- 跳表其实是基于单链表实现了二分查找
- 跳表是链表加多级索引的结构,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
- Redis 中的有序集合(Sorted Set)就是用跳表来实现的
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
跳表查询效率,时间复杂度O(log(n))
- 那第一级索引的结点个数大约就是 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。通过公式可以得到 n/(2^h)=2,从而求得 h=log2^n-1,如果包含原始链表这一层,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)。每一级索引都最多只需要遍历 3 个结点,也就是说 m=3
- m为什么是3:假设我们要查找的数据是 x,在第 k 级索引中,我们遍历到 y 结点之后,发现 x 大于 y,小于后面的结点 z,所以我们通过 y 的 down 指针,从第 k 级索引下降到第 k-1 级索引。在第 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,每一级索引都最多只需要遍历 3 个结点。
跳表的内存O(N)
- 假设原始链表大小为 n,那第一级索引大约有 n/2 个结点,第二级索引大约有 n/4 个结点,以此类推,每上升一级就减少一半,直到剩下 2 个结点。如果我们把每层索引的结点数写出来,就是一个等比数列,索引的结点总和:n/2+n/4+n/8…+8+4+2=n-2
- 内存优化:之前是每两个结点抽一个结点到上级索引,如果我们每三个结点或五个结点,抽一个结点到上级索引。总的索引结点变为: n/3+n/9+n/27+…+9+3+1=n/2,尽管空间复杂度还是 O(n),但比上面的要减少了一半的索引结点存储空间。
高效的动态插入和删除
- 插入O(logn):对于单链表插入结点的时间复杂度O(1),查找某个结点的的时间复杂度是 O(logn),所以查找复杂度也是 O(logn)
- 删除获取前驱结点,时间复杂度O(logn)
跳表索引动态更新
- 当不停地往跳表中插入数据时,如果不更新索引,就有可能出现某 2 个索引结点之间数据非常多的情况。极端情况下,跳表还会退化成单链表。
- 跳表是通过随机函数来维护“平衡性“,当往跳表中插入数据的时候,可以选择同时将这个数据插入到部分索引层中,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。
Redis 中的有序集合是通过跳表来实现的
- 核心操作
- 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几个操作,红黑树也可以完成,时间复杂度跟跳表是一样的。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。
- 代码简单