数据结构与算法笔记：基础篇 - 跳表：为什么Redis一定要用跳表来实现有序集合

概述

上两篇文章，我们讲了二分查找算法。当时讲到，因为二分查找底层依赖的是数组随机访问的特性，所以，只能用数组来实现。如果数据存储在链表中，就真的没有办法用二分查找。

实际上，我们只需要对链表稍加改造，就可以支持类似 “二分” 的查找算法。我们把改造之后的数据结构叫做 跳表（Skip list），也就是本章要讲的内容。

跳表这种数据结构对你来说，可能比较陌生，因为一般的数据结构和算法书籍中都不怎么会讲。但是它确实是一种各方面性能都比较优秀的动态数据结构，可以支持快速地插入、删除、查找操作，写起来也不复杂，甚至可以替代红黑树（Red-black tree）。

Redis 中的有序集合（Sorted set）就是用跳表实现的。如果你有一定基础，应该知道红黑树也可以实现快速插入、删除和查找操作。那 Redis 为什么会选择用跳表来实现有序集合呢？

---

如何理解 “跳表”？

对于一个单链表来说，即便链表中存储的数据是有序的，如果我们想要在其中查找某个数据，也只能从头到尾遍历链表。这样查找效率就会很低，时间复杂度会很高，是 $O(n)$。

那怎么来提高查找效率呢？如果像图中对链表建立一级 “索引”，查找起来是不是就会更快一些呢？内两个节点提取一个节点到上一级，我们抽出来的那一级叫做索引或索引层。如下图。图中的 down 表示 down 指针，执行下一级节点。

如果我们现在要查找某个结点，比如 16。我们可以先在索引层遍历，当遍历到索引层中值为 13 的节点时，我们发现下一个结点是 17，那要查找的节点 16 肯定就在这两个结点之间。然后我们通过索引层的 down 指针，下降到原始链表这一层，继续遍历。这是，我们只需要再遍历 2 个结点，就可以找到值等于 16 的这个结点了。这样，原来如果是查找 16，需要遍历 10 个结点，现在只需要遍历 7 个结点。

从这个例子可以看出，加来一层索引之后，查找一个结点需要遍历的结点格式减少了，也就是说查找效率提高了。那如果再加一级索引呢？效率会不会提升更多呢？

跟前面建立第一级索引的方式相似，我们在第一级索引的基础之上，每两个结点就抽出一个结点到第二级索引。现在我们再查找 6 ，只需要遍历 6 个结点了，需要遍历的节点数量又减少了。

这里的例子数据量不大，所以即便加了两级索引，查找效率的提升也不明显。为了让你能够真切感受到索引提升查询效率。下面画了一个包含 64 个结点的链表，按照前面讲的思路，建立了五级索引。

从图中可以看出，原来没有索引的时候，查找 62 需要遍历 62 个结点，现在只需要遍历 11 个结点，速度是不是提高了很多？所以，当链表长度 n 比较大时，比如 1000、10000 时，在构建索引之后，查找效率的提升就会很明显。

前面讲的这种链表加多级索引的结构，就是跳表。通过例子给你展示了跳表时如何减少查询次数的，现在你应该比较清晰地知道，跳表确实是可以提高查询效率的。接下来，我们一起定量分析一下，用跳表查询到底有多快。

用跳表查询到底有多快

前面讲过，算法的执行效率可以通过时间复杂度来度量，这里依旧可以。我们知道，在一个单链表中查询某个数据的时间复杂度是 $O(n)$。那在一个具有多级索引的跳表中，查询某个数据的时间复杂度是多少呢？

这个时间复杂度的分析方法比较难想到。我们把问题分解一下，先看这样一个问题，如果链表里有 n 个结点，会有多少级索引呢？

按照刚刚讲的，每两个结点会抽出一个结点作为上一层索引的结点，那第一级索引的结点个数大约就是 n/2，第二级索引的结点个数大约就是 n/4，第三级索引的结点个数大约就是 n/8，以此类推，也就是说，第 k 级索引的结点个数就是第 k-1 层索引节点个数的 1/2，把第 k 级索引结点的个数就是 $\frac{n}{2^k}$。

假设有 h 级，最高的索引有 2 个结点，通过上面的公式，可以得到 $\frac{n}{2^h}=2$，从而求得 $h=lo{g}_{2}n-1$。如果包含原始链表这一层，整个跳表的高度就是 $h=log_2n $。我们在跳表中查询某个数据时，如果每一次都要遍历 m 个结点，那在跳表中查询一个数据的时间复杂度就是 $O(m\ast logn)$。

那这个 m 的值是多少呢？按照前面这种索引结构，我们每一级最多只需要遍历 3 个结点，也就是说 m = 3，为什么是 3 呢？我来解释一下。

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>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 级索引中最多只需遍历 3 个结点，依次类推，每一级索引最多只需要遍历 3 个结点。

通过上面的分析，我们得到 m=3，所以在跳表中查询任意数据的时间复杂度就是 $O(logn)$。这个查找的时间复杂度跟二分查找是一样的。换句话说，我们其实就是基于单链表实现了二分查找，是不是很神奇？不过，天下没有免费的午餐，这种查询效率的提升，前提是建立了很多级索引，也就是空间换时间的设计思路。

跳表是不是很浪费内存

比如单纯的单链表，跳表需要存储多级索引，肯定需要消耗更多的存储空间。那到底需要消耗多少额外的存储空间呢？

跳表的空间复杂度分析并不难，在前面说了，假设原始链表大小为 n，那第一级索引大小有 n/2 个结点，第二级索引大小有 n/4 个结点，以此类推，每上升一级就减少一半，直到剩下两个结点。如果我们把每层的结点数写出来，就是一个等比数列。

$$\frac{n}{2},\frac{n}{4},\frac{n}{8},...,8,4,2$$

这几级索引的总和就是 $\frac{n}{2}+\frac{n}{4}+\frac{n}{8}+...+8+4+2=n-2$。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，需要额外再用接近 n 个结点的存储空间。那有没有办法降低索引占用的内存空间呢?

前面都是每两个结点抽一个结点到上级索引，如果我们每三个结点或五个结点，抽一个结点到上级索引，是不是就不用那么多索引节点了呢？

从图中可以看出，第一级索引需要大约 n/3，，第二级索引需要大约 n/9，为了方便计算，假设每最高一级的索引节点个数是 1。我们把每级索引的结点个数都写下来，也是一个等比数列。
$$\frac{n}{3},\frac{n}{9},\frac{n}{2}7,...,9,3,1$$

通过等比数列求和公式，总的索引结点大约就是 $\frac{n}{3}+\frac{n}{9}+\frac{n}{2}7+...+9+3+1=\frac{n}{2}$。尽管空间复杂度还是 $O(n)$，但比上面的每两个结点抽一个结点的索引构建方法，要少了一半的索引节点存储空间。

实际上，在开发中，我们不必太在意索引占用的额外空间。在讲数据结构和算法时，我们习惯性地把要处理的数据看成整数，但是在实际开发中，原始链表中存储的有可能是很大的对象，而索引节点只需要存储关键值和几个指针，并不需要存储对象，所以当对象比索引节点大很多时，那索引占用的额外空间就可以忽略了。

高效的动态插入和删除

跳表长什么样子我想你应该很清楚了，它的查找操作刚刚也讲过了。实际上，跳吧这个动态数据结构，不仅支持查询操作，还支持动态插入、删除操作，而且插入、删除操作的时间复杂度也是 $O(logn)$。

现在来看戏，如何在跳表中插入一个数据，以及它是如何做到 $O(logn)$ 的时间复杂度的？

在单链表中，一旦定好要插入的位置，插入结点地时间复杂度很低，就是 $O(1)$。但是这里为了保证原始链表中数据的有序性，我们需要先找到插入的位置，这个查找操作就会比较耗时。

对于单纯的单链表，需要遍历每个结点，来找到插入的位置。但是，对于跳表来说，我们讲过查找某个节点的时间复杂度是 $O(logn)$，所以这里查找某个数据应该插入的位置，方法也是类似，时间复杂度也是 $O(logn)$。

好了，我们再来看删除操作。

如果这个结点在索引中也有出现，我们除了要删除原始链表中的结点，还要删除索引中的结点。因为单链表中的删除需要拿到要删除的结点地前驱结点，然后通过指针操作完成删除。所以在查找要删除的结点的时候，一定要获取前驱结点。当然，如果我们用的是双向链表，就不需要考虑这个问题了。

跳表索引动态更新

当我们不停地往跳表中插入数据时，如果我们不更新索引，就有可能出现 2 个索引结点之间数据非常多的情况。极端情况下，跳表还会退化成单链表。

作为一种动态数据结构，我们需要某种手段来维护索引与原始链表大小之间的平衡，也就是说，如果链表中结点多了，索引结点就相应地增加一些，避免复杂度退化，以及查找、插入、删除操作性能下降。

如果你了解红黑树、AVL 树这样平衡二叉树，你就知道它们是通过左右旋转的方式保持左右子树的大小平衡，而跳表是通过随机函数来维护前面提到的 “平衡性”。

当我们往跳表中插入数据的时候，我们可以选择同时将这个数据插入到部分索引层中。如何选择加入哪些索引呢？

我们通过一个随机函数，来决定将这个结点插入到哪几级索引中，比如随机函数生产了值 k，那我们就将这个结点添加到第一级到第 k 级 索引中。

随机函数的选择很有讲究，从概率上讲，能保证跳表的索引大小和数据带下平衡性，不至于性能过度退化。置于随机函数的选择，就不展开讲解了。

跳表的实现还是稍微有点复杂，你可以自行从网上找代码实现。跳表的实现不是本章的重点，主要的还是要学习它的思想。

为什么 Redis 要用跳表来实现有序集合，而不是红黑树？

Redis 中的有序集合是通过跳表来实现的，严格点讲，其实还用到了散列表。不过散列表后面才会讲到，所以现在先忽略这一部分。如果你去查看 Redis 的开发手册，你就会发现，Redis 中的有序集合支持的核心操作主要有：

• 插入一个数据；
• 删除一个数据；
• 查找一个数据；
• 按区间查找数据（比如查找值在 [100, 336] 之间的数据）；
• 迭代输出有序序列；

其中，插入、删除、查找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，然后再原始链表中顺序往后遍历就可以了。这样做非常高效。

当然，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。虽然跳吧的实现也不简单，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线程的实现，所以在开发中，如果你想使用跳表，必须要自己实现。

小结

本章讲解了跳表这种数据结构。跳表使用空间换时间的设计思路，通过构建多级索引来提高查询的效率，实现了基于链表的 “二分查找”。跳表是一种动态数据结构，支持快速地插入、删除、查找操作，时间复杂度是 $O(logn)$。

跳表的空间复杂度是 $O(n)$。不过，跳表的实现非常灵活，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。虽然跳表的代码实现并不简单，但是作为一种动态数据结构，比起红黑树来说，实现要简单多了。所以很多时候，我们为了代码的简单、易读，比起红黑树，我们更倾向于用跳表。