跳表SkipList：可二分查找的有序链表，实现有序表，思想先进，操作复杂度O(logn)

冰露可乐

已于 2022-05-30 10:36:05 修改

阅读量228

点赞数

分类专栏：大厂面试高频题之数据结构与算法文章标签：跳表SkipListMap 有序表链表有序链表数据结构与算法

于 2022-05-30 10:02:58 首次发布

本文链接：https://blog.csdn.net/weixin_46838716/article/details/125035916

版权

大厂面试高频题之数据结构与算法专栏收录该内容

269 篇文章 42 订阅

订阅专栏

跳表SkipList：可二分查找的有序链表，实现有序表，思想先进，操作复杂度O(logn)

提示：这段时间，讲有序表、跳表的底层数据结构，平衡搜索二叉树：AVL树，SB树，红黑树
基础知识：
【1】求二叉树中节点x的后继节点和前驱结点
【2】二叉树，二叉树的归先序遍历，中序遍历，后序遍历，递归和非递归实现
【3】平衡搜索二叉树BST底层的增删改查原理，左旋右旋的目的
【4】有序表TreeMap/TreeSet底层实现：AVL树、傻逼树SBT、红黑树RBT、跳表SkipMap失衡类型
【5】傻逼树SBT：Size Balanced Tree的实现原理，增删改查，调平衡

文章目录

跳表SkipList：可二分查找的有序链表，实现有序表，思想先进，操作复杂度O(logn)
@[TOC](文章目录)

跳表的思想先进，比搜索二叉树牛，比BST简单
跳表的节点：NodeSkipList，多指针，随意增减
isKeyLess(otherKey)
isKeyEqual(otherKey)

跳表SkipListReview类结构：root挂一堆有序的链表，root的key=null，最小
跳表新增节点
新增节点有几层呢？看概率p<=0.5的话，持续加层，p>0.5停止

跳表查询节点key是否存在？二分查找，o(log(n))速度快
查找跳表的0层最右的小于key的节点cur
put(K key, V value)方法，是新增节点？还是更新节点？
containsKey(K key)方法
get(key)方法
remove(K key)方法
firstKey()方法
lastKey()方法
ceilingKey()方法
floorKey()方法
总结跳表类SkipListMap的所有方法
总结

跳表的思想先进，比搜索二叉树牛，比BST简单

跳表是有序链表

跳表的节点：NodeSkipList，多指针，随意增减

它的节点，并不像二叉树那样，只有l和r指针，
跳表的节点NodeSkipList是有多个指针，这个指针的个数还是不固定，你想增加，就增加，你想减少就减少！

通过概率p来决定它一个node究竟有多少指针，统统放在nextNodes的列表（java中的ArrayList列表，就能自由新增add，一层一层的，get拿其中的i那层）中，一层一层堆好。
在这里插入图片描述
节点的key是K类型，可比的
节点有值value

当然节点最少有一条向外的指针指向null的，这个0层永远存在的

为了我们方便查找key是否存在？咱们封装2个基本方法

isKeyLess(otherKey)

调用是这样的key.isKeyLess(otherKey)
当key<otherKey时，返回true
当key是null自然也就满足上述条件得

注意：如果otherKey是null，实际上是找到了尾部的null，我们认为key比尾部小，key是要接到尾部的。
在这里插入图片描述

isKeyEqual(otherKey)

调用是这样的key.isKeyEqual(otherKey)
当key=otherKey时，返回true

注意：如果key和otherKey其中是null，没法比，返回false
如果都是null，算上相等吧
如果都不空，就判断相等与否？

综合节点的类就是：

    //节点
    public static class NodeSL<K extends Comparable<K>, V>{
        //K是可比较的
        public K key;
        public V value;
        public ArrayList<NodeSL<K, V>> nextNodes;//一堆一层一层的指针

        public NodeSL(K k, V v){
            //初始化
            key = k;
            value = v;
            nextNodes = new ArrayList<>();
        }

        //封装俩方法：
        //## isKeyLess(otherKey)
        //调用是这样的key.isKeyLess(otherKey)
        //**当key<otherKey时，返回true**
        public boolean isKeyLess(K otherKey){
            if (otherKey == null) return false;//尾部null算大

            return otherKey != null && (key == null || key.compareTo(otherKey) < 0);
        }
        
        //## isKeyEqual(otherKey)
        //调用是这样的key.isKeyEqual(otherKey)
        //**当key=otherKey时，返回true**
        public boolean isKeyEqual(K otherKey){
            if (key == null && otherKey == null) return true;
            else if (key != null && otherKey != null) return key.compareTo(otherKey) == 0;
            else return false;
        }
    }

跳表SkipListReview类结构：root挂一堆有序的链表，root的key=null，最小

跳表SkipListReview类

内部最左有一个节点root，它的key是null，表示本表中最小的key，
今后增加的所有key都比跳表最左root的key=null都要大【就这么认为的】
这就是为啥节点中isKeyLess方法的key=null时认为null最小了

还有常量PROBABLITY=0.5，随机分界线
跳表总节点个数N，size，最开始没有就是0个（不同的key）
跳表中的root节点的nextNodes的0层永远存在的，maxLevel=0；
在这里插入图片描述

    //跳表类
    public static class SkipListMap<K extends Comparable<K>, V>{
        //成员变量
        private static final double PROBABLITY = 0.5;
        public NodeSL<K, V> head;//头结点，最左边那个
        public int size;//整体节点个数
        public int maxLevel;//跳表中root的最高层数

        //构造函数
        public SkipListMap(){
            size = 0;
            head = new NodeSL<>(null, null);//这个key是全局最小
            head.nextNodes.add(null);至少1层是有的，最底层先加null
            maxLevel = 0;//至少1层是有的，最底层
        }

        //成员方法
    }

跳表新增节点

新增节点有几层呢？看概率p<=0.5的话，持续加层，p>0.5停止

至少节点有一个0层，让它指向null
如下图黑色指针
在这里插入图片描述
然后
看概率p<=0.5的话，持续加层，比如连续两次得到绿色，粉色数字，可以新增
一旦遇到一个p>0.5停止加层，比如遇到橘色数字，那不行了，停止，从此新节点就3层了。

如果root的层数maxLevel比新增节点的层数少，那root还需要追加，与新增节点的层数一样。
比如下图中，root最开始就一层maxLevel=1，而新来的节点3，它p出了3层，所以maxLevel需要增加到3层，即0 1 2，maxLevel=3
在这里插入图片描述
怎么挂接？
（1）从root的最高层maxLevel开始，往右找，最晚的<=3的节点last有吗？
（2）没有？让root直接连接3节点，然后去（4）
（3）有的话，让那个last的最高层连接3节点【现在先不管】
（4）继续在root下一层，不断往下每一层都要去搜索，往右找，最晚的<=3的节点last有吗？去（2）或者（3）
（5）直到root最后一层0层，都连接接好3节点。
目前只来了3节点，就新增如上图所示的情况

不妨设，现在来了新节点：5节点
（0）按概率p出数，决定新节点5有多少层？不妨设5节点的nextNodes只有2层，因为root足够，root的maxLevel不管。【看下图5节点，nextNodes有2个null】
（1）从root的最高层maxLevel=2开始，往右找，最晚的<=5的节点last有吗？last=3节点【看下图last】
由于目前last=3节点有3层，但是新节点newNode没有那么多层，在3的高层右找不能再右了，开始往下找！！ 【此刻再往右试null了，不能再右了】
所以在last内部，往下走！！去level=1层往右找，最晚的<=5的节点last有吗？
（2）没有？让last=3在1层的指针，直接连接新节点newNode=5，然后去（4）
（3）有的话，【现在先不管】
（4）继续在last=3的下一层，level=0层，不断往下每一层都要去搜索，往右找，最晚的<=5的节点last有吗？去（2）或者（3）
（5）直到last=3最后一层0层，都连接接好5节点。【下图都连好了】
在这里插入图片描述
不妨设，现在来了新节点：2节点
（0）按概率p出数，决定新节点2有多少层？不妨设2节点的nextNodes只有1层，因为root足够，root的maxLevel不管。【看下图2节点，nextNodes有1个null】
（1）从root的最高层maxLevel=2开始，往右找，最晚的<=2的节点last有吗？
没有，在level=2的高层右找不能再右了，开始往下找！！ 【此刻再往右试null了，不能再右了】
所以在root内部，往下走！！去level=1层往右找，最晚的<=2的节点last有吗？
没有，在level=1的高层右找不能再右了，开始往下找！！ 【此刻再往右试null了，不能再右了】
所以在root内部，往下走！！去level=0层往右找，最晚的<=2的节点last有吗？有去（3）
（3）有的话，last其实现在是root，让2节点插入root和3节点之间，完成【下图都连好了】
在这里插入图片描述
这就是添加的过程，
（0）就是先搞p决定新来节点的层数，同时根据新节点层数追加root最高层maxLevel
（1）每次怎么连呢？从root最高层，不断往右找，当右到不能在右了，就在当地节点的下一层继续找，找到最右的<=key的节点last，让last连接新节点【可能是直接连，可能是插入】
（2）然后继续在这个last下一层去往右找，连接好新节点。直到这个last的0层也连号新节点，完成任务。

这个过程，由于p是随机的，0层必须存在，N个节点，至少0层一定全部连接的
1层的话，可能p会缩短，有N/2个节点是连接的
2层的话，可能p继续缩，有N/4个节点是连接的
……
直到最高层N-1层，可能p继续缩，与N/2的幂次幂个节点是连接的，连接的节点数目会越来越少

这么做的好处是啥呢？？？

跳表查询节点key是否存在？二分查找，o(log(n))速度快

便于快速查找key！！！
便于快速查找key！！！
便于快速查找key！！！

比如下图：一个跳表root，放了很多节点，底层连接多，高层连得少。
在这里插入图片描述
这样的话，你如果想找7节点，其实，你会秒杀，绕错下面那些层，从最高层开始查找，瞬间，你就找到了key=7的节点，速度就非常非快了

这个查找就是二分查找法，o(log(n))的速度，非常快的。

这就是跳表的牛逼之处了，比二叉树牛逼多了，简单，不用调平，无非就是新增层，然后将新节点，插入有序链表中，完事！！！

再举例你要查找3节点在哪，从root最高层maxLevel开始查，往右，右到不能再往右，在那往下一层查，继续往右，右到不能再往右，继续去下一层……
然后就绕过下面那些层，尽快找到了key=3的节点。
在这里插入图片描述
所以呢，新增节点的策略根据p决定每个点的层数随机，那么
由高层向底层，建立了一个索引，当高层越过一个节点，下面绕过一大批节点。

有点像快排算法的随机决定pivot，然后去partition，最后效果就是每次快排的规模大致缩小N/2
这样整体每次索引的规模逐渐减半，最后复杂度就是o(log(n))。

查找跳表的0层最右的小于key的节点cur

有了上面跳表加入的原理，为什么要设计随机概率增加节点层数的原理，我们就来封装一个很重要的函数

从root的最高层maxLevel处，开始查找并返回跳表的0层最右的<key的节点cur
在这里插入图片描述
看上图
（1）从cur=root开始，向右同一层中查找，只要cur<key继续往右查，往右到不能再往右了，停，此刻cur<key；
（2）在cur内部层数level–，继续循环（1），直到level=0的最右那个cur<key，返回cur。

其中每一个层level，都要向右不断找，实际就是一个单链表的查找！
上面的（1）很简单，就是在level层，不断往右查，往右到不能再往右了，停，此刻cur<key；
在这里插入图片描述

手撕代码来试试：每一个层level，都要向右不断找，不断往右查，往右到不能再往右了，停，此刻cur<key；

        //每一个层level，都要向右不断找，不断往右查，往右到不能再往右了，停，此刻cur<key；
        public NodeSL<K, V> findInLevelMostRightLessKey(NodeSL<K, V> cur, K key, int level){
            NodeSL<K, V> next = cur.nextNodes.get(level);//当前level层cur的下一个节点，方便右移
            while (next != null && cur.isKeyLess(next.key)){
                //只要cur比next小，继续右移，否则返回cur
                cur = next;
                next = cur.nextNodes.get(level);//往右移动
            }
            //一旦cur>=next
            return cur;
        }

手撕代码：从root的最高层maxLevel处，开始查找并返回跳表的0层最右的<key的节点cur

        //从root的最高层maxLevel处，开始查找并返回跳表的0层最右的<key的节点cur
        public NodeSL<K, V> mostRightLessKeyInSLMap(K key){
            if (key == null) return null;//null没法比
            //（1）从cur=root开始，
            NodeSL<K, V> cur = head;
            int level = maxLevel;//从root的最高层往右扫
            while (level >= 0){
                // (1)向右同一层中查找，只要cur<key继续往右查，往右到不能再往右了，停，此刻cur<key；
                cur = findInLevelMostRightLessKey(cur, key, level--);
                //（2）在cur内部层数level--，继续循环（1），直到level=0的最右那个cur<key，返回cur。
            }

            return cur;
        }

put(K key, V value)方法，是新增节点？还是更新节点？

就看你找到的跳表中0层最右的那个<key的cur节点了，
有了cur，
（1）咱们获取cur的下一个节点，如果等于key，岂不就是需要更新？
（2）如果不等key，那就是在这插入新节点。
在这里插入图片描述
key给了不能为null，value给了
（1）咱们获取cur的下一个节点，如果等于key，岂不就是需要更新？
next不null，且next.isEqual(key)为true，就是相等
直接让next.value=value;

（2）如果不等key，那就是在这插入新节点。
要么next=null，要么next.isLess(key)为true，就是不等于
必然跳表新增节点，size++
1）怎么增？根据概率p决定，新节点的层数++，节点从0–nL都要让nextNodes加null
2）如果新节点的层数nL过高，要让root的maxLevel=nL，咱们上面说过了，然后默认加入null，扩充层呗

3）level从maxLevel开始，pre=head开始，每一层，让pre抓取本层中最右的<key的节点
然后让新节点，挂在pre之后，新节点挂原来pre的下一个节点，就是插入新节点的意思
level–，每一层都要去挂，这就是新增节点的那段操作，上面咱们说透了。

挂的时候，新节点没没有level这层是没法加的哦！！！
在这里插入图片描述
Math.random()可以产生0–1之间的随机数

手撕更新或者新增节点的代码：

        //put方法，可能是更细腻value，可能是新增节点
        public void put(K key, V value){
            //key给了不能为null，value给了
            if (key == null) return;
            //就看你找到的跳表中0层最右的那个<key的cur节点了，
            NodeSL<K, V> cur = mostRightLessKeyInSLMap(key);
            //有了cur，
            //（1）咱们获取cur下一个节点，如果等于key，岂不就是需要更新？
            NodeSL<K, V> next = cur.nextNodes.get(0);//0层必然存在的
            //next不null，且next.isEqual(key)为true，就是相等
            //直接让next.value=value;
            if (next != null && next.isKeyEqual(key)) next.value = value;
            //（2）如果不等key，那就是在这插入新节点。
            else {
                //要么next=null，要么next.isLess(key)为true，就是不等于
                //必然跳表新增节点，size++
                size++;
                //1）怎么增？根据概率p决定，新节点的层数++，节点从0--nL都要让nextNodes加null
                int nL = 0;//0层必然有
                while (Math.random() < PROBABLITY) nL++;//直到大于0.5停止
                int level = nL;
                NodeSL<K, V> newNode =  new NodeSL<>(key, value);//新增好
                while (level >= 0){
                    newNode.nextNodes.add(null);
                    level--;
                }
                //2）如果新节点的层数nL过高，要让root的maxLevel=nL，咱们上面说过了，然后默认加入null，扩充层呗
                while (maxLevel < nL){
                    head.nextNodes.add(null);//新加几个层
                    maxLevel++;
                }
                //3）level从maxLevel开始，pre=head开始，每一层，让pre抓取本层中最右的<key的节点
                level = maxLevel;
                NodeSL<K, V> pre = head;//准备挂接新节点到pre后面
                while (level >= 0){
                    pre = findInLevelMostRightLessKey(pre, key, level);
                    //然后让新节点，挂在pre之后，新节点挂原来pre的下一个节点，就是插入新节点的意思
                    if (level <= nL){//新节点有level这层吗？不一定哦
                        newNode.nextNodes.set(level, pre.nextNodes.get(level));//后插
                        pre.nextNodes.set(level, newNode);//前挂
                    }
                    //level--，每一层都要去挂，这就是新增节点的那段操作，上面咱们说透了。
                    level--;//直到0层全挂好
                }
            }
        }

head层数maxLevel不够，需要跟着加，比如下图，4节点新来的，它有3层，但是head现在只有2层，就需要让head新增一个层
在这里插入图片描述
从最高层呢刚开始挂，新节点，每一层，找到最右不能再往右的节点pre，挂插

一定要注意哈！挂的时候，新节点没没有level这层是没法加的哦！！！
比如root有7层，新来的节点只有3层，那不好意思，7654这些层，都不需要挂，而且，我们能快速绕过很多点，来到3层的最右的小于key的节点，挂上新节点，速度快。
在这里插入图片描述

containsKey(K key)方法

直接找跳表0层中最右那个<key的节点cur，然后判断next=cur.next是否与key相等，相等就包含，否则不包含

        //包含key吗，跳表？
        public boolean containsKey(K key){
            //直接找跳表0层中最右那个<key的节点cur，
            NodeSL<K, V> cur = mostRightLessKeyInSLMap(key);
            // 然后判断next=cur.next是否与key相等，相等就包含，否则不包含
            NodeSL<K, V> next = cur.nextNodes.get(0);
            return next != null && next.isKeyEqual(key);
        }

get(key)方法

完全跟containsKey方法一样
直接找跳表0层中最右那个<key的节点cur，然后判断next=cur.next是否与key相等，相等就包含，然后get第0层的这个value即可
否则就是返回null

        //get(key)方法
        //完全跟containsKey方法一样
        //直接找跳表0层中最右那个<key的节点cur，然后判断next=cur.next是否与key相等，
        // 相等就包含，然后get第0层的这个value即可
        public V get(K key){
            //直接找跳表0层中最右那个<key的节点cur，
            NodeSL<K, V> cur = mostRightLessKeyInSLMap(key);
            // 然后判断next=cur.next是否与key相等，相等就包含，否则不包含
            NodeSL<K, V> next = cur.nextNodes.get(0);
            return next != null && next.isKeyEqual(key) ? next.value : null;
        }

remove(K key)方法

（1）先查跳表中有key吗？有才删除
（2）从最高层开始，level=maxLevel，每一个level，先拿level层最右那个<key的节点cur
next=cur.next，next真的等于key吗？是的
将cur跳指next的next节点，完成单链表的删除
set方法就是指针连接，设置下一个节点
（3）注意！！！
当level!=0的时候，要检查，看看删除key这个节点时，是否head需要缩层
第0层永远不能缩
当cur确实为head时，且cur.nextNodes(level)=null，当前level层只有root节点了，就可以让上面这个没有连接节点的null删除。

下图，最高那个节点删除之后，发现head的最高层maxLevel就连接null了，没用删除
这个maxLevel就是因为当初新节点来的时候扩充的，现在这个节点废了，自然也要删除这个扩充的层，懂吧？
在这里插入图片描述
手撕删除的代码

        //删除key
        public void remove(K key){
            if (containsKey(key)){
                //（1）先查跳表中有key吗？有才删除
                //（2）从最高层开始，level=maxLevel，
                int level = maxLevel;
                NodeSL<K, V> cur = head;
                while (level >= 0){
                    //每一个level，先拿level层最右那个<key的节点cur
                    findInLevelMostRightLessKey(head, key, level);
                    NodeSL<K, V> next = cur.nextNodes.get(level);
                    //next=cur.next，next真的等于key吗？是的
                    if (next != null && next.isKeyEqual(key)){
                        //将cur跳指next的next节点，完成单链表的删除
                        //set方法就是指针连接，设置下一个节点
                        cur.nextNodes.set(level, next.nextNodes.get(level));
                    }

                    //（3）注意！！！
                    //当level!=0的时候，要检查，看看删除key这个节点时，是否head需要缩层
                    //第0层永远不能缩
                    if (level != 0 && cur == head && cur.nextNodes.get(level) == null){
                        //当cur确实为head时，且cur.nextNodes(level)=null，
                        // 当前level层只有root节点了，就可以让上面这个没有连接节点的null删除。
                        head.nextNodes.remove(level);
                        maxLevel--;//root因为新节点扩充，现在因为删除缩小
                    }
                    
                    level--;//每层都操作
                }
            }
        }

你要注意：美团，微软，Airbnb都考过，面试官让你现场手撕跳表的部分函数的代码！！！
你要注意：美团，微软，Airbnb都考过，面试官让你现场手撕跳表的部分函数的代码！！！
你要注意：美团，微软，Airbnb都考过，面试官让你现场手撕跳表的部分函数的代码！！！

所以你要搞清楚了这些跳表的知识！

firstKey()方法

获取跳表的第0个节点，最左的节点key
很简单，就是第0层的第一个，超级简单

        //# firstKey(K key)方法
        //很简单，就是第0层的第一个，超级简单
        public K firstKey(){
            return head.nextNodes.get(0) != null ? head.nextNodes.get(0).key : null;
        }

lastKey()方法

获取跳表的第0层的最后个节点，key
但显然不是从第0层第一个开始索引
有跳表，那就跳着找，从level=maxL开始索引，上面越过一个点，下面越过一大堆节点
跟查找整个跳表最右<key的几点cur类似，只不过这是0层最右那个
我们要让每一层往右，最右那个cur遇见null才往下走，嵌套俩while循环
外循环控制level–
内循环控制一层使劲往右查找
在这里插入图片描述

        //lastKey()方法
        //获取跳表的第0层的最后个节点，key
        public K lastKey(){
            //有跳表，那就跳着找，从level=maxL开始索引，上面越过一个点，下面越过一大堆节点
            NodeSL<K, V> cur = head;
            int level = maxLevel;
            while (level >= 0){//高层一直找到0层，右下，右下,单链表使劲往右查
                //跟查找整个跳表最右<key的几点cur类似，只不过这是0层最右那个
                NodeSL<K, V> next = cur.nextNodes.get(level);//当前level层cur的下一个节点，方便右移
                while (next != null){//只要cur不为null，继续右移
                    cur = next;
                    next = cur.nextNodes.get(level);//往右移动
                }
                //第0层最右那个cur就是结果
                level--;
            }
            return cur.key;
        }

ceilingKey()方法

找>=key的那个节点的key
找到跳表中0层最右的<key的节点cur
cur.next要么=key，要么>key，就是next了

        //# ceilingKey()方法
        //找>=key的那个节点的key
        public K ceilingKey(K key){
            //找到跳表中0层最右的<key的节点cur
            NodeSL<K, V> cur = mostRightLessKeyInSLMap(key);
            NodeSL<K, V> next = cur.nextNodes.get(0);//0层哦，包含N个点，所有
            //cur.next要么=key，要么>key，就是next了
            return next != null ? next.key : null;
        }

floorKey()方法

找<=key的那个节点的key
找到跳表中0层最右的<key的节点cur
cur.next要么=key，那就返回next.key
要么>key，那就要返回cur.key，咱们要的是<=key哦！！！

        //# floorKey()方法
        //找<=key的那个节点的key
        public K floorKey(K key){
            //找到跳表中0层最右的<key的节点cur
            NodeSL<K, V> cur = mostRightLessKeyInSLMap(key);
            NodeSL<K, V> next = cur.nextNodes.get(0);//0层哦，包含N个点，所有
            //cur.next要么=key，那就返回next.key
            //要么>key，那就要返回cur.key，咱们要的是<=key哦！！！
            return next != null && next.isKeyEqual(key) ? next.key : cur.key;
            //next为null或者不等，则cur就是<=k的
        }

总结跳表类SkipListMap的所有方法

跳表虽然与搜索二叉树的结构完全不同，但是它能实现所有有序表的操作，复杂度仍然是o(log(n))
这就是具有先进思想的跳表！！！

方法们都有：
（1）每一个层level，都要向右不断找，不断往右查，往右到不能再往右了，停，此刻cur<key；
findInLevelMostRightLessKey(NodeSL<K, V> cur, K key, int level)函数
（2）/从root的最高层maxLevel处，开始查找并返回跳表的0层最右的<key的节点cur
mostRightLessKeyInSLMap(K key)函数
（3）put方法，可能是更细腻value，可能是新增节点“”put(K key, V value)函数
（4）包含key吗，跳表？：containsKey(K key)函数
（5）相等就包含，然后get第0层的这个value即可：get(K key)函数
（6）删除key：remove(K key)
（7）firstKey(K key)方法
（8）lastKey()方法
（9）ceilingKey()方法
（10）floorKey()方法

    //跳表类
    public static class SkipListMap<K extends Comparable<K>, V>{
        //成员变量
        private static final double PROBABLITY = 0.5;
        public NodeSL<K, V> head;//头结点，最左边那个
        public int size;//整体节点个数
        public int maxLevel;//跳表中root的最高层数

        //构造函数
        public SkipListMap(){
            size = 0;
            head = new NodeSL<>(null, null);//这个key是全局最小
            head.nextNodes.add(null);至少1层是有的，最底层先加null
            maxLevel = 0;//至少1层是有的，最底层
        }

        //成员方法
        //每一个层level，都要向右不断找，不断往右查，往右到不能再往右了，停，此刻cur<key；
        public NodeSL<K, V> findInLevelMostRightLessKey(NodeSL<K, V> cur, K key, int level){
            NodeSL<K, V> next = cur.nextNodes.get(level);//当前level层cur的下一个节点，方便右移
            while (next != null && cur.isKeyLess(next.key)){
                //只要cur比next小，继续右移，否则返回cur
                cur = next;
                next = cur.nextNodes.get(level);//往右移动
            }
            //一旦cur>=next
            return cur;
        }

        //从root的最高层maxLevel处，开始查找并返回跳表的0层最右的<key的节点cur
        public NodeSL<K, V> mostRightLessKeyInSLMap(K key){
            if (key == null) return null;//null没法比
            //（1）从cur=root开始，
            NodeSL<K, V> cur = head;
            int level = maxLevel;//从root的最高层往右扫
            while (level >= 0){
                // (1)向右同一层中查找，只要cur<key继续往右查，往右到不能再往右了，停，此刻cur<key；
                cur = findInLevelMostRightLessKey(cur, key, level--);
                //（2）在cur内部层数level--，继续循环（1），直到level=0的最右那个cur<key，返回cur。
            }

            return cur;
        }

        //put方法，可能是更细腻value，可能是新增节点
        public void put(K key, V value){
            //key给了不能为null，value给了
            if (key == null) return;
            //就看你找到的跳表中0层最右的那个<key的cur节点了，
            NodeSL<K, V> cur = mostRightLessKeyInSLMap(key);
            //有了cur，
            //（1）咱们获取cur下一个节点，如果等于key，岂不就是需要更新？
            NodeSL<K, V> next = cur.nextNodes.get(0);//0层必然存在的
            //next不null，且next.isEqual(key)为true，就是相等
            //直接让next.value=value;
            if (next != null && next.isKeyEqual(key)) next.value = value;
            //（2）如果不等key，那就是在这插入新节点。
            else {
                //要么next=null，要么next.isLess(key)为true，就是不等于
                //必然跳表新增节点，size++
                size++;
                //1）怎么增？根据概率p决定，新节点的层数++，节点从0--nL都要让nextNodes加null
                int nL = 0;//0层必然有
                while (Math.random() < PROBABLITY) nL++;//直到大于0.5停止
                int level = nL;
                NodeSL<K, V> newNode =  new NodeSL<>(key, value);//新增好
                while (level >= 0){
                    newNode.nextNodes.add(null);
                    level--;
                }
                //2）如果新节点的层数nL过高，要让root的maxLevel=nL，咱们上面说过了，然后默认加入null，扩充层呗
                while (maxLevel < nL){
                    head.nextNodes.add(null);//新加几个层
                    maxLevel++;
                }
                //3）level从maxLevel开始，pre=head开始，每一层，让pre抓取本层中最右的<key的节点
                level = maxLevel;
                NodeSL<K, V> pre = head;//准备挂接新节点到pre后面
                while (level >= 0){
                    pre = findInLevelMostRightLessKey(pre, key, level);
                    //然后让新节点，挂在pre之后，新节点挂原来pre的下一个节点，就是插入新节点的意思
                    if (level <= nL){//新节点有level这层吗？不一定哦
                        newNode.nextNodes.set(level, pre.nextNodes.get(level));//后插
                        pre.nextNodes.set(level, newNode);//前挂
                    }
                    //level--，每一层都要去挂，这就是新增节点的那段操作，上面咱们说透了。
                    level--;//直到0层全挂好
                }
            }
        }

        //包含key吗，跳表？
        public boolean containsKey(K key){
            //直接找跳表0层中最右那个<key的节点cur，
            NodeSL<K, V> cur = mostRightLessKeyInSLMap(key);
            // 然后判断next=cur.next是否与key相等，相等就包含，否则不包含
            NodeSL<K, V> next = cur.nextNodes.get(0);
            return next != null && next.isKeyEqual(key);
        }

        //get(key)方法
        //完全跟containsKey方法一样
        //直接找跳表0层中最右那个<key的节点cur，然后判断next=cur.next是否与key相等，
        // 相等就包含，然后get第0层的这个value即可
        public V get(K key){
            //直接找跳表0层中最右那个<key的节点cur，
            NodeSL<K, V> cur = mostRightLessKeyInSLMap(key);
            // 然后判断next=cur.next是否与key相等，相等就包含，否则不包含
            NodeSL<K, V> next = cur.nextNodes.get(0);
            return next != null && next.isKeyEqual(key) ? next.value : null;
        }

        //删除key
        public void remove(K key){
            if (containsKey(key)){
                //（1）先查跳表中有key吗？有才删除
                //（2）从最高层开始，level=maxLevel，
                int level = maxLevel;
                NodeSL<K, V> cur = head;
                while (level >= 0){
                    //每一个level，先拿level层最右那个<key的节点cur
                    findInLevelMostRightLessKey(head, key, level);
                    NodeSL<K, V> next = cur.nextNodes.get(level);
                    //next=cur.next，next真的等于key吗？是的
                    if (next != null && next.isKeyLess(key)){
                        //将cur跳指next的next节点，完成单链表的删除
                        //set方法就是指针连接，设置下一个节点
                        cur.nextNodes.set(level, next.nextNodes.get(level));
                    }

                    //（3）注意！！！
                    //当level!=0的时候，要检查，看看删除key这个节点时，是否head需要缩层
                    //第0层永远不能缩
                    if (level != 0 && cur == head && cur.nextNodes.get(level) == null){
                        //当cur确实为head时，且cur.nextNodes(level)=null，
                        // 当前level层只有root节点了，就可以让上面这个没有连接节点的null删除。
                        head.nextNodes.remove(level);
                        maxLevel--;//root因为新节点扩充，现在因为删除缩小
                    }

                    level--;//每层都操作
                }
            }
        }

        //# firstKey(K key)方法
        //很简单，就是第0层的第一个，超级简单
        public K firstKey(){
            return head.nextNodes.get(0) != null ? head.nextNodes.get(0).key : null;
        }

        //lastKey()方法
        //获取跳表的第0层的最后个节点，key
        public K lastKey(){
            //有跳表，那就跳着找，从level=maxL开始索引，上面越过一个点，下面越过一大堆节点
            NodeSL<K, V> cur = head;
            int level = maxLevel;
            while (level >= 0){//高层一直找到0层，右下，右下,单链表使劲往右查
                //跟查找整个跳表最右<key的几点cur类似，只不过这是0层最右那个
                NodeSL<K, V> next = cur.nextNodes.get(level);//当前level层cur的下一个节点，方便右移
                while (next != null){//只要cur不为null，继续右移
                    cur = next;
                    next = cur.nextNodes.get(level);//往右移动
                }
                //第0层最右那个cur就是结果
                level--;
            }
            return cur.key;
        }

        //# ceilingKey()方法
        //找>=key的那个节点的key
        public K ceilingKey(K key){
            //找到跳表中0层最右的<key的节点cur
            NodeSL<K, V> cur = mostRightLessKeyInSLMap(key);
            NodeSL<K, V> next = cur.nextNodes.get(0);//0层哦，包含N个点，所有
            //cur.next要么=key，要么>key，就是next了
            return next != null ? next.key : null;
        }

        //# floorKey()方法
        //找<=key的那个节点的key
        public K floorKey(K key){
            //找到跳表中0层最右的<key的节点cur
            NodeSL<K, V> cur = mostRightLessKeyInSLMap(key);
            NodeSL<K, V> next = cur.nextNodes.get(0);//0层哦，包含N个点，所有
            //cur.next要么=key，那就返回next.key
            //要么>key，那就要返回cur.key，咱们要的是<=key哦！！！
            return next != null && next.isKeyEqual(key) ? next.key : cur.key;
            //next为null或者不等，则cur就是<=k的
        }


    }//跳表结束

总结

提示：重要经验：

1）跳表的思想先进，多个大厂要求你现场手撕成员方法的代码，速度快，结构简单，就是操作俩表的代码比价繁杂，思想搞透彻了，就好写代码。
2）跳表可以实现有序表的所有功能，而且用于redis缓存啥的利于序列化
3）笔试求AC，可以不考虑空间复杂度，但是面试既要考虑时间复杂度最优，也要考虑空间复杂度最优。

冰露可乐

关注

0
点赞
踩
1

收藏

觉得还不错? 一键收藏
打赏
0
评论
跳表SkipList：可二分查找的有序链表，实现有序表，思想先进，操作复杂度O(logn)

1）跳表的思想先进，多个大厂要求你现场手撕成员方法的代码，速度快，结构简单，就是操作俩表的代码比价繁杂，思想搞透彻了，就好写代码。2）跳表可以实现有序表的所有功能，而且用于redis缓存啥的利于序列化3）笔试求AC，可以不考虑空间复杂度，但是面试既要考虑时间复杂度最优，也要考虑空间复杂度最优。
复制链接

扫一扫