高效的跳表

本文主要是介绍高效的跳表，希望对大家解决编程问题提供一定的参考价值，需要的开发者们随着小编来一起学习吧！

一、 概念

跳表，是一种用来查询数据的数据结构，它是由William Pugh发明的，借助有序链表，来实现高效地查询

二、 实现原理

William Pugh的优化思路是，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，依次类推，形成下图的c，每一层都能排除一半，类似于二分查找，时间复杂度为O(log n)

三、存在的问题

插入删除数据时，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，而要维持这种对应关系，就必须把新插入的节点及其后面的所有节点重新进行调整，但这会让时间复制度退化为O(n)

四、解决方法

William Pugh为了解决这个问题，做了一个大胆的处理，不再严格要求这种对应比例关系，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再需要考虑其它节点的层数，实现起来也就简单多了

五、如何保证效率

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，伪代码如下图

在Redis的skiplist实现中，p取1/4，maxLevel取32，根据前面的伪代码，定量分析如下图

一个节点的平均层数，计算如下图

六、代码实现

首先，得定义一个节点结构体，一个节点由值和它的层数(下一个结点指针的集合)组成

跳表，则有三个成员，_head是一个哨兵节点，概率p和最大层数maxLevel给缺省值即可，同时，构造函数内，还需给一个随机数种子，后面用来获取节点层数


查找某个值，从上往下开始找，让当前节点指针指向哨兵节点，判断它的下一个节点值和目标值的大小关系，下一个节点值为空或比目标值大，就往下走，即层数下标-1；如果比目标值小，就往右走；否则，则表明找到了，直接返回true即可，如果层数下标都小于0了，就返回false，表明没有找到

类似于单链表，跳表要插入一个节点或删除一个节点，就必须找到目标节点的前一个节点的集合，这样才能插入或者删除节点，例如，插入20，它的前一个节点集合，自上而下为_head，17，19，如下图

代码类似于查找目标值，不再赘述

获取节点层数

插入节点，首先，获取它的前一个节点的集合，其次，获取节点的层数，同时，需要保证_head节点的层数始终是所有节点中最多的，然后就是链表的插入操作了

删除节点，首先，得判断节点在不在，不在，就不需要删除了，直接返回即可，删除操作也就是链表的删除操作，最后，做一个层数更新，因为删除节点后，头节点的层数可能会有很多是不必要的，影响查找效率，所以做了一个小的优化

下面的一个leetcode题目，可以用来验证写的对不对
跳表

七、总结

对比平衡搜索树

对比AVL树和红黑树，都可以做到遍历数据有序，时间复杂度也差不多，而跳表的优势在于：

实现简单，容易控制，而平衡树增删改查都更复杂

跳表的额外空间消耗更低，平衡树节点需要存储三个节点指针，父亲和左右孩子，还有平衡因子或颜色等消耗

对比哈希表

相对于哈希表，优势小了很多，首先，哈希表查找数据的时间复杂度为O(1)，比跳表快，跳表的优势在于：

遍历数据有序

跳表的空间消耗略小一些，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，需要红黑树来弥补

这篇关于高效的跳表的文章就介绍到这儿，希望我们推荐的文章对编程师们有所帮助！

---