跳表的实现

跳表的实现

一般跳表会设计一个最大层数maxLevel（在Redis中为32）的限制，其次会设置一个多增加一层的概率p（在Redis中为0.25）。
产生越高的节点层数，概率越低。

• 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p²，而节点层数恰好等于3的概率为p² *(1-p)。
• 节点层数大于等于4的概率为p³，而节点层数恰好等于4的概率为p³*(1-p)。

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。

1206. 设计跳表

struct SkipNode
{
    //跳表的一个节点
    SkipNode(int val,int level)
    {
        _val=val;
        _next.resize(level,nullptr);
    }
    //当前节点的值
    int _val;
    //当前节点指向下一个节点的指针数组
    vector<SkipNode*>_next;
};

class Skiplist {
private:
    typedef struct SkipNode Node;
    //带一个头结点
    Node* _head;
    //最大高度为32
    size_t _max_level=32;
    double _p=0.25;
public:
    Skiplist() {
        //头结点一开始为1层
        _head=new Node(-1,1);
        srand(time(0));
    }
    bool search(int target) {
        Node*cur=_head;
        //当前的层数，用下标表示
        int level=_head->_next.size()-1;
        //如果查找到小于0的下标，说明没有找到
        while(level>=0)
        {
            //target和cur->next[level]->_val比较
            //比它小向下走，比它大向右走
            //当前节点下一个位置是空时也往下走
            if((cur->_next[level]&&cur->_next[level]->_val>target)||cur->_next[level]==nullptr)
            {
                level--;
            }
            else if(cur->_next[level]->_val<target)
            {
                cur=cur->_next[level];
            }
            else//相等，找到了
            {
                return true;
            }
        }
        return false;
    }
    //找寻num之前的节点的指针
    vector<Node*> FindPreNode(int num)
    {
        //保存插入位置每一层，前一个节点的指针
        vector<Node*>prev(_max_level,_head);
        Node*cur=_head;
        //然后找插入的位置
        int level=_head->_next.size()-1;
        while(level>=0)
        {
            //如果比下一个位置大或者等于，往下走
            //我们将该值插到相等值的最前面
            if((cur->_next[level]&&cur->_next[level]->_val>=num)||cur->_next[level]==nullptr)
            {
                //往下走的时候，记录这些值，方便插入的时候使用
                prev[level]=cur;
                level--;
            }
            //比下一个位置的值小于，往右走
            else if(cur->_next[level]&&cur->_next[level]->_val<num)
            {
                cur=cur->_next[level];
            }
        }
        return prev;
    }
    void add(int num) {
        //记录应该插入的位置
        vector<Node*> prev=FindPreNode(num);
        //获取随机的层数
        int n=RandomLevel();
        Node*newnode=new Node(num,n);
        //判断获取的层数和当前头节点的层数
        //当前头结点的层数有可能比新获取的层数小
        if(_head->_next.size()<n)
        {
            _head->_next.resize(n,nullptr);
        }
        //链接prev和newnode
        for(int i=0;i<n;i++)
        {
            newnode->_next[i]=prev[i]->_next[i];
            prev[i]->_next[i]=newnode;
        }
    }
    int RandomLevel()
    {
        int level=1;
        //RAND_MAX是rand()产生的最大值，乘上0.25，可以保证有0.25的几率进入while循环
        while(rand()<=RAND_MAX*_p&&level<_max_level)
        {
            ++level;
        }
        return level;
    }
    bool erase(int num) {
        //找到每一层的前一个
        vector<Node*> prev=FindPreNode(num);
        //第一层不存在，或者第一层下一个位置比num大，比如1(prev) 5(prev[0]->_next)这种情况
        //说明num不在表中，比如num=3
        if(prev[0]->_next[0]==nullptr||prev[0]->_next[0]->_val!=num)
        {
            //没找到这个值
            return false;
        }
        else
        {
            //prev[0]->_next[0]=num，此时需要删掉这个节点
            Node* del=prev[0]->_next[0];
            //del节点每一层的前后指针链接起来
            for(int i=0;i<del->_next.size();++i)
            {
                prev[i]->_next[i]=del->_next[i];
            }
            delete del;

            //删完以后，头结点可能需要降低高度
            //比如删除的节点高度是10，删完之后，整个表最高的节点只有5，但是头结点仍然为10
            int i=_head->_next.size()-1;
            while(i>=0)
            {
                //从上往下找到第一个非空的节点，然后删掉它
                if(_head->_next[i]==nullptr)
                {
                    i--;
                }
                else
                {
                    break;
                }
            }
            _head->_next.resize(i+1);
        }
        return true;
    }
};

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。