一、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。
skiplist 是由 William Pugh 发明的,最早出现于他在 1990 年发表的论文《Skip Lists: A Probabilistic Alternative to Balanced Trees》。
skiplist 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)。
William Pugh 开始的优化思路:
- 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。
- 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。
- 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)。
-
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。细节过程入下图:
二、如何保证 skiplist 的效率
上面我们说到,skiplist 插入一个节点时随机出一个层数,听起来怎么这么随意,如何保证搜索时的效率呢?
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。那么计算这个随机层数的伪代码如下图:
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 p^2,而节点层数恰好等于 3 的概率为 p^2*(1-p)。
- 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:
- 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。
跳表的平均时间复杂度为 O(logN)。
可以了解学习:Redis 内部数据结构详解 —— skiplist-CSDN博客
三、skiplist 的实现
力扣对应题目链接:1206. 设计跳表 - 力扣(LeetCode)
//力扣AC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
if(cur->_nextV[level] && target > cur->_nextV[level]->_val)
{
cur = cur->_nextV[level];
}
// 下一个节点为空(尾)或目标值比下一个节点值要小 -> 向下走
else if(cur->_nextV[level] == nullptr || target < cur->_nextV[level]->_val)
{
level--;
}
else
{
return true;
}
}
return false;
}
vector<Node*> FindPrevNode(int num)
{
Node* cur = _head;
int level = _head->_nextV.size() - 1;
// 插入位置每一层前一个节点指针
vector<Node*> prevV(level + 1, _head);
while (level >= 0)
{
// 目标值比下一个节点值要大 -> 向右走
if (cur->_nextV[level] && cur->_nextV[level]->_val < num)
{
cur = cur->_nextV[level];
}
// 下一个节点为空(尾)或目标值比下一个节点值要小 -> 向下走
else if (cur->_nextV[level] == nullptr || cur->_nextV[level]->_val >= num)
{
// 更新level层前一个
prevV[level] = cur;
level--;
}
}
return prevV;
}
void add(int num)
{
// 插入位置每一层的前一个节点指针
vector<Node*> prevV = FindPrevNode(num);
int n = RandomLevel();
Node* newnode = new Node(num, n);
// 如果n超过当前最大的层数,那就升高一下_head的层数
if (n > _head->_nextV.size())
{
_head->_nextV.resize(n, nullptr);
prevV.resize(n, _head);
}
// 链接前后节点
for (size_t i = 0; i < n; ++i)
{
newnode->_nextV[i] = prevV[i]->_nextV[i];
prevV[i]->_nextV[i] = newnode;
}
}
bool erase(int num)
{
vector<Node*> prevV = FindPrevNode(num);
// 第一层下一个不是val,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节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;
// 如果删除最高层节点,把头节点的层数也降一下
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()
{
size_t level = 1;
// rand() -> [0, RAND_MAX]
while (rand() <= RAND_MAX * _p && level < _maxLevel)
{
level++;
}
return level;
}
private:
Node* _head; // 头节点
size_t _maxLevel = 32;
double _p = 0.25;
};
/**
* Your Skiplist object will be instantiated and called as such:
* Skiplist* obj = new Skiplist();
* bool param_1 = obj->search(target);
* obj->add(num);
* bool param_3 = obj->erase(num);
*/
了解更多,可以参考:跳表 - OI Wiki (oi-wiki.org)
四、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:
- skiplist 实现简单,容易控制。而平衡树增删查改遍历都更复杂。
- skiplist 的额外空间消耗更低。而平衡树节点存储每个值有三叉链,平衡因子/颜色等消耗。
skiplist 中当 p=1/2 时,每个节点所包含的平均指针数目为 2。
skiplist 中当 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:
- 哈希表非极端场景下哈希冲突的平均时间复杂度是 O(1),比 skiplist 快。
- 哈希表空间消耗略多一点。
skiplist 优势如下:
- 遍历数据有序。
- skiplist 空间消耗略小一点,哈希表存在链接指针和表空间消耗。
- 哈希表扩容有性能损耗。
- 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。