跳表：为什么Reids一定要用跳表来实现有序集合

本文是学习算法的笔记，《数据结构与算法之美》，极客时间的课程

上两节讲了二分查找算法，它的底层是依赖数组来实现的。如果数据存储在链表中，就真的没法用二分查找了吗？

实现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作跳表（Skip list）。它是一种各方面都比较优秀的动态数据结构，可以支持快速的插入、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）就是用跳表来实现的，**那Redis 为什么会选择跳表来实现有序集合？**为什么不用红黑树？这就是今天要讲的内容。

如何理解“跳表”？

对于一个单链表来讲，即便链表中存储的数据是有序的，如果我们要想在其中查找某个数据，也只能从头到尾遍历链表。这样的查找效率很低，时间复杂度很高，是O(n)。
那怎么来提高查找的效率呢？如果像图中那样，对链表建立一组“索引”，查找起来是不是就会更快一些呢？每两个结点提取一个结点到上一级，我们把抽出来的那一级叫作索引或索引层。图中的down表示down指针，指向下一级的结点。

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的结点时，我们发现下一个结点值是17，那要找的结点16肯定就在这两个结点之间。然后我们通过索引层结点的down指针，下降到原始链表这一层，继续遍历。这人时候，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。这样原来需要遍历10结点才能找到16。现在只需要遍历7个结点。

跟前面建立第一组的索引的方式类似，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。现在我们再来查找16，只需要遍历6个结点了，需要遍历的结点数量又减少了。
为了让你真切感受索引提升查询的效率。我画了一个包含64个结点的链表，按照前面讲的思路，建立经一组索引

从图中我们可以看出，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。

前面讲的这种链表加多级索引的结构，就是跳表。我通过例子给你展示了跳表是如何减少查询次数的。接下来，我会定量分析一下，用跳表查询到底有多快。

用跳表查询到底有多快？

算法的执行效率可以用时间复杂度来衡量。在一个单链表中查询某个的时间复杂度是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？

按照每两个结点抽出一个结点作为上一组索引的结点，那第一组索引的结点个数大约就是n/2，第二级索引的节点个数大约是n/4，依次类推，第 k 级索引的结点个数就是n/(2^k)

假设索引有h 级，最高的索引有2个结点。通过上面的公式，可得n/(2^h) = 2。算上原始链表，整个跳表的高度就是log2n。我们在跳表中查询某个数据的时候，如果每一层都需要遍历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*logn)。

那m 的值是多少呢？按照前面的这种索引结构，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？

如下图，假设我们要查找的数据x，在第k 级索引层中，我们遍历y结点之后，发现x 大于y，小于后面的结点z ，通过down指针，从k 层索引下降到第 k-1级索引。在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就和二分查找一样了。换言之，我们其实在基于单链表实现了二分查找。不过这种效率的提升是有代价的，需要建立很多索引。这是典型的空间换时间的设计思路。

跳表是不是很浪费内存？

比起单链表，跳表需要存储多级索引，肯定要消耗更多的存储空间。那到底要消耗多少额外的存储空间呢？我们来分析下跳表的空间复杂度。
根据前面所说，可以计算出这几级索引的总和就是 n/2 + n/4 + n/8 + …+ 8 + 4 + 2。所以跳表的空间复杂度是O(n)。也就是说，如果将包含n 个结点的单链表改造成跳表，我们需要额外再接近n 个结点的存储空间。那我们有没有办法降低索引占用的内存空间呢？

如果我们每三个结点或五个结点，抽一个结点到上级索引，是不是不用那么多的结点了呢？

通过等比求和，得出索引结点大约是 n/2个，尽管空间复杂度还是O(n)。但比每两个节点抽一个点的索引构建方法，要减少一半的索引结点存储空间。

实际上，在软件开发过程中，我们不必太在意索引占用的额外空间。在讲数据结构的算法，我们习惯地把要处理的数据看成整数，但是在实际软件开发中，原始链表中存储的可能是很大的对象，而索引结点只需要存储关键值和几个指针，并不需要存储对象，所以对象比索引结点大很多时，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。

跳表还支持动态插入、删除操作，而且插入、删除的时间复杂度也是O(logn)。

我们现在来看下，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？

我们知道，在单链表中，一旦定位好要插入的位置，插入点的时间复杂度是很低的，就是O(1)。但是，这里为了保证原始链表中数据的有序性，我们需要先找到要插入的位置，这个查找操作就会比较耗时。

对于纯粹的单链表，需要遍历每个结点，来找到插入的位置。但是，对于跳表来说，查找某个结点的时间复杂度是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。我画了一个插入数据6的图。

再来说说删除操作。

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。因为单链表中的删除操作是要拿到删除结点为的前驱结点，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。

跳表的动态更新

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

作为一个动态结构，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，索引结点就相应增加一些，避复杂度退化，以及查找、插入、删除操作性能下降。

红黑树是左右旋的方式保持左右子树的大小平衡，而跳表是通过函数来维护这种平衡。

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层呢？

我们通过一个随机函数，来决定将这个结点插入到哪几层索引中，比如随机函数生成了值K，那么我就将这个结点添加到第一级的到第K级的索引中，如下图

解答开篇

说说开篇的问题，为什么Redis要用跳表实现有序集合，而不是红黑树？

Redis中的有序集合通过跳表来实现，严格来讲，还用到了散列表。不过散列表我们后面都会讲到，现在暂且忽略这部分。如果你去查一下Redis的开发手册，就会发现，Redis中的有序集合支持的核心操作主要以下几个——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见个操作，红黑树可以完成，时间复杂度和跳表是一样的。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。

对于按照区间查找这，跳表可以做到O(logn)的时间复杂度定位区间的起点，然后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，跳表比起红黑树来说，更容易代码实现，更灵活。它可以通过改变索引构建策略，有效平衡执行效率和内存的消耗。