跳表
-
什么是跳表-skiplist
skiplist本质上也是一种查找结构,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。那么相比而言它的优势是什么的呢?这么等我
们学习完它的细节实现,我们再来对比。 -
skiplist,顾名思义,首先它是一个list。实际上,它是在有序链表的基础上发展起来的。如果是一
个有序的链表,查找数据的时间复杂度是O(N)。 -
优化思路
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。这样以前的有序链表查找的时间复杂度从O(N)->O(N/2)。依此类推,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。这样,比这个点大就向右走,比他小就向下走。抽象为二叉树既视感,logN。
- 如何维持?插入或者删除就会乱
抛弃比例关系,而是在插入一个节点的时候随机出一个层数,这样就不用考虑其他节点的层数了,每个节点插入和删除跟其他节点都没有关系 ,都是独立的,不需要调整其他节点的层数,只需要改指针的连接关系就行。细节如下:
这里首先要细节分析的是这个随机层数是怎么来的。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.
在Redis的skiplist实现中,这两个参数的取值为:
p=1/4 maxLevel=32
- 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)
限制随机数的最大层数和多一层的概率,层数越高的概率越低。概率越低,每个节点所包含的平均值真数目越低。平均时间复杂度是O(LogN)
所以一个节点的平均层数:
设计跳表
- 头结点的层数一定和最高节点的层数相同,因为都是从头结点开始指向后面。
_maxLevel=32,_p=0.5
可以写死.- 创建节点时就能确定节点的层数,创建头结点时就默认是一层
search()
- 不是和当前节点进行比较大小,是和下一个节点比较大小。比下一个小,说明在我们两者之间,就像下走.或者下一个节点是空,我就是这一层的尾巴,就得向下走了
--level
- 比他大,就向右走
cur=cur->next[level]
. - 从每一个节点的最高层往下走,最高层就是头结点大小-1.
insert()
- 插入节点一定是插入到最下面的一层.插入节点的关键是要记录每一层的前一个节点。
- 只要向下走了,说明就需要在这个和下一个节点之间进行插入,所以现在这个节点就是我们要找的所谓的前一个节点。就需要更新level层的前一个节点.
- 逐层往下走,所以需要用
vector
进行前面每层前面一个节点是谁来构建每一层的连接关系
记录,最后进行插入,随机层数,就可以直接连接。如果头结点层数不够随机值,所以对头进行处理。
- 每一层都需要找出来前一个节点,一定要到第0层来建立连接。
找到需要插入的位置之后,就需要确定这个节点的层数了,也就是新添加一个randomLevel()
.然后链接前后节点即可._head层数如果需要的话,需要进行更新.
RandomLevel()
int RandomLevel()
{
size_t level = 1;
//产生的随机数在0~_p区间的概率下才会多一层。
while (rand() <= RAND_MAX * _p && level < _maxLevel)
{
++level;
}
return level;
}
int main()
{
Skiplist sl;
int max = 0;
for (size_t i = 0; i < 1000000000; ++i)
{
//cout << sl.RandomLevel() <<" ";
int r = sl.RandomLevel();
if (r > max)
max = r;
}
cout <<max<< endl;//十亿->29层
return 0;
}
验证调用发现:
当概率P设置为0.5时,插入10000个节点时,随机数产生的最高层数是10左右,又因为2^10差不多就是1000.所以还是比较靠谱的随机数产生算法.
- C++11随机数库
int main()
{
unsigned seed = std::chrono::system_clock::now().time_since_epoch().count();
std::default_random_engine generator(seed);
std::uniform_real_distribution<double> distribution(0.0, 1.0);
size_t count = 0;
for (int i = 0; i < 100; ++i)
{
if (distribution(generator) <= 0.25)
++count;
}
cout << count << endl;//23 19 20 左右的值
return 0;
}
erase()
- 先找到每一层的额前一个,然后直接连接节点前后的关系就行了.
- 寻找这个值,如果存在,肯定是在第0层存在,那么他的prev数组中肯定有值.如果第0层的前面节点指向的下一个是空(可以理解为到链表的尾巴了都没找着)也就是没有节点,或者指向的下一个节点的值不等于num,在应该插入的位置但是没有这个节点.
- 要删除的节点就是prev[0]->nextV[0],删除之前需要将每一层的前后连接起来.
skiplist跟平衡搜索树和哈希表的对比
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;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。
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));
//初始化头结点,层数是1
_head = new SkiplistNode(-1,1);
}
bool search(int target)
{
Node* cur = _head;
int level = _head->_nextV.size() - 1;
while (level >= 0)
{
//目标值比下一个节点值要大,向右走
//下一个节点是空(尾巴),目标值比下一个节点小就向下一层走
if (cur->_nextV[level] && cur->_nextV[level]->_val < target)
{
cur = cur->_nextV[level];
}
else if (cur->_nextV[level] == nullptr || cur->_nextV[level]->_val > target)
{
--level;
}
else
{
return true;
}
}
return false;
}
//将寻找路径前面的头结点全部都记录下来,便于后续连接使用
vector<Node*>FindPrevNode(int num)
{
Node* cur = _head;
int level = _head->_nextV.size() - 1;
vector<Node*> prevV(level+1,_head);
while (level >= 0)
{
//目标值比下一个节点值要大,向右走
//下一个节点是空(尾巴),目标值比下一个节点小就向下一层走
if (cur->_nextV[level] && cur->_nextV[level]->_val < num)
{
cur = cur->_nextV[level];
}
else if (cur->_nextV[level] == nullptr || cur->_nextV[level]->_val >= num)
{
//如果下一个节点比咱大,就说明现在这个节点就是我们要插入位置的前一个
prevV[level] = cur;
--level;
}
}
return prevV;
}
int RandomLevel()
{
size_t level = 1;
//产生的随机数在0~_p区间的概率下才会多一层。
while (rand() <= RAND_MAX * _p && level < _maxLevel)
{
++level;
}
return level;
}
void add(int num)
{
vector<Node*> prevV = FindPrevNode(num);
int n = RandomLevel();
Node* newnode = new Node(num,n);
//如果超过头结点的层数,就需要对头结点层数进行升高
//因为链表都是从头结点指向下一个的
if (n > _head->_nextV.size())
{
_head->_nextV.resize(n,nullptr);
prevV.resize(n,_head);
}
//一层一层的更新链接
for (size_t i = 0; i < n; i++)
{
newnode->_nextV[i] = prevV[i]->_nextV[i];
prevV[i]->_nextV[i] = newnode;
}
}
bool erase(int num)
{
vector<Node*> prevV = FindPrevNode(num);
//在第一层中下一个不是val,val不再表中
if (prevV[0]->_nextV[0] == nullptr || prevV[0]->_nextV[0]->_val != num)
{
return false;
}
else
{
Node* del = prevV[0]->_nextV[0];
for (size_t i = 0; i < del->_nextV.size(); i++)
{
prevV[i]->_nextV[i] = del->_nextV[i];
}
delete del;
//如果删除最高层结点,把头结点的层数也降一下
int i = _head->_nextV.size() - 1;
while (i >= 0)
{
//头结点最高层如果直接指向尾巴为空,说明这一层就没有存在的必要
if (_head->_nextV[i] == nullptr)
{
--i;
}
else
break;
}
_head->_nextV.resize(i+1);
return true;
}
}
void Print()
{
/*int level = _head->_nextV.size();
for (int i = level - 1; i >= 0; --i)
{
Node* cur = _head;
while (cur)
{
printf("%d->", cur->_val);
cur = cur->_nextV[i];
}
printf("\n");
}*/
Node* cur = _head;
while (cur)
{
printf("%2d\n", cur->_val);
// 打印每个每个cur节点
for (auto e : cur->_nextV)
{
printf("%2s", "↓");
}
printf("\n");
cur = cur->_nextV[0];
}
}
private:
Node* _head;
size_t _maxLevel = 32;
double _p = 0.5;
};
Node* cur = _head;
while (cur)
{
printf("%2d\n", cur->_val);
// 打印每个每个cur节点
for (auto e : cur->_nextV)
{
printf("%2s", "↓");
}
printf("\n");
cur = cur->_nextV[0];
}
}
private:
Node* _head;
size_t _maxLevel = 32;
double _p = 0.5;
};