redis跳表

跳表

跳表是一种较为平衡的数据结构，与红黑树不同的是，它是链状结构而非树形结构；跳表的插入查找效率为$O(logN)$。

跳表节点的定义

typedef struct zskiplistNode{
    robj* obj;		//数据
    double score;	//分数
    struct zskiplistNode* backward;		//前一个节点指针
    struct zskiplistlevel {
        struct zskiplistNode* forward;	//后面某个节点,也就是next指针
        unsigned int span;				//跨度
    }level[];		//跳表中保存了多个指向下一个节点的指针
}zskiplistNode;

跳表的定义

typedef struct zskiplist{
	struct zskiplistNode* header, *tail;	//表头表尾
    unsigned long length;		//跳表中节点的个数
    int level;					//跳表总层数
}zskiplist;

• header：指向跳跃表的表头节点，通过这个指针程序定位表头节点的时间复杂度为$O(1)$；
• tail：指向跳跃表的表尾节点，通过这个指针程序定位表尾节点的时间复杂度为$O(1)$；
• level：记录目前跳跃表内，层数最大的那个节点的层数（表头节点的层数不计算在内）；
• length：记录跳跃表的长度，即跳跃表目前包含节点的数量；
• level：跳表节点中用L1，L2，L3等标记节点的各个层，L1代表第一层，L2代表第二层，每个层都带有两个属性，前进指针和跨度。前进指针用于访问位于表尾方向的其他节点，而跨度则记录了前进指针所指节点和当前节点的距离（跨度越大，距离越远）。 每次创建一个新跳跃表节点的时候,程序都根据幂次定律(powerlaw,越大的数出现的概率越小)随机生成一个介于1和32之间的值作为level数组的大小,这个大小就是层的“高度”；
• backward指针： 节点中用BW字样标记节点的后退指针,它指向位于当前节点的前一个节点。后退指针在程序从表尾向表头遍历时使用。与前进指针所不同的是每个节点只有一个后退指针，因此每次只能后退一个节点；
• score分值：各个节点中的1.0、2.0和3.0是节点所保存的分值。在跳跃表中，节点按照各自所保存的分值从小到大排列；
• 成员对象oj：各个节点中的o1、o2和o3是节点所保存的成员对象。在同一个跳跃表中,各个节点保存的成员对象必须是唯一的,但是多个节点保存的分值却可以是相同的:分值相同的节点将按照成员对象在字典序中的大小来进行排序,成员对象较小的节点会排在前面(靠近表头的方向),而成员对象较大的节点则会排在后面(靠近表尾的方向)；

重点

• 跳跃表基于单链表加索引的方式实现；
• 跳跃表以空间换时间的方式提升了查找速度；
• Redis有序集合在节点元素较大或者元素数量较多时使用跳跃表实现；
• Redis的跳跃表实现由 zskiplist和 zskiplistnode两个结构组成,其中zskiplist用于保存跳跃表信息(比如表头节点、表尾节点、长度),而zskiplistnode则用于表示跳跃表节点；
• Redis每个跳跃表节点的层高都是1至32之间的随机数；
• 在同一个跳跃表中,多个节点可以包含相同的分值,但每个节点的成员对象必须是唯一的，跳跃表中的节点按照分值大小进行排序,当分值相同时,节点按照成员对象的大小进行排序；

Redis为什么使用跳表？

• skiplist跳表和其他平衡树的元素是有序排列的，而哈希表不是有序的，因此，在哈希表上只能做单个key的查找，不适合做范围查找。
• 在做范围查找的时候，平衡树比skiplist操作要复杂，在平衡树上，找到指定范围的小值之后，还需要以中序遍历的顺序继续寻找其他不超过大值的节点，如果不对平衡树进行一定的改造，这里的中序遍历并不容易实现，而在skiplist上进行范围查找就非常简单，只需要在找到小值之后，对第1层链表进行若干步的遍历就可以实现。
• 平衡树的插入和删除操作可能引发子树的调整，逻辑复杂，而skiplist的插入和删除只需要修改相邻节点的指针，操作简单又快速。
• 从内存占用上来讲，skiplist比平衡树更灵活一些，一般来说，平衡树每个节点包含2个指针（分别指向左右子树），而skiplist每个节点包含的指针数目平均为$1/(1-p)$，具体取决于参数p的大小，如果像redis里的实现一样，取$p=1/4$，那么平均每个节点包含1.33个指针，比平衡树有优势。
• 查找单个key，skiplist和平衡树的时间复杂度都为$O(logn)$，大体相当，而哈希表在保持较低的哈希值冲突概率的前提下，查找时间复杂度接近$O(1)$，性能更高一些。
• 从算法实现难度上比较，skiplist比平衡树要简单得多。