【数据结构】跳表 {什么是跳表-skiplist；skiplist的效率如何保证；skiplist的实现；skiplist跟平衡搜索树和哈希表的对比}

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。那么相比而言它的优势是什么的呢？

skiplist是由William Pugh发明的，最早出现于他在1990年发表的论文《Skip Lists: AProbabilistic Alternative to Balanced Trees》。对细节感兴趣的同学可以下载论文原文来阅读。

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)。

William Pugh开始的优化思路：

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，如下图b所示。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。如下图c，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)。
4. 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、skiplist的效率如何保证？

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

根据前面randomLevel()的伪码，我们很容易看出，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：

现在很容易计算出：
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)，这个推导的过程较为复杂，需要有一定的数学功底，有兴趣的老铁，可以参考以下文章中的讲解：

铁蕾大佬的博客：http://zhangtielei.com/posts/blog-redis-skiplist.html

---

三、skiplist的实现

1206. 设计跳表 - 力扣（LeetCode）

#include <vector>
#include <iostream>
#include <cstdlib>
using namespace std;

class Skiplist
{
    struct ListNode
    {
        int _val;
        vector<ListNode *> _nextV;

        ListNode(int num, size_t level)
            : _val(num),
              _nextV(level, nullptr)
        {
        }
    };

    ListNode *_phead; //指向头节点的指针
    const size_t _maxlevel = 32;
    const double _p = 0.25;

public:
    Skiplist()
        : _phead(new ListNode(-1, 1))
    {
        srand(time(nullptr));
    }

    bool search(int target)
    {
        ListNode *cur = _phead;
        int level = _phead->_nextV.size() - 1;
        
        while (level >= 0)
        {
            //与当前层的下一个节点的值进行比较
            if (cur->_nextV[level] != nullptr && target > cur->_nextV[level]->_val)
            {
                //比他大，向后走（可能在下一个节点后边）
                cur = cur->_nextV[level];
            }
            else if (cur->_nextV[level] == nullptr || target < cur->_nextV[level]->_val)
            {
                //比他小或下一个节点为空，向下走（可能在两节点之间）
                --level;
            }
            else
            {
                return true;
            }
        }
        return false;
    }

    ListNode *FindPrevNode(int target, vector<ListNode *> &prevV)
    {
        ListNode *cur = _phead;
        int level = _phead->_nextV.size() - 1;
        prevV.resize(level + 1, _phead);
        ListNode *ret = nullptr;
        
        while (level >= 0)
        {
            //与当前层的下一个节点的值进行比较
            if (cur->_nextV[level] != nullptr && target > cur->_nextV[level]->_val)
            {
                //比他大，向后走（可能在下一个节点后边）
                cur = cur->_nextV[level];
            }
            else if (cur->_nextV[level] == nullptr || target <= cur->_nextV[level]->_val)
            {
                //比他小或下一个节点为空，向下走（可能在两节点之间）
                if(cur->_nextV[level] != nullptr && target == cur->_nextV[level]->_val) 
                ret = cur->_nextV[level]; //找到了要返回节点指针
                prevV[level] = cur; //向下走之前记录当前层的Prev为cur
                --level;
            }
        }
        return ret;
    }

    size_t RandomLevel()
    {
        size_t level = 1;
        while (rand() < _p * RAND_MAX && level < _maxlevel)
        {
            ++level;
        }
        return level;
    }

    void add(int num)
    {
        vector<ListNode *> prevV;
        FindPrevNode(num, prevV); //找到每一层的前一个节点

        size_t level = RandomLevel(); //为新节点随机一个层数
        ListNode *newnode = new ListNode(num, level);

        if (level > _phead->_nextV.size()) 
        {
            _phead->_nextV.resize(level, nullptr); //保持头节点和最高节点同高
            prevV.resize(level, _phead);
        }
        
		//链接前后节点，插入新节点
        for (size_t i = 0; i < level; ++i)
        {
            newnode->_nextV[i] = prevV[i]->_nextV[i];
            prevV[i]->_nextV[i] = newnode;
        }
    }

    bool erase(int num)
    {
        //查找节点，并找到每一层的前一个节点
        vector<ListNode *> prevV;
        ListNode *del = FindPrevNode(num, prevV);
        if (del == nullptr)
            return false;

        //链接前后节点，删除节点
        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 = _phead->_nextV.size() - 1;
        while (i>0 && _phead->_nextV[i] == nullptr)
        {
            --i;
        }
        _phead->_nextV.resize(i + 1);
        return true;
    }

    // void Print()
    // {
    //     ListNode *cur = _phead;
    //     while (cur)
    //     {
    //         printf("%2d ", cur->_val);
    //         // 打印每个每个cur节点
    //         for (auto e : cur->_nextV)
    //         {
    //             printf("%2s ", "↓");
    //         }
    //         printf("\n");
    //         cur = cur->_nextV[0];
    //     }
    // }
};

---

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：

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；

skiplist相比哈希表而言，就没有那么大的优势了。相比而言哈希表平均时间复杂度是O(1)，比skiplist快。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。