摘要

跳表可以降低有序链表的添加、删除和搜索的平均时间复杂度。跳表的应用场景也是比较多，比如在 Redis 中使用。它的实现逻辑也是值得去学习的。

一个有序链表的搜索、添加和删除的平均时间复杂度为 O(n)。那么，是否可以利用二分搜索法优化有序链表，使得有序链表的搜索、添加和删除的平均时间复杂度降低为 O(logn)？

我们知道，数组是可以高效的随机访问的，因为数组是存在索引的。但是链表不具备索引，所以不能像有序数组那样直接使用二分搜优化。那么有什么其他方法可以让有序数组的搜索、添加和删除的平均时间复杂度为 O(logn) 呢？

答案是一定存在的，那就是跳表！！！

什么是跳表？

跳表也被称为跳跃表，或者跳跃列表，就是在有序链表的基础上增加了“跳跃”的功能。它是由 William Pugh 在 1990 年发布的，设计的初衷是为了取代平衡树（比如红黑树）。

著名的 Key-Value 数据库，比如 Redis 和 LevelDB。Redis 中的 SortedSet，LevelDB 中的 MemTable 都用到了跳表。

跳表相对于平衡树，跳表的实现和维护会更加简单。跳表的搜索、删除和添加的平均时间复杂度是 O(logn)，如下图（图片来自网络）：

搜索

在跳表中搜索时，按照以下步骤进行：

1. 从顶层链表的首元素开始，从左到右搜索，直至找到一个大于或等于目标的元素，或者到达当前层链表的尾部；
2. 如果该元素等于目标元素，则表明该元素已被找到；
3. 如果该元素大于目标元素或者已到达链表的尾部，则退回到当前层的前一个元素，然后转入下一层进行搜索。

添加和删除

跳表中添加元素时，随机确定新添加元素的层数。删除元素时，整个跳表的层数也可能会降低。

层数

跳表是按照层构建的，底层是一个普通的有序链表，高层相当于是低层的“快速通道”。

假设在第 i 层出现的元素 x，在第 i+1 层出现 x 的固定概率为 p，那么，产出越高的层数，概率就越低了，比如：

• 元素层数恰好等于 1 的概率为 1-p；
• 元素层数大于等于 2 的概率为 p，而元素层数恰好等于 2 的概率为 p*(1-p)；
• 元素层数大于等于 3 的概率为 p^2，而元素层数恰好等于 3 的概率为 p^2 * (1-p)；
• 元素层数大于等于 4 的概率为 p^3，而元素层数恰好等于 4 的概率为 p^3 * (1-p)；
• ......

以此类推，一个元素的平均层数是 1 / (1 - p)。通常 p 的值设置为 1/2 或者 1/4，所以每个元素所包含的平均指针数量是 2 或者 1.33。

实现代码

先创建一个类，在类中定义一些属性，并实现一些简单的函数：

public class SkipList {
    // 最大层数
    private static final int MAX_LEVEL = 32;
    // 概率值
    private static final double p = 0.5;
    // 元素数量
    private int size;
    // 比较函数
    private Comparator comparator;
    // 有效层数
    private int level;
    // 不存放任何 K-V
    private Node first;

    public SkipList(Comparator comparator) {
        this.comparator = comparator;
        first = new Node<>(null, null, MAX_LEVEL);
        first.nexts = new Node[MAX_LEVEL];
    }

    public SkipList() {
        this(null);
    }

    public int size() {
        return size;
    }

    public boolean isEmpty() {
        return size == 0;
    }
}

comparator 属性定义时需要引入 java.util.Comparator 系统工具类。

在 SkipList 类的构造函数中，可以看到 Node 类的创建需要传入 3 个参数，其中一个是传递层数，因为 Node 中需要定义一个数组来存放指向不同层的指针：

private static class Node {
    K key;
    V value;
    Node[] nexts;
    public Node(K key, V value, int level) {
        super();
        this.key = key;
        this.value = value;
        this.nexts = new Node[level];
    }
}

添加元素

接下来实现添加元素函数，在实现过程中要这几步走：

1. 从顶层开始，遍历每一层，找到要添加元素的所有前驱节点，如果出现添加的元素和跳表中的元素相同，那么就替换它，结束；
2. 对新添加的元素创建一个新的节点，随机一个层数，然后遍历新的层数，将新的节点添加进去；
3. size 加一，重新确定跳表的层高。

public V put(K key, V value) {
    keyCheck(key);

    Node node = first;
    Node[] prevs = new Node[level];
    for (int i = level - 1; i >= 0; i--) {
        int cmp = -1;
        while (node.nexts[i] != null && (cmp = compare(key, node.nexts[i].key)) > 0) {
            node = node.nexts[i];
        }

        if (cmp == 0) { // 节点存在
            V oldV = node.nexts[i].value;
            node.nexts[i].value = value;
            return oldV;
        }
        prevs[i] = node;
    }

    // 新节点的层数
    int newLevel = randomLevel();
    // 添加新节点
    Node newNode = new Node<>(key, value, newLevel); 
    // 设置前驱和后继
    for (int i = 0; i < newLevel; i++) {
        if (i >= level) {
            first.nexts[i] = newNode;
        } else {
            newNode.nexts[i] = prevs[i].nexts[i];
            prevs[i].nexts[i] = newNode;
        }
    }
    // 节点数量增加
    size++;
    // 计算跳表的最终层数
    level = Math.max(level, newLevel);
    return null;
}

随机层数的函数需要 p 和 MAX_LEVEL 一起来确定：

private int randomLevel() {
    int level = 1;
    while (Math.random() < p && level < MAX_LEVEL) {
        level ++;
    }
    return level;
}

搜索元素

搜索元素就简单很多了，就是一层层的遍历，每一层都从头遍历到尾部，直至找到元素或者全部遍历完：

public V get(K key) {
    keyCheck(key);
    Node node = first;
    for (int i = level-1; i >= 0; i--) {
        int cmp = -1;
        while (node.nexts[i] != null && (cmp = compare(key, node.nexts[i].key)) > 0) {
            node = node.nexts[i];
        }

        if (cmp == 0) return node.nexts[i].value;
    }
    return null;
}

删除元素

删除元素和添加元素的第一步比较相似，需要多留意不同的地方：

1. 从高层到低层，从头到尾，依次遍历，获取要删除元素的前驱节点，并有个标识，来确定是否存在要删除的元素；
2. 删除节点，也就是要删除的节点的前驱节点指向要删除节点的后继，层与层之间要对应好；
3. 更新层数，如果 first 节点直接指向 null，那么就可以删除该层了。

public V remove(K key) {
    keyCheck(key);
    Node node = first;
    Node[] prevs = new Node[level];
    boolean exist = false;
    for (int i = level-1; i >= 0; i--) {
        int cmp = -1;
        while (node.nexts[i] != null && (cmp = compare(key, node.nexts[i].key)) > 0) {
            node = node.nexts[i];
        }
        prevs[i] = node;
        if (cmp == 0) exist = true;
    }

    if (!exist) return null;

    // 需要被删除的节点
    Node removeNode = node.nexts[0];

    // 设置前驱和后继 ？？？
    for (int i = 0; i < removeNode.nexts.length; i++) {

        prevs[i].nexts[i] = removeNode.nexts[i];
    }

    // 更新跳表的层数
    int newLevel = level;
    while (--newLevel >= 0 && first.nexts[newLevel] == null) {
        level = newLevel;
    }

    // 数量减1
    size--;

    return removeNode.value;
}

为什么 Node removeNode = node.nexts[0]; 就是要删除的节点？

因为跳表的最底层就是一个包含所以节点的有序链表，添加元素也是从底层开始的，node 已经是要删除节点的前驱节点了， nexts[0] 就是最底层的节点，必然指向要删除的节点。

总结

• 跳表可以让添加、删除和搜索的平均时间复杂度降低为 O(logn)；
• 跳表是二分法的思维实现；
• 跳表更改前驱和后继是添加和删除函数的重点。