数据结构——跳表

时间:2024-03-06 15:47:35

简单介绍跳表

  跳表(Skip List)是一种可以进行对数级别查找的数据结构,它通过在数据中构建多级索引来提高查询效率。跳表是一种基于链表的随机化数据结构,其本质是由多个链表组成,每个链表中的元素都是原始链表中的元素。

  我们知道链表的查找时间复杂度是O(N),如果这个链表数据是有序的,还是O(N),我们如何利用有序这一点,来进行优化呢?接下来就是我们的主角跳表登场。

  跳表在实际应用中有许多用途,例如作为Redis等数据库的有序数据结构实现,以及作为平衡树等数据结构的替代方案。与其他数据结构相比,跳表具有实现简单、空间复杂度低、查询效率高等优点。

  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》。
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)。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)。
理想状态的跳表大概长这样:
但是一旦我们进行了插入和删除操作,就会很难维护这个2:1的关系。因此
4. 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:

 

注意重点,在这种处理下,我们插入的结点的层数是随机的!如此一来,插入删除操作就简化了很多。

skiplist的效率 

  首先要分析,这个随机层数是怎么来的。一般跳表会设置一个最大的层数限制maxLevel。其次会设计一个概率p。这个p就是指 最开始从第一层开始,每多一层的概率为p。

  最大层数限制很好理解,这个p就是每次插入的时候,由它来决定这个结点有多少层。每多一层其实就是多一个指针。

在Redis中,这两个参数的取值为

p = 1/4
maxLevel = 32

 

再简单分析这个p就是:

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)。
……

平均计算如下:

 

 skiplist的简单实现

  其实skiplist只要理解了思想,实现起来还是比较简单了,我们可以参考力扣上的一道题

1206. 设计跳表 - 力扣(LeetCode) 

 代码:

#pragma once

#include <iostream>
#include <vector>
#include <time.h>
#include <random>
#include <chrono>

using namespace std;

struct SkiplistNode
{
	int _val;
	vector<SkiplistNode*> _nextV;  // 层数也就是指针,用数组存起来

	SkiplistNode(int val, int level)
		:_val(val)
		, _nextV(level, nullptr)
	{}
};

class Skiplist
{
	typedef SkiplistNode Node;
public:
	Skiplist()
	{
		srand(time(0));

		// 头结点的层数设置为1
		_head = new SkiplistNode(-1, 1);
	}

	bool search(int target)
	{
		Node* cur = _head;
		int level = _head->_nextV.size() - 1;
		while (level >= 0)
		{
			// 目标值比下一个结点的值要大的话,就往右走
			// 如果下一个结点是空(尾),或者目标值比下一个结点要小,就向下走
			if (cur->_nextV[level] && cur->_nextV[level]->_val < target)
			{
				// 往右走
				cur = cur->_nextV[level];
			}
			else if (cur->_nextV[level] == nullptr || cur->_nextV[level]->_val > target)
			{
				// 往下走
				--level;
			}
			else
			{
				// 找到了
				return true;
			}
		}

		return false;
	}

	vector<Node*> FindPrevNode(int num)
	{
		Node* cur = _head;
		int level = _head->_nextV.size() - 1;

		// 记录 被改动的位置的每一层的前一个结点指针
		vector<Node*> prevV(level + 1, _head);

		while (level >= 0)
		{
			// 同理 比下一个结点大就往右走
			// 下一个结点是空,或者目标值比下一个结点要小,就往下走
			if (cur->_nextV[level] && cur->_nextV[level]->_val < num)
			{
				cur = cur->_nextV[level]; // 向右走
			}
			else if (cur->_nextV[level] == nullptr || cur->_nextV[level]->_val >= num) 
			{
				// 注意 这里num等于也是要进来的
				// 更新level层的前一个
				prevV[level] = cur;
				
				--level; // 向下走
			}
		}

		return prevV;
	}

	void add(int num)
	{
		vector<Node*> prevV = FindPrevNode(num);

		int n = RandomLevel();
		Node* newnode = new Node(num, n);

		// 注意:如果n超过了当前的最大层,那么就要相应的提高_head的层数
		if (n > _head->_nextV.size())
		{
			_head->_nextV.resize(n, nullptr);
			prevV.resize(n, _head);
		}

		// 链接前后结点
		for (size_t i = 0; i < n; ++i)
		{
			// 注意顺序,先设置好目标结点的指针指向
			newnode->_nextV[i] = prevV[i]->_nextV[i];
			prevV[i]->_nextV[i] = newnode;
		}
	}

	bool erase(int num)
	{
		vector<Node*> prevV = FindPrevNode(num);

		// 如果第一层的下一个不是val,则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];
			// 先将del结点的前后结点链接起来
			for (size_t i = 0; i < del->_nextV.size(); ++i)
			{
				prevV[i]->_nextV[i] = del->_nextV[i];
			}
			delete del;

			// 如果删除的这个结点改变了跳表结点的当前最高层数,
			// 那么应该将头结点的层数降到第二高的层数
			int i = _head->_nextV.size() - 1;
			while (i >= 0)
			{
				if (_head->_nextV[i] == nullptr)
					--i;
				else
					break;
			}
			_head->_nextV.resize(i + 1);

			return true;
		}

		return false;
	}

	int RandomLevel()
	{
		size_t level = 1;
		// rand() 的取值范围在 [0,RAND_MAX] 之间
		// 这里就转换成了 如果区间在 [0,_p]就加一层
		while (rand() <= RAND_MAX * _p && level < _maxLevel)
		{
			++level;
		}

		return level;
	}
private:
	Node* _head;
	size_t _maxLevel = 32;
	double _p = 0.25;
};

void Test()
{
	Skiplist sl;
	//int a[] = { 5, 2, 3, 8, 9, 6, 5, 2, 3, 8, 9, 6, 5, 2, 3, 8, 9, 6 };
	int a[] = { 1, 2, 3, 4 };
	for (auto e : a)
	{
		sl.add(e);
	}

	/*int x;
	cin >> x;
	sl.erase(x);*/
	sl.erase(1);
	//cout << sl.erase(0) << " " << sl.erase(1) << endl;
}

  跳表稍复杂一点的地方就是插入和删除了。因为我们还要需要找到目标结点的每一层前一个结点,将它们放入数组中,然后才能处理好目标结点的前后结点之间的关系。

  另外就是它的查找逻辑,设cur来遍历结点,那么cur的移动就有两种情况,一种是目标值大于cur下一个结点的值的话,cur就向右走;另一种就是小于,那么cur就向下走(--level)。再然后就是等于了。

跳表跟平衡搜索树及哈希表的对比

跟平衡搜索树 

  二者都可以做到遍历数据有序,并且时间复杂度都差不多。

  跳表跟平衡搜索树(AVL树和RB树)的优势就是:

1. 跳表实现简单,且容易控制。不像AVL树和RB树非常复杂,跳表这里我们删除操作都很容易就实现了。

2.跳表的空间消耗相对较低,不像平衡搜索树,不仅每个结点都有三叉链(指针),而且还要存平衡因子或者颜色。当跳表中的p = 1/2时,每个结点所包含的指针个数为2;p = 1/4时,每个结点所包含的指针个数为1.33。

因此,跟平衡搜索树比起来,还有是有优势的。

跟哈希表

跳表跟哈希表比起来,各有优缺点。

跳表的优点:

1.空间消耗还是略低哈希表。哈希表存在链表指针和表空间的消耗。

2.跳表遍历数据能有序。

3.哈希表扩容时有性能损耗。跳表就没有。

4.在极端场景下,哈希表哈希冲突高,效率下降的厉害,还需要红黑树来接力,增加了算法复杂度。

哈希表的优点:

时间复杂度是O(1),比跳表要快。

所以这样看来,跳表跟哈希表比起来,有些还是有优势的,但是没有跟平衡搜索树比起来那么大。