for i in range(self.depth):# 由于是从低往高遍历，所以当看不到的时候，就说明已经超了，breakif heads[i].forward_by_depth(i).key != key:break# 将它看到的位置修改为删除节点同样楼层看到的位置heads[i].set_forward_pos(i, pnt.forward_by_depth(i))# 由于我们维护了skiplist当中的最高高度，所以要判断一下删除元素之后会不会出现高度降低的情况while self.depth > 1 and self.root.forward_by_depth(self.depth - 1) == self.tail:self.depth -= 1else:return False

insert 方法

最后是插入元素的insert方法了，在insert之前，我们也同样需要查找，因为我们要将元素放到正确的位置。

如果这个位置已经有元素了，那么我们直接修改它的value，其实这就是修改操作了，如果设计成禁止修改，也可以返回失败。插入的过程同样会影响其他元素的指针指向的内容，我们分析一下就会发现，插入的过程和删除其实是相反的。删除的过程当中我们需要将指向x的指向x指向的位置，而插入则是相反，我们要把指向x后面的指针指向x，并且也需要更新x指向的位置，如果能理解delete，那么理解insert其实是板上钉钉的。

我们直接来看代码：

def insert(self, key, value):# 记录下楼的位置heads = [None for _ in range(self.max_depth)]pnt = self.rootfor i in range(self.depth-1, -1, -1):while pnt.query_key_by_depth(i) < key:pnt = pnt.forward_by_depth(i)heads[i] = pntpnt = pnt.forward_by_depth(0)# 如果已经存在，直接修改if pnt.key == key:pnt.value = valuereturn# 随机出楼层new_l = self.random_depth()# 如果楼层超过记录if new_l > self.depth:# 那么将头指针该高度指向它for i in range(self.depth, new_l):heads[i] = self.root# 更新高度self.depth = new_l# 创建节点new_node = Node(key, value, self.depth)for i in range(0, new_l):# x指向的位置定义成能看到x的位置指向的位置new_node.set_forward_pos(i, self.tail if heads[i] is None else heads[i].forward_by_depth(i))# 更新指向x的位置的指针if heads[i] is not None:heads[i].set_forward_pos(i, new_node)

到这里，整个代码就结束了。怎么说呢，虽然它的原理不难理解，但是代码写起来由于涉及到了指针的操作和运算，所以还是挺麻烦的，想要写对并且调试出来不容易。但相比于臭名昭著的各类平衡树而言，已经算是非常简单的了。

SkipList在各类分布式系统和应用当中广泛使用，算是非常重要的基础构建，因此非常值得我们学习。并且我个人觉得，这个数据结构非常巧妙，无论是原理还是编码都很有意思，希望大家也能喜欢。