数据结构与算法——跳表

基本概念

二分查找利用静态数组随机访问的特性，可以实现在有序的数组中快速找到某个值，但是因为静态数组需要申请连续的内存空间，所以当数据规模比较大时，在内存中可能无法申请到所需的连续空间。因此，基于这一特性，我们考虑能否将二分查找应用于链表结构，这样就避免连续空间的限制，但是对于链表结构，怎样提高它的查找效率是解决该问题的关键。通过给链表建立多级索引的方式来对其进行改造，再与二分查找相结合就可以大大的提升查找效率，这种改造的链表我们称之为跳表。

理解跳表

如下图所示，我们每隔两个结点，选取一个结点作为索引层的元素，这样第一级索引层的结点个数，为n/2。假如，我们要找16，我们首先可以遍历索引层，当遍历到13时，检测它的下一个结点为17，所以确定16在它们之间，13结点通过down指针找到原始链表中13的位置，再继续向后查找找到16。可以对比一下如果没有建立索引，需要遍历10个结点，有了索引层之后只需遍历7个就可以找到。因此得出的结论是查找的效率变高了。

上面的例子我们感觉查找提升的速度并不是很多，因此我们可以按照之前的思路，再建立一层索引，结果如下图所示。

 同样查找16，上图的方式仅需遍历6个结点。如果数据规模更大，该方法提升查找速度的效果会更加明显。

跳表的查询速度

我们都知道单链表中查询某个数据的时间复杂度是O(n)。现在我们来分析一下多级索引的跳表查询某个数据的时间复杂度。假设链表中有n个结点，如果按照每两个结点抽出一个结点作为上一级索引的结点，那么第一级索引的结点个数大约是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，依次类推，也就是说，第k级索引的结点个数是第k-1级索引的结点个数的1/2，那第k级索引结点的个数就是n/(2^k)。

假设索引有h级，最高级的索引有2个结点。通过上面的通项公式可有n/(2^h) = 2，从而求得h = logn - 1。如果包括原始的链表层，整个链表的高度就是logn。如果每层我们需要遍历m个结点，则在跳表中查询一个数据的时间复杂度就是O(m*logn)。分析可知，每层最多只需遍历3个结点，因此最终的时间复杂度为O(3logn)即O(logn)。

高效的动态插入和删除

因为跳表的查询时间复杂度是O(logn），而对于链表的插入而言，单纯的插入某一个数据的时间复杂对为O(1)，因此我们可以知道在跳表中插入某一数据的时间复杂度也为O(logn)。具体插入某一数据的过程如下图所示

删除跳表中某一结点的某一数据时，与删除链表中的某一数据类似，只不过查找该数据的速度更快。还需要注意的如果原始链表为单链表，在删除某一结点时，需要找到其前驱结点，时间复杂度同样为O(logn)。

跳表索引的动态更新

当我们不停的往跳表中插入数据时，如果我们不更新索引，就有可能某2个索引结点之间的数据非常多的情况。极端情况下，跳表会退化为单链表。作为动态数据结构，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，如果链表中结点个数增加，索引结点就应该相应地增加一些，避免时间复杂度退化，以及查找、删除、插入操作性能下降。跳表是通过随机函数来维护前面提到的“平衡性”。通过随机函数，来决定将插入结点，可以插入到哪几级索引中，比如随机生成了值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。举个栗子，如下图所示

关于随机函数的选择，以及实现我还没有深入研究，后面研究明白了会继续和大家分享。未完待续……

参考链接：https://time.geekbang.org/column/article/42896#previewimg