微信搜一搜「bigsai」关注这个有趣的程序员，一块儿作个朋友
新人原创公众号，求支持一下！你的点赞三连确定对我相当重要！
文章已收录在 个人Github bigsai-algorithm 欢迎starjava
前言
跳表是面试常问的一种数据结构，它在不少中间件和语言中获得应用，咱们熟知的就有Redis跳表。而且在面试的不少场景可能会问到，偶尔还会让你手写试一试(跳表可能会让手写，红黑树是不可能的)，这不，给大伙复原一个场景：node
但你别慌，遇到蘑菇头这种面试官也别怕，由于你看到这篇文章了(得意😏)，不用像熊猫那样窘迫。git
对于一个数据结构或算法，人群数量从听过名称、了解基本原理、清楚执行流程、可以手写 呈抖降的趋势。由于不少数据结构与算法其核心原理可能简单，但清楚其执行流程就须要动脑子去思考想明白，可是若是可以把它写出来，那就要本身一步步去设计和实现。可能要花好久才能真正写出来，而且还可能要查阅大量的资料。程序员
而本文在前面进行介绍跳表，后面部分详细介绍跳表的设计和实现，搞懂跳表，这一篇真的就够了。github
快速了解跳表
跳跃表(简称跳表)由美国计算机科学家***William Pugh发明于1989年***。他在论文《Skip lists: a probabilistic alternative to balanced trees》中详细介绍了跳表的数据结构和插入删除等操做。面试
跳表(SkipList，全称跳跃表)是用于有序元素序列快速搜索查找的一个数据结构，跳表是一个随机化的数据结构，实质就是一种能够进行二分查找的有序链表。跳表在原有的有序链表上面增长了多级索引，经过索引来实现快速查找。跳表不只能提升搜索性能，同时也能够提升插入和删除操做的性能。它在性能上和红黑树，AVL树不相上下，可是跳表的原理很是简单，实现也比红黑树简单不少。算法
在这里你能够看到一些关键词：链表(有序链表)、索引、二分查找。想必你的脑海中已经有了一个初略的印象，不过你可能仍是不清楚这个"会跳的链表"有多diao，甚至还可能会产生一点疑虑：跟随机化有什么关系？你在下文中很快就能获得答案！数组
回顾链表，咱们知道链表和顺序表(数组)一般都是相爱相杀，成对出现，各有优劣。而链表的优点就是更高效的插入、删除。痛点就是查询很慢很慢！每次查询都是一种O(n)复杂度的操做，链表估计本身都气的想哭了😢。微信
这是一个带头结点的链表(头结点至关于一个固定的入口，不存储有意义的值)，每次查找都须要一个个枚举，至关的慢，咱们能不能稍微优化一下，让它稍微跳一跳呢？答案是能够的，咱们知道不少算法和数据结构以空间换时间，咱们在上面加一层索引，让部分节点在上层可以直接定位到，这样链表的查询时间近乎减小一半，链表本身虽然没有开心起来，但收起了它想哭的脸。数据结构
这样，在查询某个节点的时候，首先会从上一层快速定位节点所在的一个范围，若是找到具体范围向下而后查找代价很小，固然在表的结构设计上会增长一个向下的索引(指针)用来查找肯定底层节点。平均查找速度平均为O(n/2)。可是当节点数量很大的时候，它依旧很慢很慢。咱们都知道二分查找是每次都能折半的去压缩查找范围，要是有序链表也能这么跳起来那就太完美了。没错跳表就能让链表拥有近乎的接近二分查找的效率的一种数据结构，其原理依然是给上面加若干层索引，优化查找速度。
经过上图你能够看到，经过这样的一个数据结构对有序链表进行查找都能近乎二分的性能。就是在上面维护那么多层的索引，首先在最高级索引上查找最后一个小于当前查找元素的位置，而后再跳到次高级索引继续查找，直到跳到最底层为止，这时候以及十分接近要查找的元素的位置了(若是查找元素存在的话)。因为根据索引能够一次跳过多个元素，因此跳查找的查找速度也就变快了。
对于理想的跳表，每向上一层索引节点数量都是下一层的1/2.那么若是n个节点增长的节点数量(1/2+1/4+…)<n。而且层数较低，对查找效果影响不大。可是对于这么一个结构，你可能会疑惑，这样完美的结构真的存在吗？大几率不存在的，由于做为一个链表，少不了增删该查的一些操做。而删除和插入可能会改变整个结构，因此上面的这些都是理想的结构，在插入的时候是否添加上层索引是个几率问题(1/2的几率)，在后面会具体讲解。
跳表的增删改查
上面稍微了解了跳表是个啥，那么在这里就给你们谈谈跳表的增删改查过程。在实现本跳表的过程为了便于操做，咱们将跳表的头结点(head)的key设为int的最小值(必定知足左小右大方便比较)。
对于每一个节点的设置，设置成SkipNode类，为了防止初学者将next向下仍是向右搞混，直接设置right，down两个指针。
class SkipNode<T> { int key; T value; SkipNode right,down;//右下个方向的指针 public SkipNode (int key,T value) { this.key=key; this.value=value; } }
跳表的结构和初始化也很重要，其主要参数和初始化方法为：
public class SkipList <T> { SkipNode headNode;//头节点，入口 int highLevel;//当前跳表索引层数 Random random;// 用于投掷硬币 final int MAX_LEVEL = 32;//最大的层 SkipList(){ random=new Random(); headNode=new SkipNode(Integer.MIN_VALUE,null); highLevel=0; } //其余方法 }
查询操做
不少时候链表也可能这样相连仅仅是某个元素或者key做为有序的标准。因此有可能链表内部存在一些value。不过修改和查询其实都是一个操做，找到关键数字(key)。而且查找的流程也很简单，设置一个临时节点team=head。当team不为null其流程大体以下：
(1) 从team节点出发，若是当前节点的key与查询的key相等，那么返回当前节点(若是是修改操做那么一直向下进行修改值便可)。
(2) 若是key不相等，且右侧为null，那么证实只能向下(结果可能出如今下右方向)，此时team=team.down
(3) 若是key不相等，且右侧不为null，且右侧节点key小于待查询的key。那么说明同级还可向右，此时team=team.right
(4)（不然的状况）若是key不相等，且右侧不为null，且右侧节点key大于待查询的key 。那么说明若是有结果的话就在这个索引和下个索引之间，此时team=team.down。
最终将按照这个步骤返回正确的节点或者null(说明没查到)。
例如上图查询12节点，首先第一步从head出发发现右侧不为空，且7<12,向右；第二步右侧为null向下；第三步节点7的右侧10<12继续向右；第四步10右侧为null向下；第五步右侧12小于等于向右。第六步起始发现相等返回节点结束。
而这块的代码也很是容易：
public SkipNode search(int key) { SkipNode team=headNode; while (team!=null) { if(team.key==key) { return team; } else if(team.right==null)//右侧没有了，只能降低 { team=team.down; } else if(team.right.key>key)//须要降低去寻找 { team=team.down; } else //右侧比较小向右 { team=team.right; } } return null; }
删除操做
删除操做比起查询稍微复杂一丢丢，可是比插入简单。删除须要改变链表结构因此须要处理好节点之间的联系。对于删除操做你须要谨记如下几点：
(1)删除当前节点和这个节点的先后节点都有关系
(2)删除当前层节点以后，下一层该key的节点也要删除，一直删除到最底层
根据这两点分析一下：若是找到当前节点了，它的前面一个节点怎么查找呢？这个总不能在遍历一遍吧！有的使用四个方向的指针(上下左右)用来找到左侧节点。是能够的，可是这里能够特殊处理一下 ，不直接判断和操做节点，先找到待删除节点的左侧节点。经过这个节点便可完成删除，而后这个节点直接向下去找下一层待删除的左侧节点。设置一个临时节点team=head，当team不为null具体循环流程为：
(1)若是team右侧为null，那么team=team.down(之因此敢直接这么判断是由于左侧有头结点在左侧，不用担忧特殊状况)
(2)若是team右侧不 为null，而且右侧的key等于待删除的key，那么先删除节点，再team向下team=team.down为了删除下层节点。
(3)若是team右侧不 为null，而且右侧key小于待删除的key，那么team向右team=team.right。
(4)若是team右侧不 为null，而且右侧key大于待删除的key，那么team向下team=team.down，在下层继续查找删除节点。
例如上图删除10节点，首先team=head从team出发，7<10向右(team=team.right后面省略)；第二步右侧为null只能向下；第三部右侧为10在当前层删除10节点而后向下继续查找下一层10节点；第四步8<10向右；第五步右侧为10删除该节点而且team向下。team为null说明删除完毕退出循环。
删除操做实现的代码以下：
public void delete(int key)//删除不须要考虑层数 { SkipNode team=headNode; while (team!=null) { if (team.right == null) { //右侧没有了，说明这一层找到，没有只能降低 team=team.down; } else if(team.right.key==key)//找到节点，右侧即为待删除节点 { team.right=team.right.right;//删除右侧节点 team=team.down;//向下继续查找删除 } else if(team.right.key>key)//右侧已经不可能了，向下 { team=team.down; } else { //节点还在右侧 team=team.right; } } }
插入操做
插入操做在实现起来是最麻烦的，须要的考虑的东西最多。回顾查询，不须要动索引；回顾删除，每层索引若是有删除就是了。可是插入不同了，插入须要考虑是否插入索引，插入几层等问题。因为须要插入删除因此咱们确定没法维护一个彻底理想的索引结构，由于它耗费的代价过高。但咱们使用随机化的方法去判断是否向上层插入索引。即产生一个[0-1]的随机数若是小于0.5就向上插入索引，插入完毕后再次使用随机数判断是否向上插入索引。运气好这个值多是多层索引，运气很差只插入最底层(这是100%插入的)。可是索引也不能不限制高度，咱们通常会设置索引最高值若是大于这个值就不往上继续添加索引了。
咱们一步步剖析该怎么作，其流程为
(1)首先经过上面查找的方式，找到待插入的左节点。插入的话最底层确定是须要插入的，因此经过链表插入节点(须要考虑是否为末尾节点)
(2)插入完这一层，须要考虑上一层是否插入，首先判断当前索引层级，若是大于最大值那么就中止(好比已经到最高索引层了)。不然设置一个随机数1/2的几率向上插入一层索引(由于理想状态下的就是每2个向上建一个索引节点)。
(3)继续(2)的操做，直到几率退出或者索引层数大于最大索引层。
在具体向上插入的时候，实质上还有很是重要的细节须要考虑。首先如何找到上层的待插入节点 ？
这个各个实现方法可能不一样，若是有左、上指向的指针那么能够向左向上找到上层须要插入的节点，可是若是只有右指向和下指向的咱们也能够巧妙的借助查询过程当中记录降低的节点。由于曾经降低的节点倒序就是须要插入的节点，最底层也不例外(由于没有匹配值会降低为null结束循环)。在这里我使用栈这个数据结构进行存储，固然使用List也能够。下图就是给了一个插入示意图。
其次若是该层是目前的最高层索引，须要继续向上创建索引应该怎么办？
首先跳表最初确定是没索引的，而后慢慢添加节点才有一层、二层索引，可是若是这个节点添加的索引突破当前最高层，该怎么办呢？
这时候须要注意了，跳表的head须要改变了，新建一个ListNode节点做为新的head，将它的down指向老head，将这个head节点加入栈中(也就是这个节点做为下次后面要插入的节点)，就好比上面的9节点若是运气够好在往上创建一层节点，会是这样的。
插入上层的时候注意全部节点要新建(拷贝)，除了right的指向down的指向也不能忘记，down指向上一个节点能够用一个临时节点做为前驱节点。若是层数突破当前最高层，头head节点(入口)须要改变。
这部分更多的细节在代码中注释解释了，详细代码为：
public void add(SkipNode node) { int key=node.key; SkipNode findNode=search(key); if(findNode!=null)//若是存在这个key的节点 { findNode.value=node.value; return; } Stack<SkipNode>stack=new Stack<SkipNode>();//存储向下的节点，这些节点可能在右侧插入节点 SkipNode team=headNode;//查找待插入的节点 找到最底层的哪一个节点。 while (team!=null) { //进行查找操做 if(team.right==null)//右侧没有了，只能降低 { stack.add(team);//将曾经向下的节点记录一下 team=team.down; } else if(team.right.key>key)//须要降低去寻找 { stack.add(team);//将曾经向下的节点记录一下 team=team.down; } else //向右 { team=team.right; } } int level=1;//当前层数，从第一层添加(第一层必须添加，先添加再判断) SkipNode downNode=null;//保持前驱节点(即down的指向，初始为null) while (!stack.isEmpty()) { //在该层插入node team=stack.pop();//抛出待插入的左侧节点 SkipNode nodeTeam=new SkipNode(node.key, node.value);//节点须要从新建立 nodeTeam.down=downNode;//处理竖方向 downNode=nodeTeam;//标记新的节点下次使用 if(team.right==null) { //右侧为null 说明插入在末尾 team.right=nodeTeam; } //水平方向处理 else { //右侧还有节点，插入在二者之间 nodeTeam.right=team.right; team.right=nodeTeam; } //考虑是否须要向上 if(level>MAX_LEVEL)//已经到达最高级的节点啦 break; double num=random.nextDouble();//[0-1]随机数 if(num>0.5)//运气很差结束 break; level++; if(level>highLevel)//比当前最大高度要高可是依然在容许范围内 须要改变head节点 { highLevel=level; //须要建立一个新的节点 SkipNode highHeadNode=new SkipNode(Integer.MIN_VALUE, null); highHeadNode.down=headNode; headNode=highHeadNode;//改变head stack.add(headNode);//下次抛出head } } }
总结
对于上面，跳表完整分析就结束啦，固然，你可能看到不一样品种跳表的实现，还有的用数组方式表示上下层的关系这样也能够，但本文只定义right和down两个方向的链表更纯正化的讲解跳表。
对于跳表以及跳表的同类竞争产品：红黑树，为啥Redis的有序集合(zset) 使用跳表呢？由于跳表除了查找插入维护和红黑树有着差很少的效率，它是个链表，能肯定范围区间，而区间问题在树上可能就没那么方便查询啦。而JDK中跳跃表ConcurrentSkipListSet和ConcurrentSkipListMap。 有兴趣的也能够查阅一下源码。
对于学习，完整的代码是很是重要的，这里我把完整代码贴出来，须要的自取。
import java.util.Random; import java.util.Stack; class SkipNode<T> { int key; T value; SkipNode right,down;//左右上下四个方向的指针 public SkipNode (int key,T value) { this.key=key; this.value=value; } } public class SkipList <T> { SkipNode headNode;//头节点，入口 int highLevel;//层数 Random random;// 用于投掷硬币 final int MAX_LEVEL = 32;//最大的层 SkipList(){ random=new Random(); headNode=new SkipNode(Integer.MIN_VALUE,null); highLevel=0; } public SkipNode search(int key) { SkipNode team=headNode; while (team!=null) { if(team.key==key) { return team; } else if(team.right==null)//右侧没有了，只能降低 { team=team.down; } else if(team.right.key>key)//须要降低去寻找 { team=team.down; } else //右侧比较小向右 { team=team.right; } } return null; } public void delete(int key)//删除不须要考虑层数 { SkipNode team=headNode; while (team!=null) { if (team.right == null) { //右侧没有了，说明这一层找到，没有只能降低 team=team.down; } else if(team.right.key==key)//找到节点，右侧即为待删除节点 { team.right=team.right.right;//删除右侧节点 team=team.down;//向下继续查找删除 } else if(team.right.key>key)//右侧已经不可能了，向下 { team=team.down; } else { //节点还在右侧 team=team.right; } } } public void add(SkipNode node) { int key=node.key; SkipNode findNode=search(key); if(findNode!=null)//若是存在这个key的节点 { findNode.value=node.value; return; } Stack<SkipNode>stack=new Stack<SkipNode>();//存储向下的节点，这些节点可能在右侧插入节点 SkipNode team=headNode;//查找待插入的节点 找到最底层的哪一个节点。 while (team!=null) { //进行查找操做 if(team.right==null)//右侧没有了，只能降低 { stack.add(team);//将曾经向下的节点记录一下 team=team.down; } else if(team.right.key>key)//须要降低去寻找 { stack.add(team);//将曾经向下的节点记录一下 team=team.down; } else //向右 { team=team.right; } } int level=1;//当前层数，从第一层添加(第一层必须添加，先添加再判断) SkipNode downNode=null;//保持前驱节点(即down的指向，初始为null) while (!stack.isEmpty()) { //在该层插入node team=stack.pop();//抛出待插入的左侧节点 SkipNode nodeTeam=new SkipNode(node.key, node.value);//节点须要从新建立 nodeTeam.down=downNode;//处理竖方向 downNode=nodeTeam;//标记新的节点下次使用 if(team.right==null) { //右侧为null 说明插入在末尾 team.right=nodeTeam; } //水平方向处理 else { //右侧还有节点，插入在二者之间 nodeTeam.right=team.right; team.right=nodeTeam; } //考虑是否须要向上 if(level>MAX_LEVEL)//已经到达最高级的节点啦 break; double num=random.nextDouble();//[0-1]随机数 if(num>0.5)//运气很差结束 break; level++; if(level>highLevel)//比当前最大高度要高可是依然在容许范围内 须要改变head节点 { highLevel=level; //须要建立一个新的节点 SkipNode highHeadNode=new SkipNode(Integer.MIN_VALUE, null); highHeadNode.down=headNode; headNode=highHeadNode;//改变head stack.add(headNode);//下次抛出head } } } public void printList() { SkipNode teamNode=headNode; int index=1; SkipNode last=teamNode; while (last.down!=null){ last=last.down; } while (teamNode!=null) { SkipNode enumNode=teamNode.right; SkipNode enumLast=last.right; System.out.printf("%-8s","head->"); while (enumLast!=null&&enumNode!=null) { if(enumLast.key==enumNode.key) { System.out.printf("%-5s",enumLast.key+"->"); enumLast=enumLast.right; enumNode=enumNode.right; } else{ enumLast=enumLast.right; System.out.printf("%-5s",""); } } teamNode=teamNode.down; index++; System.out.println(); } } public static void main(String[] args) { SkipList<Integer>list=new SkipList<Integer>(); for(int i=1;i<20;i++) { list.add(new SkipNode(i,666)); } list.printList(); list.delete(4); list.delete(8); list.printList(); } }
进行测试一下能够发现跳表仍是挺完美的(自诩一下)。
原创不易，bigsai的朋友们帮两件事帮忙一下:
-
点赞、在看、分享支持一下， 您的确定是我创做的源源动力。
-
微信搜索「bigsai」，关注个人原创技术公众号，我还会第一时间在公众号分享知识技术。加我还可拉你进力扣打卡群一块儿打卡LeetCode。
我们下次再见！
本文同步分享在 博客“Big sai”（CSDN）。
若有侵权，请联系 support@oschina.cn 删除。
本文参与“OSC源创计划”，欢迎正在阅读的你也加入，一块儿分享。