数据结构——跳表

最近开始学习王争老师的《数据结构与算法之美》，通过总结再加上自己的思考的形式记录这门课程，文章主要作为学习历程的记录。

二分查找只适用于数组，但当数据存储在链表时，我们只需要对链表稍加修改就可以支持“二分”的查找算法。我们将改造后的数据结构称为跳表。

跳表是一种各方面性能都比较优秀的动态数据结构，可以支持快速的插入，删除和查找操作，甚至可以代替红黑树。

对于一个单链表而言，即使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。这样查找效率就会很低，时间复杂度很高，为O(n)。

为了提高查找效率，需要对链表建立一级“索引”——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。现在如果要查找某个结点，比如16，我们可以现在索引层遍历。当遍历到索引层中值为13的结点时，发现下一个结点是17，那要查找的结点16肯定就在这两个结点之间，然后通过索引层结点的down指针，下降到原始链表这一层，继续遍历。这时候只需要再遍历2个结点，就可以找到值等于16的结点。这样，原来要查找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，加了一层索引后，查找一个结点需要遍历的结点个数减少了，即查找效率提高了。若此时，再加一层索引，每两个结点就抽出一个结点到第二级索引。现在要查找16，只需要遍历6个结点。

当数据量大的时候，跳表的优势就显现出来了。查找效率提升非常明显。这种链表加多级索引的结构，就是跳表。

接下来，要做的就是计算跳表的时间复杂度。假设链表里有n个结点，会有多少级索引？每两个结点会抽出一个结点作为上一级索引的结点，那第一级的结点个数为$n/2$，第二级索引结点个数为$n/4$，第三级索引结点个数为$n/8$,…,第k级索引结点个数为$n/2^k$。假设索引有h级，最高级的索引有2个结点，$h=lo{g}_{2}n-1$。如果包含原始链表这一层，整个跳表的高度就是$lo{g}_{2}n$。在跳表中查询某个数据时，如果每层都要遍历m个结点，那在跳表中查询一个数据时间复杂度即为O($mlogn$)，其中m=3。这时的时间复杂度为O($logn$)。换句话说，跳表的本质是空间换时间。

跳表需要存储多级索引，需要消耗更多的存储空间。各级索引的总和为$n/2+n/4+n/8+...+8+4+2=n-2$。因此，跳表空间复杂度为O(n)。也就是说，将包含n个结点的单链表构造成跳表。我们需要额外再用接近n个结点的存储空间，但若是我们每隔3个结点建立一个索引结点，则总结点为$n/3+n/9+...+9+3+1=n/2$，减少了一半的索引结点的存储空间。

实际上，跳表不仅支持查找操作，还支持动态的插入，删除操作，而且插入，删除操作的时间复杂度也是O($logn$)。

插入操作

对于单纯的单链表，需要遍历每个结点，来找到插入的位置。对于跳表来说，我们查找某个结点的时间复杂度为O($logn$)。因此查到某个数据并插入对应的位置，时间复杂度为O($logn$)

删除操作

如果这个结点在索引中也出现了，除了要删除原始链表的结点，还要删除索引中的。在单链表中删除操作需要拿到要删除结点的前驱结点，然后再通过指针操作完成删除。

跳表索引动态更新

当我们不停往跳表中插入数据时，如果不更新索引，就可能出现某2个索引结点之间数据非常多。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，我们需要某种手段去维护索引和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，避免复杂度退化，以及查找，插入，删除性能下降。

我们往跳表中插入数据时，可以选择同时将这个数据插入到部分索引层中：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，比如随机函数生成了值 K，那我们就将这个结点添加到第一级到第 K 级这 K 级索引中。

参考资料：王争《数据结构与算法之美》