目录
前言:跳表本质是一种查找结构,相较于AVL树、红黑树、哈希表,实现起来要更加简单,而且效率也不差。
一.Skiplist概念
跳表本质也是一种查找结构,用于解决算法中的查找问题,跟平衡搜索树(AVL树、红黑树)和哈希表的价值是一样的,可以作为key或者key/value的查找模型。
跳表Skiplist,它是一个list,它是在有序链表的基础上发展起来的。
跳表思路:
① 假如我们每相邻两个节点升高一层,增加一个指针,让指针指向下下个节点。这样所有新增加的指针连成了一个新的链表,但它包含的节点个数只有原来的一半。由于新增加的指针,我们不再需要与链表中每个节点逐个进行比较了,需要比较的节点数大概只有原来的一半。
② 以此类推,我们可以在第二层新产生的链表上,继续为每相邻的两个节点升高一层,增加一
个指针,从而产生第三层链表,这样搜索效率就进一步提高了。
③ skiplist正是受这种多层链表的想法的启发而设计出来的。实际上,按照上面生成链表的方式,上面每一层链表的节点个数,是下面一层的节点个数的一半,这样查找过程就非常类似二分查找,使得查找的时间复杂度可以降低到O(log n)。但是这个结构在插入删除数据的时候有很大的问题,插入或者删除一个节点之后,就会打乱上下相邻两层链表上节点个数严格的2:1的对应关系。如果要维持这种对应关系,就必须把新插入的节点后面的所有节点(也包括新插入的节点)重新进行调整,这会让时间复杂度重新蜕化成O(n)。
④ skiplist的设计为了避免这种问题,做了一个大胆的处理,不再严格要求对应比例关系,而是插入一个节点的时候随机出一个层数。这样每次插入和删除都不需要考虑其他节点的层数,这样就好处理多了。细节过程如下图:
二.Skiplist效率
一般跳表会设计一个最大层数maxLevel的限制,其次会设置一个多增加一层的概率p。
因此,产生越高的节点层数,概率越低:
① 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。
② 节点层数恰好等于1的概率为1-p。
③ 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)。
④ 节点层数大于等于3的概率为p^2,而节点层数恰好等于3的概率为p^2*(1-p)。
⑤ 节点层数大于等于4的概率为p^3,而节点层数恰好等于4的概率为p^3*(1-p)。
因此,一个节点的平均层数(也即包含的平均指针数目),计算如下::
三.Skiplist实现
这里有一道跳表的OJ题:1206. 设计跳表
我们根据这个OJ题来实现跳表。
实现:
首先是这个SkiplistNode,里面的_val是要存的值,_nextV是一个存指针的数组,我们要通过这个_nextV来实现分层的链接操作。
struct SkiplistNode
{
int _val;
vector<SkiplistNode*> _nextV;
SkiplistNode(int val, int level)
: _val(val)
, _nextV(level, nullptr)
{}
};
接下来是构造函数和私有成员。私有成员为方便链接的头节点,最大层数和概率。
class Skiplist
{
typedef SkiplistNode Node;
public:
Skiplist()
{
srand(time(0));
// 头节点,层数为1
_head = new SkiplistNode(-1, 1);
}
private:
Node* _head;
size_t _maxLevel = 32;
double _p = 0.5;
}
查找函数实现就要利用跳表的特性去查找。
循环查找,条件为level>=0(level是层数,层数不能为负,为负说明找不到了),如果要查找的目标值比下一个结点值要大(要先保证下一个结点不为空),那么就往右走;如果下一个结点为空(为空说明到尾了)或者目标值比下一个结点值要小,那么就向下走(下面有更多结点);如果相等了就找到了。
bool search(int target)
{
Node* cur = _head;
int level = _head->_nextV.size() - 1;
while(level >= 0)
{
// 目标值比下一个结点值要大,就向右走
if(cur->_nextV[level] && cur->_nextV[level]->_val < target)
{
cur = cur->_nextV[level];
}
// 下一个结点为空(说明到尾了),或者目标值比下一个结点值要小,向下走
else if(cur->_nextV[level] == nullptr || cur->_nextV[level]->_val > target)
{
--level;
}
else
{
return true;
}
}
return false;
}
接下来实现add函数:
要想插入一个新的值,就要先找到该插入值的前一个结点指针,因为这个是多层的,因此要找到每一层的前一个结点指针。而进行删除操作也需要找到每一层前一个结点指针,所以这里实现函数FindPrevNode。
这个FindPrevNode类似于前面的查找函数,只是这里如果不向右走,就向下走,并且在向下走前,先将这个结点指针存入prevV中。循环结束就得到了每一层的前一个结点指针。
接着实现得到随机层数的函数(这个随机并不是真正的随机,具体在上面),这里的RAND_MAX是随机数的最大值,而rand() <= RAND_MAX * _p,就可以实现这个层数越高,概率越低的随机层数(比较平均)。
然后再根据这个层数去创建对应的结点,如果这个层数比当前最大层数还大,就升高_head的层数。最后再链接起来前后的结点(这里要先链接新结点的,再让前一个链接这个新结点),完成插入操作。
// 获得随机层数
int RandomLevel()
{
size_t level = 1;
while(rand() <= RAND_MAX * _p && level < _maxLevel)
{
++level;
}
return level;
}
// 找到插入或删除前一个每一层的结点指针数组
vector<Node*> FindPrevNode(int num)
{
Node* cur = _head;
int level = _head->_nextV.size() - 1;
vector<Node*> prevV(level + 1, _head);
// 插入每一层前一个结点指针
while(level >= 0)
{
// 这里类似查找函数
if(cur->_nextV[level] && cur->_nextV[level]->_val < num)
{
// 向右走
cur = cur->_nextV[level];
}
else
{
// 更新level层的前一个
prevV[level] = cur;
// 向下走
--level;
}
}
return prevV;
}
void add(int num)
{
// 先得到前一个每一层的结点指针数组
vector<Node*> prevV = FindPrevNode(num);
// 随机层数
int n = RandomLevel();
// 根据层数创建结点
Node* newnode = new Node(num, n);
// 如果n超过当前最大的层数,就升高一下_head的层数
if(n > _head->_nextV.size())
{
_head->_nextV.resize(n, nullptr);
prevV.resize(n, _head);
}
// 链接前后结点
for(size_t i = 0; i < n; ++i)
{
newnode->_nextV[i] = prevV[i]->_nextV[i];
prevV[i]->_nextV[i] = newnode;
}
}
最后实现erase删除函数:
首先也是先得到前一个每一层的结点指针数组,又因为得到了prevV,所以如果prevV的第一层的下一个值不是val,就一定说明val不在跳表中。
如果在,那么就先保存要删除结点的下一层的各个结点指针,并将前一个每一层的结点指针链接到下一层的结点指针上,并delete掉即可。最后我们再判断一下这个删除掉的结点是否是最高的结点,如果是,就把头节点的层数降到当前最高层数,
bool erase(int num)
{
// 先得到前一个每一层的结点指针数组
vector<Node*> prevV = FindPrevNode(num);
// 前面得到了prevV,因此
// 如果第一层的下一个不是val,那么说明val不在表中
if(prevV[0]->_nextV[0] == nullptr || prevV[0]->_nextV[0]->_val != num)
{
return false;
}
else
{
Node* del = prevV[0]->_nextV[0];
// del结点每一层的前后指针链接起来
for(size_t i = 0; i < del->_nextV.size(); ++i)
{
prevV[i]->_nextV[i] = del->_nextV[i];
}
delete del;
// 如果删除了最高层的结点,就把头节点的层数降一下
int i = _head->_nextV.size() - 1;
while(i >= 0)
{
if(_head->_nextV[i] == nullptr)
--i;
else
break;
}
_head->_nextV.resize(i + 1);
return true;
}
}
总代码:
struct SkiplistNode
{
int _val;
vector<SkiplistNode*> _nextV;
SkiplistNode(int val, int level)
: _val(val)
, _nextV(level, nullptr)
{}
};
class Skiplist {
typedef SkiplistNode Node;
public:
Skiplist() {
srand(time(0));
// 头节点,层数为1
_head = new SkiplistNode(-1, 1);
}
bool search(int target) {
Node* cur = _head;
int level = _head->_nextV.size() - 1;
while(level >= 0)
{
// 目标值比下一个结点值要大,就向右走
if(cur->_nextV[level] && cur->_nextV[level]->_val < target)
{
cur = cur->_nextV[level];
}
// 下一个结点时空(说明到尾了),或者目标值比下一个结点值要小,向下走
else if(cur->_nextV[level] == nullptr || cur->_nextV[level]->_val > target)
{
--level;
}
else
{
return true;
}
}
return false;
}
// 找到插入或删除前一个每一层的结点指针数组
vector<Node*> FindPrevNode(int num)
{
Node* cur = _head;
int level = _head->_nextV.size() - 1;
vector<Node*> prevV(level + 1, _head);
// 插入每一层前一个结点指针
while(level >= 0)
{
// 这里类似查找函数
if(cur->_nextV[level] && cur->_nextV[level]->_val < num)
{
// 向右走
cur = cur->_nextV[level];
}
else
{
// 更新level层的前一个
prevV[level] = cur;
// 向下走
--level;
}
}
return prevV;
}
void add(int num) {
// 先得到前一个每一层的结点指针数组
vector<Node*> prevV = FindPrevNode(num);
// 随机层数
int n = RandomLevel();
// 根据层数创建结点
Node* newnode = new Node(num, n);
// 如果n超过当前最大的层数,就升高一下_head的层数
if(n > _head->_nextV.size())
{
_head->_nextV.resize(n, nullptr);
prevV.resize(n, _head);
}
// 链接前后结点
for(size_t i = 0; i < n; ++i)
{
newnode->_nextV[i] = prevV[i]->_nextV[i];
prevV[i]->_nextV[i] = newnode;
}
}
bool erase(int num) {
// 先得到前一个每一层的结点指针数组
vector<Node*> prevV = FindPrevNode(num);
// 前面得到了prevV,因此
// 如果第一层的下一个不是val,那么说明val不在表中
if(prevV[0]->_nextV[0] == nullptr || prevV[0]->_nextV[0]->_val != num)
{
return false;
}
else
{
Node* del = prevV[0]->_nextV[0];
// del结点每一层的前后指针链接起来
for(size_t i = 0; i < del->_nextV.size(); ++i)
{
prevV[i]->_nextV[i] = del->_nextV[i];
}
delete del;
// 如果删除了最高层的结点,就把头节点的层数降一下
int i = _head->_nextV.size() - 1;
while(i >= 0)
{
if(_head->_nextV[i] == nullptr)
--i;
else
break;
}
_head->_nextV.resize(i + 1);
return true;
}
}
// int RandomLevel()
// {
// static std::default_random_engine generator(std::chrono::system_clock::now().time_since_epoch().count());
// static std::uniform_real_distribution<double> distribution(0.0, 1.0);
// size_t level = 1;
// while (distribution(generator) <= _p && level < _maxLevel)
// {
// ++level;
// }
// return level;
// }
// 获得随机层数
int RandomLevel()
{
size_t level = 1;
while(rand() <= RAND_MAX * _p && level < _maxLevel)
{
++level;
}
return level;
}
private:
Node* _head;
size_t _maxLevel = 32;
double _p = 0.5;
};
四.Skiplist与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:① skiplist实现简单,容易控制。平衡树增删查改遍历都更复杂。② 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:① 哈希表平均时间复杂度是O(1),比skiplist快。② 哈希表空间消耗略多一点。skiplist优势如下:① 遍历数据有序。② skiplist空间消耗略小一点,哈希表存在链接指针和表空间消耗。③ 哈希表扩容有性能损耗。④ 哈希表在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。