数据结构:跳表讲解

这篇具有很好参考价值的文章主要介绍了数据结构:跳表讲解。希望对大家有所帮助。如果存在错误或未考虑完全的地方,请大家不吝赐教,您也可以点击"举报违法"按钮提交疑问。

1.什么是跳表-skiplist

1.1简介

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。后面我会进行比对。

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》。

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)。


1.2设计思路


(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(后面讲为什么)

数据结构:跳表讲解,高阶数据结构,数据结构,skiplist,笔记,学习方法,经验分享
这样设计利于查找,查找规则为:

  1. cur表示当前节点,nextV为节点指针数组,j表示下标,key为要查找的值。 其中cur一开始为哨兵节点,j为顶部下标
  2. 从cur位置向右看,如果key大于右边,就直接向右走,即更新cur为右节点
    (即cur = cur->nextV[j])。
  3. 如果key小于右边或者右边为空,直接向下走,即让j减一
  4. 右边等于key找到。
  5. 不存在的情况,j最后会走到-1(看后面图解)。

查找存在的情况:
数据结构:跳表讲解,高阶数据结构,数据结构,skiplist,笔记,学习方法,经验分享

查找不存在的情况:
数据结构:跳表讲解,高阶数据结构,数据结构,skiplist,笔记,学习方法,经验分享


(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,这样搜索效率就进一步提高了。

数据结构:跳表讲解,高阶数据结构,数据结构,skiplist,笔记,学习方法,经验分享


(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退化成O(n)


(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(插入和删除过程后面详细讲,现在只需知道随机层数一样可行):

数据结构:跳表讲解,高阶数据结构,数据结构,skiplist,笔记,学习方法,经验分享



2.跳表的效率分析

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代码如下:

int RandomLevel()
{
     int level = 1;
     //RAND_MAX为rand函数可生成的最大值
     //即rand()落到[0, RAND_MAX * _p]的概率为_p
     while(rand() < RAND_MAX * _p)
     {
         level++;
     }
     return level;
 }

根据前面RandomLevel(),我们很容易看出,产生越高的节点层数,概率越低。定量的分析如下:

  • 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(即第一次就失败)。
  • 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)(第一次成功,第二次失败)。
  • 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:
数据结构:跳表讲解,高阶数据结构,数据结构,skiplist,笔记,学习方法,经验分享

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。
  • p越大,平均层数越多,时间效率就越快,但太大可能导致空间浪费,故一般都会限制最大层数。

跳表的平均时间复杂度为O(logN),我会用图解来帮助大家理解大概,但完整推导的过程较为复杂,需要有一定的数学功底,有兴趣的同学,可以参考以下文章中的讲解:

铁蕾大佬的博客:Redis内部数据结构详解(6)——skiplist

数据结构:跳表讲解,高阶数据结构,数据结构,skiplist,笔记,学习方法,经验分享



3.跳表实现

本文跳表实现以本题为准:设计跳表

3.1类成员设计

//跳表节点
struct SkiplistNode
{
    SkiplistNode(int val, int level)
    {
        _val = val;
       _nextV.resize(level, nullptr); 
    }
    int _val;  //节点值
    vector<SkiplistNode*> _nextV;  //指针数组
};

//跳表
class Skiplist {
public:
    typedef SkiplistNode Node;
    Skiplist() {
        srand(time(0));  //设置随机数种子
        _head = new Node(-1, 1);
    }
    
    double _p = 0.25;  //增加层数的概率
    int _maxLevel = 32;  //限制最大层数
    Node* _head;  //哨兵头节点,存储的是无效数据
    //头节点从一层开始,后面生成了更高层数节点在扩容,减少不必要的查询工作
};

3.2查找

参照设计思路里面讲的即可

bool search(int target) 
{
    int level = _head->_nextV.size() - 1;  //下标从顶部开始
    Node* cur = _head;  //从哨兵位开始
    while(level >= 0)
    {
        //大于,跳到下个节点
        //小于或者空,向下走
        if(cur->_nextV[level] && cur->_nextV[level]->_val < target)  
        {
            cur = cur->_nextV[level];
        }
        else if(!cur->_nextV[level] || cur->_nextV[level]->_val > target)  
        {
            level--;
        }
        else  //找到了
        {
            return true;
        }
    }
    return false;
}

3.3插入

思路很简单,假设当前插入节点有x层,只需要找到这x层每一层对应的前置节点,然后做简单的链接工作即可。
数据结构:跳表讲解,高阶数据结构,数据结构,skiplist,笔记,学习方法,经验分享

//找前置节点
vector<SkiplistNode*> GetPrev(int num)
{
    //核心是找到每一层的前置节点
    //本题允许冗余
    int level = _head->_nextV.size() - 1;
    vector<SkiplistNode*> prevV(level + 1, nullptr);
    Node* cur = _head;
    while(level >= 0)
    {
        //大于,跳到下个节点
        //小于或者空,向下走
        if(cur->_nextV[level] && cur->_nextV[level]->_val < num)  
        {
            cur = cur->_nextV[level];
        }
        else  
        {
            prevV[level] = cur;
            level--;
        }
    }
    return prevV;
}

//插入节点
void add(int num) {
    vector<SkiplistNode*> prevV = GetPrev(num);
    //生成节点
    int n = RandomLevel();
    Node* newnode = new Node(num, n);
    if(n > _head->_nextV.size())   //节点层数超过当前最大
    {
        _head->_nextV.resize(n, nullptr);
        prevV.resize(n, _head);
    }
    //链接节点
    for(int i = 0; i < n; i++)
    {
        newnode->_nextV[i] = prevV[i]->_nextV[i];
        prevV[i]->_nextV[i] = newnode;
    }
}

3.4删除

删除大体分两种情况:

  1. 存在该节点,思路与插入类似,假设当前删除节点有x层,只需要找到这x层每一层对应的前置节点,然后做简单的链接工作即可。
  2. 不存在该节点,那找前置节点的时候第0层的右边要么是空,要么就不是目标值

数据结构:跳表讲解,高阶数据结构,数据结构,skiplist,笔记,学习方法,经验分享

删除还有个可优化的点,不做也不影响正确性:
数据结构:跳表讲解,高阶数据结构,数据结构,skiplist,笔记,学习方法,经验分享

bool erase(int num) {
  vector<SkiplistNode*> prevV = GetPrev(num);
    //随机生成至少有一层节点
    if(prevV[0]->_nextV[0] == nullptr || prevV[0]->_nextV[0]->_val != num)  //不存在
    {
        return false;
    }
    else 
    {
        //记录待删除的节点
        SkiplistNode* del = prevV[0]->_nextV[0];
        for(int i = 0; i < del->_nextV.size(); i++)
        {
            prevV[i]->_nextV[i] = del->_nextV[i];
        }
        delete del;
        //这里不影响正确性,对头节点的多余空间做处理
        int j = _head->_nextV.size() - 1;
        while(j >= 0)
        {
            if(_head->_nextV[j] == nullptr)
            {
                j--;
            }
            else
            {
                break;
            }
        }
        _head->_nextV.resize(j + 1);
        return true;
    }
}

3.5完整代码

struct SkiplistNode
{
    SkiplistNode(int val, int level)
    {
        _val = val;
       _nextV.resize(level, nullptr); 
    }
    int _val;
    vector<SkiplistNode*> _nextV;
};

class Skiplist {
public:
    typedef SkiplistNode Node;
    Skiplist() {
        srand(time(0));
        _head = new Node(-1, 1);
    }
    
    bool search(int target) {
        int level = _head->_nextV.size() - 1;
        Node* cur = _head;
        while(level >= 0)
        {
            //大于,跳到下个节点
            //小于或者空,向下走
            if(cur->_nextV[level] && cur->_nextV[level]->_val < target)  
            {
                cur = cur->_nextV[level];
            }
            else if(!cur->_nextV[level] || cur->_nextV[level]->_val > target)  
            {
                level--;
            }
            else  //找到了
            {
                return true;
            }
        }
        return false;
    }

    vector<SkiplistNode*> GetPrev(int num)
    {
        //核心是找到每一层的前置节点
        //本题允许冗余
        int level = _head->_nextV.size() - 1;
        vector<SkiplistNode*> prevV(level + 1, nullptr);
        Node* cur = _head;
        while(level >= 0)
        {
            //大于,跳到下个节点
            //小于或者空,向下走
            if(cur->_nextV[level] && cur->_nextV[level]->_val < num)  
            {
                cur = cur->_nextV[level];
            }
            else  
            {
                prevV[level] = cur;
                level--;
            }
        }
        return prevV;
    }
    
    void add(int num) {
        vector<SkiplistNode*> prevV = GetPrev(num);
        //链接节点
        int n = RandomLevel();
        Node* newnode = new Node(num, n);
        if(n > _head->_nextV.size())
        {
            _head->_nextV.resize(n, nullptr);
            prevV.resize(n, _head);
        }
        for(int i = 0; i < n; i++)
        {
            newnode->_nextV[i] = prevV[i]->_nextV[i];
            prevV[i]->_nextV[i] = newnode;
        }
    }
    
    bool erase(int num) {
        vector<SkiplistNode*> prevV = GetPrev(num);
        //随机生成至少有一层节点
        if(prevV[0]->_nextV[0] == nullptr || prevV[0]->_nextV[0]->_val != num)  //不存在
        {
            return false;
        }
        else 
        {
            //记录待删除的节点
            SkiplistNode* del = prevV[0]->_nextV[0];
            for(int i = 0; i < del->_nextV.size(); i++)
            {
                prevV[i]->_nextV[i] = del->_nextV[i];
            }
            delete del;
            //这里不影响正确性,对头节点的多余空间做处理
            int j = _head->_nextV.size() - 1;
            while(j >= 0)
            {
                if(_head->_nextV[j] == nullptr)
                {
                    j--;
                }
                else
                {
                    break;
                }
            }
            _head->_nextV.resize(j + 1);
            return true;
        }
    }

    int RandomLevel()
    {
        int level = 1;
        while(rand() < RAND_MAX * _p)
        {
            level++;
        }
        return level;
    }
    double _p = 0.25;
    int _maxLevel = 32;
    Node* _head;
};



文章来源地址https://www.toymoban.com/news/detail-836529.html

4.skiplist跟平衡搜索树和哈希表的对比

  1. 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:
    a、skiplist实现简单,容易控制。平衡树增删查改遍历都更复杂。
    b、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;
  2. skiplist相比哈希表而言,就没有那么大的优势了哈希表平均时间复杂度是O(1),比skiplist快。。
    skiplist优势如下:
    a、遍历数据有序b、skiplist空间消耗略小一点,哈希表存在链接指针和表空间消耗。
    b、哈希表扩容有性能损耗。
    c、哈希表再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,实现复杂。

到了这里,关于数据结构:跳表讲解的文章就介绍完了。如果您还想了解更多内容,请在右上角搜索TOY模板网以前的文章或继续浏览下面的相关文章,希望大家以后多多支持TOY模板网!

本文来自互联网用户投稿,该文观点仅代表作者本人,不代表本站立场。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如若转载,请注明出处: 如若内容造成侵权/违法违规/事实不符,请点击违法举报进行投诉反馈,一经查实,立即删除!

领支付宝红包 赞助服务器费用

相关文章

  • 算法与数据结构-跳表

    对于一个单链表来讲,即便链表中存储的数据是有序的,如果我们要想在其中查找某个数据,也只能从头到尾遍历链表。这样查找效率就会很低,时间复杂度会很高,是 O(n)。 那怎么来提高查找效率呢?如果像图中那样,对链表建立一级“索引”,查找起来是不是就会更快一

    2024年02月13日
    浏览(46)
  • 数据结构---跳表

    在前面的学习过程中我们学习过链表这个容器,这个容器在头部和尾部插入数据的时间复杂度为O(1),但是该容器存在一个缺陷就是不管数据是否有序查找数据是否存在的时间复杂度都是O(N),我们只能通过暴力循环的方式查找数据是否存在,尽管数据是有序的我们也不能通过二

    2024年02月13日
    浏览(36)
  • 【数据结构】3.跳表和散列

    跳表可以近似实现二分查找的效果 以下面长度为7的链表举例,该跳表通过3条链表进行存储。假设要查找元素80: 首先在第2级链表查找,因为80大于40,所以在第3个节点右侧查找 然后在第1级链表查找,因为80大于75,所以在第5个节点右侧查找 最后在第0级链表查找,找到元素

    2024年02月08日
    浏览(45)
  • 数据结构:跳表的原理和运用

    本篇总结的是跳表的相关内容 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 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,如下图所示。这样所有新

    2024年02月22日
    浏览(48)
  • 10.Redis数据结构之跳表

    sortedSet是Redis提供的一个非常特别的数据结构,常用作排行榜等功能,将用户id作为value,关注时间或者分数作为score进行排序。 与其他数据结构相似,zset也有两种不同的实现,分别是zipList和(hash+skipList)。 规则如下: zipList满足以下两个条件 [score,value]键值对数量少于128个;

    2024年02月11日
    浏览(40)
  • Redis 跳表skiplist

    在 单链表中查询一个元素的时间复杂度为O(n),即使该 单链表是有序的 ,我们也 不能通过2分的方式缩减时间复杂度 。        跳跃表(skiplist)是一种 有序数据结构 ,它通过在 每个节点中维持多个指向其他节点的指针(注:可以理解为维护了多条路径),从而达到快速访问节点

    2024年02月11日
    浏览(52)
  • SkipList(跳表)

    SkipList (跳表)首先是链表,但与传统链表相比有几点差异: 元素按照升序排列存储 节点可能包含多个指针,指针跨度不同 【根据元素个数不同,可以建立多级指针(最多可以建立32级指针)】 主要是为了提高查找效率! 源码: 完整结构: 跳跃表是一个双向链表 ,每个节

    2024年02月08日
    浏览(32)
  • 数据结构与算法05:跳表和散列表

    目录 【跳表】 跳表的实现原理 如何确定跳表的层高? 【散列表】 散列函数的设计 散列冲突 (1)开放寻址法(Open Addressing) (2)链表法(chaining) 装载因子 如何设计一个比较合理高效的散列表? 散列表的应用:单词拼写检查 散列表的应用:LRU缓存淘汰算法 【每日一练

    2024年02月07日
    浏览(61)
  • 【算法&数据结构体系篇class36】有序表 (中篇)SB树、跳表

    1 )让每一个叔叔节点为头的数,节点个数都不少于其任何一个侄子节点 2 )也是从底层被影响节点开始向上做路径每个节点检查 3 )与 AVL 树非常像,也是四种违规类型: LL 、 RR 、 LR 、 RL 4 )与 AVL 树非常像,核心点是: LL (做一次右旋)、 RR (做一次左旋) LR 和 RL (利

    2024年02月03日
    浏览(77)
  • 高阶数据结构 ——— 并查集

    并查集是一种树型的数据结构,用于处理一些不相交集合的合并及查询问题。 并查集通常用森林来表示,森林中的每棵树表示一个集合,树中的结点对应一个元素。 说明一下: 虽然利用其他数据结构也能完成不相交集合的合并及查询,但在数据量极大的情况下,其耗费的时

    2024年02月03日
    浏览(54)

觉得文章有用就打赏一下文章作者

支付宝扫一扫打赏

博客赞助

微信扫一扫打赏

请作者喝杯咖啡吧~博客赞助

支付宝扫一扫领取红包,优惠每天领

二维码1

领取红包

二维码2

领红包