STL - 跳表

本文介绍了跳表(skiplist)的基本概念、工作原理、效率保证机制,以及它与平衡搜索树和哈希表的对比。重点讨论了skiplist的随机层数设计、Redis中的实现细节和其在数据查找中的优势。
摘要由CSDN通过智能技术生成

1、什么是跳表-skiplis

skiplist本质上也是一种查找结构,用于解决算法中的查找问题,跟平衡搜索树和哈希表的价值是 一样的,可以作为key或者key/value的查找模型;那么相比而言它的优势是什么?

skiplist是由William Pugh发明的,最早出现于他在1990年发表的论文《Skip Lists: A Probabilistic Alternative to Balanced Trees

skiplist,顾名思义,首先它是一个list。实际上,它是在有序链表的基础上发展起来的。如果是一 个有序的链表,查找数据的时间复杂度是O(N)

William Pugh开始的优化思路:

  1. 假如每相邻两个节点升高一层,增加一个指针,让指针指向下下个节点,如下图b所 示。这样所有新增加的指针连成了一个新的链表,但它包含的节点个数只有原来的一半。由 于新增加的指针,我们不再需要与链表中每个节点逐个进行比较了,需要比较的节点数大概 只有原来的一半
  2. 以此类推,可以在第二层新产生的链表上,继续为每相邻的两个节点升高一层,增加一 个指针,从而产生第三层链表。如下图c,这样搜索效率就进一步提高了
  3. skiplist正是受这种多层链表的想法的启发而设计出来的。实际上,按照上面生成链表的方 式,上面每一层链表的节点个数,是下面一层的节点个数的一半,这样查找过程就非常类似 二分查找,使得查找的时间复杂度可以降低到O(log n)。但是这个结构在插入删除数据的时 候有很大的问题,插入或者删除一个节点之后,就会打乱上下相邻两层链表上节点个数严格 的2:1的对应关系。如果要维持这种对应关系,就必须把新插入的节点后面的所有节点(也 包括新插入的节点)重新进行调整,这会让时间复杂度重新蜕化成O(n)

     4. skiplist的设计为了避免这种问题,做了一个大胆的处理,不再严格要求对应比例关系,而是 插入一个节点的时候随机出一个层数;这样每次插入和删除都不需要考虑其他节点的层数,这样就好处理多了;细节过程入下图: 

2、skiplist的效率如何保证? 

        这里首先要细节分析的是这个随机层数是怎么来的。一般跳表会设计一个最大层数maxLevel的限制,其次会设置一个多增加一层的概率p;那么计算这个随机层数的伪代码如下图:

在Redis的skiplist实现中,这两个参数的取值为:

p = 1/4
maxLevel = 32

 根据前面randomLevel()的伪码,我们很容易看出,产生越高的节点层数,概率越低。定量的分析 如下:

  • 节点层数至少为1。而大于1的节点层数,满足一个概率分布
  • 节点层数恰好等于1的概率为1-p
  • 节点层数大于等于2的概率为p,而节点层数恰好等于2的概率为p(1-p)
  • 节点层数大于等于3的概率为p^2,而节点层数恰好等于3的概率为p^2*(1-p)
  • 节点层数大于等于4的概率为p^3,而节点层数恰好等于4的概率为p^3*(1-p)
  • ……

因此,一个节点的平均层数(也即包含的平均指针数目),计算如下:

 现在很容易计算出:

  • 当p=1/2时,每个节点所包含的平均指针数目为2;
  • 当p=1/4时,每个节点所包含的平均指针数目为1.33;

跳表的平均时间复杂度为O(logN),这个推导的过程较为复杂,需要有一定的数据功底,可以参考以下文章中的讲解:

http://zhangtielei.com/posts/blog-redis-skiplist.htm

ftp://ftp.cs.umd.edu/pub/skipLists/skiplists.pdf

3、skiplist的实现

. - 力扣(LeetCode)

struct SkiplistNode
{
     int _val;
     vector<SkiplistNode*> _nextV;
     SkiplistNode(int val, int level)
     :_val(val)
     , _nextV(level, nullptr)
     {}
};

class Skiplist {
     typedef SkiplistNode Node;
public:
     Skiplist() 
     {
         srand(time(0));
      // 头节点,层数是1
         _head = new SkiplistNode(-1, 1);
     }

     bool search(int target)
     {
         Node* cur = _head;
         int level = _head->_nextV.size() - 1;
         while (level >= 0)
         {
          // 目标值比下一个节点值要大,向右走
          // 下一个节点是空(尾),目标值比下一个节点值要小,向下走
             if (cur->_nextV[level] && cur->_nextV[level]->_val < target)
             {
              // 向右走
                 cur = cur->_nextV[level];
             }
             else if (cur->_nextV[level] == nullptr || cur->_nextV[level]-
                        >_val > target)
             {
               // 向下走
                 --level;
             }
             else
             {
                 return true;
             }
         }
         return false;
     }

     vector<Node*> FindPrevNode(int num)
     {
         Node* cur = _head;
         int level = _head->_nextV.size() - 1;
      // 插入位置每一层前一个节点指针
         vector<Node*> prevV(level + 1, _head);
         while (level >= 0)
         {
          // 目标值比下一个节点值要大,向右走
          // 下一个节点是空(尾),目标值比下一个节点值要小,向下走
             if (cur->_nextV[level] && cur->_nextV[level]->_val < num)
             {
              // 向右走
                 cur = cur->_nextV[level];
             }
             else if (cur->_nextV[level] == nullptr
             || cur->_nextV[level]->_val >= num)
             {
              // 更新level层前一个
                 prevV[level] = cur;
              // 向下走
                 --level;
             }
         }
         return prevV;
     }

     void add(int num) 
     {
         vector<Node*> prevV = FindPrevNode(num);
         int n = RandomLevel();
         Node* newnode = new Node(num, n);
      // 如果n超过当前最大的层数,那就升高一下_head的层数
         if (n > _head->_nextV.size())
         {
             _head->_nextV.resize(n, nullptr);
             prevV.resize(n, _head);
         }
      // 链接前后节点
         for (size_t i = 0; i < n; ++i)
         {
             newnode->_nextV[i] = prevV[i]->_nextV[i];
             prevV[i]->_nextV[i] = newnode;
         }
       // Print();
     }

     bool erase(int num) 
     {
         vector<Node*> prevV = FindPrevNode(num);
      // 第一层下一个不是val,val不在表中
         if (prevV[0]->_nextV[0] == nullptr || prevV[0]->_nextV[0]->_val !=
             num)
         {
             return false;
         }
         else
         {
             Node* del = prevV[0]->_nextV[0];
          // del节点每一层的前后指针链接起来
             for (size_t i = 0; i < del->_nextV.size(); i++)
             {
                 prevV[i]->_nextV[i] = del->_nextV[i];
             }
             delete del;
          // 如果删除最高层节点,把头节点的层数也降一下
            int i = _head->_nextV.size()-1;
            while(i >= 0)
            {
                if(_head->_nextV[i] == nullptr)
                    --i;
                else
                    break;
            }
            _head->_nextV.resize(i+1);
            return true;
         }
     }

     int RandomLevel()
     {
         size_t level = 1;
      // rand() ->[0, RAND_MAX]之间
         while (rand() <= RAND_MAX*_p && level < _maxLevel)
         {
             ++level;
         }
         return level;
     }

 /*  int RandomLevel()
     {
         static std::default_random_engine 
         generator(std::chrono::system_clock::now().time_since_epoch().count());
         static std::uniform_real_distribution<double> distribution(0.0, 1.0);
         size_t level = 1;
         while (distribution(generator) <= _p && level < _maxLevel)
         {
             ++level;
         }
         return level;
      }*/

     void Print()
     {
     /*  int level = _head->_nextV.size();
         for (int i = level - 1; i >= 0; --i)
         {
             Node* cur = _head;
             while (cur)
             {
                 printf("%d->", cur->_val);
                 cur = cur->_nextV[i];
             }
             printf("\n");
         }*/

         Node* cur = _head;
         while (cur)
         {
             printf("%2d\n", cur->_val);
          // 打印每个每个cur节点
             for (auto e : cur->_nextV)
             {
                 printf("%2s", "↓");
             } 
             printf("\n");
             cur = cur->_nextV[0];
         }
     }
 
private:
     Node* _head; // 头节点
     size_t _maxLevel = 32;
     double _p = 0.25;
};

4、skiplist跟平衡搜索树和哈希表的对比

  1. skiplist相比平衡搜索树(AVL树和红黑树)对比,都可以做到遍历数据有序,时间复杂度也差 不多,skiplist的优势是:a、skiplist实现简单,容易控制;平衡树增删查改遍历都更复杂; b、skiplist的额外空间消耗更低;平衡树节点存储每个值有三叉链,平衡因子/颜色等消耗,skiplist中p=1/2时,每个节点所包含的平均指针数目为2;skiplist中p=1/4时,每个节点所包 含的平均指针数目为1.33
  2. skiplist相比哈希表而言,就没有那么大的优势了;相比而言a、哈希表平均时间复杂度是 O(1),比skiplist快;b、哈希表空间消耗略多一点;skiplist优势如下:a、遍历数据有序 b、skiplist空间消耗略小一点,哈希表存在链接指针和表空间消耗;c、哈希表扩容有性能损 耗;d、哈希表再极端场景下哈希冲突高,效率下降厉害,需要红黑树补足接力
  • 65
    点赞
  • 59
    收藏
    觉得还不错? 一键收藏
  • 0
    评论

“相关推荐”对你有帮助么?

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值