数据结构——跳表

Ne0inhk

— 11 min read
数据结构——跳表

目录

1.什么是跳表-skiplist

2.skiplist的效率如何保证？

3.skiplist的实现

4.skiplist跟平衡搜索树和哈希表的对比

1.什么是跳表-skiplist

        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。那么相比而言它的优势是什么的呢？这么等我们学习完它的细节实现，我们再来对比

        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)

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)

        

        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：

2.skiplist的效率如何保证？

        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伪代码如下图：

在Redis的skiplist实现中，这两个参数的取值为：

p = 1/4 maxLevel = 32

        根据前面randomLevel()的伪码，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
  • 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)
  • 以此类推

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：

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

        跳表的平均时间复杂度为O(logN)，这个推导的过程较为复杂，需要有一定的数学功底

3.skiplist的实现

我们通过一道题来实现跳表

https://leetcode.cn/problems/design-skiplist/description/

        对于跳表的查找,我们首先将查找值与当前节点的值比较,如果比当前值大就想右走,如果小就向下走,同时也应该注意如果下一个节点为空的话也要向下走

bool search(int target) { Node* cur = _head; int level = _head->_nextV.size() - 1; while(level >= 0) { //下一个节点不为空且查找值比下一个节点的值大,向右走 //下一个节点为空或者查找值比下一个节点的值小,向下走 if(cur->_nextV[level] && cur->_nextV[level]->_val < target) { //向右走 cur = cur->_nextV[level]; } else if(cur->_nextV[level] == nullptr || cur->_nextV[level]->_val > target) { //向下走 --level; } else { return true; } } return false; }

        跳表的层数我们通过公式来进行控制层数出现的概率

int RandomLevel(){ size_t level = 1; while(rand() < RAND_MAX*_p && level < _maxLevel) { ++level; } return level; }

        跳表的插入我们首先需要判断究竟插入在哪一层,而对于删除时也需要判断删除值的层数,所以直接写成一个函数方便调用,减少代码的冗余性

vector<Node*> FindPrevNode(int num) { Node* cur = _head; int level = _head->_nextV.size() - 1; vector<Node*> prevV(level + 1, _head); while(level >= 0) { if(cur->_nextV[level] && cur->_nextV[level]->_val < num) { //向右走 cur = cur->_nextV[level]; } else if(cur->_nextV[level] == nullptr || cur->_nextV[level]->_val >= num) { //更新level层前一个节点,向下走 prevV[level]=cur; --level; } } return prevV; }
void add(int num) { vector<Node*> prevV = FindPrevNode(num); int n = RandomLevel(); Node* newnode = new Node(num, n); //如果n大于当前层数,就升高 if(n > _head->_nextV.size()) { _head->_nextV.resize(n, nullptr); prevV.resize(n, _head); } //链接前后节点 for(size_t i =0; i < n; ++i) { newnode->_nextV[i] = prevV[i]->_nextV[i]; prevV[i]->_nextV[i] = newnode; } }

        跳表删除时只需要整体遍历即可,同时我们还可以对其进行一些小的优化,如果删除了最高层的节点的话,我们将层数下降,可以提高效率

bool erase(int num) { vector<Node*> prevV = FindPrevNode(num); if(prevV[0]->_nextV[0] == nullptr || prevV[0]->_nextV[0]->_val != num) { return false; } else { Node* del = prevV[0]->_nextV[0]; for(size_t i = 0; i < del->_nextV.size(); ++i) { prevV[i]->_nextV[i] = del->_nextV[i]; } delete del; //删除最高层节点,将头节点层数下降 int i = _head->_nextV.size() - 1; while(i >= 0) { if(_head->_nextV[i] == nullptr) --i; else break; } _head->_nextV.resize(i + 1); return true; } }

        我们可以写出输出函数来查看结果,写oj题时不需要,这里只是为了进一步理解跳表的结构

void Print() { int level = _head->_nextV.size(); for(int i = level - 1; i >= 0; --i) { Node* cur = _head; while(cur) { printf("%d->", cur->_val); cur = cur->_nextV[i]; } printf("\n"); } }
struct SkiplistNode { int _val; vector<SkiplistNode*> _nextV; SkiplistNode(int val,int level):_val(val), _nextV(level,nullptr) { } }; class Skiplist { typedef SkiplistNode Node; public: Skiplist() { //头节点,层数为1 _head = new SkiplistNode(-1, 1); } bool search(int target) { Node* cur = _head; int level = _head->_nextV.size() - 1; while(level >= 0) { //下一个节点不为空且查找值比下一个节点的值大,向右走 //下一个节点为空或者查找值比下一个节点的值小,向下走 if(cur->_nextV[level] && cur->_nextV[level]->_val < target) { //向右走 cur = cur->_nextV[level]; } else if(cur->_nextV[level] == nullptr || cur->_nextV[level]->_val > target) { //向下走 --level; } else { return true; } } return false; } vector<Node*> FindPrevNode(int num) { Node* cur = _head; int level = _head->_nextV.size() - 1; vector<Node*> prevV(level + 1, _head); while(level >= 0) { if(cur->_nextV[level] && cur->_nextV[level]->_val < num) { //向右走 cur = cur->_nextV[level]; } else if(cur->_nextV[level] == nullptr || cur->_nextV[level]->_val >= num) { //更新level层前一个节点,向下走 prevV[level]=cur; --level; } } return prevV; } void add(int num) { vector<Node*> prevV = FindPrevNode(num); int n = RandomLevel(); Node* newnode = new Node(num, n); //如果n大于当前层数,就升高 if(n > _head->_nextV.size()) { _head->_nextV.resize(n, nullptr); prevV.resize(n, _head); } //链接前后节点 for(size_t i =0; i < n; ++i) { newnode->_nextV[i] = prevV[i]->_nextV[i]; prevV[i]->_nextV[i] = newnode; } } bool erase(int num) { vector<Node*> prevV = FindPrevNode(num); if(prevV[0]->_nextV[0] == nullptr || prevV[0]->_nextV[0]->_val != num) { return false; } else { Node* del = prevV[0]->_nextV[0]; for(size_t i = 0; i < del->_nextV.size(); ++i) { prevV[i]->_nextV[i] = del->_nextV[i]; } delete del; //删除最高层节点,将头节点层数下降 int i = _head->_nextV.size() - 1; while(i >= 0) { if(_head->_nextV[i] == nullptr) --i; else break; } _head->_nextV.resize(i + 1); return true; } } int RandomLevel(){ size_t level = 1; while(rand() < RAND_MAX*_p && level < _maxLevel) { ++level; } return level; } void Print() { int level = _head->_nextV.size(); for(int i = level - 1; i >= 0; --i) { Node* cur = _head; while(cur) { printf("%d->", cur->_val); cur = cur->_nextV[i]; } printf("\n"); } } private: Node* _head; size_t _maxLevel=32; double _p=0.25; };

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。相比而言a、哈希表平均时间复杂度是 O(1)，比skiplist快。b、哈希表空间消耗略多一点。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。c、哈希表扩容有性能损 耗。d、哈希表极端场景下哈希冲突高，效率下降厉害，需要红黑树来补足缺点

Read more

Python 代码打包为 exe 全攻略：6 种主流方法原理 + 步骤 + 避坑指南

Python 代码打包为 exe 全攻略（2025–2026 主流方案） 目前 Python 程序打包成 Windows 可执行文件（.exe）的方案已经非常成熟，主要有以下 6 种主流/常用的方式： 排名工具名称是否打包解释器文件体积启动速度兼容性维护活跃度推荐场景难度1PyInstaller是中～大较慢★★★★★非常活跃几乎所有场景首选★★☆2Nuitka编译为 C → exe中～小很快★★★★☆活跃追求速度 & 体积小的项目★★★3PyOxidizerRust 打包中～小很快★★★★活跃追求极致启动速度 & 现代化★★★★4cx_Freeze是中较慢★★★★一般简单脚本、跨平台需求★★☆5py2exe是中～大较慢★★★较少维护极老项目兼容（Python 3 支持一般）★★☆6Shiv / PEX不打包，zipapp非常小快★★★★活跃命令行工具、分发给有 Python

By Ne0inhk

3个步骤打造高智能的Python QQ聊天机器人：零基础入门完全开发指南

3个步骤打造高智能的Python QQ聊天机器人：零基础入门完全开发指南 【免费下载链接】qqbotQQBot: A conversation robot base on Tencent's SmartQQ 项目地址: https://gitcode.com/gh_mirrors/qq/qqbot Python QQ机器人是一种基于腾讯SmartQQ协议的智能聊天助手，能够实现消息监控、自动回复、定时推送等多种功能。本文将通过"基础认知→实战开发→进阶拓展"三段式架构，带您从零开始构建属于自己的智能聊天机器人。 一、认知篇：揭开Python QQ机器人的神秘面纱 💡 知识点提示：了解QQ机器人的核心价值与应用场景，帮助你明确开发目标 1.1 如何理解QQ机器人的核心价值 QQ机器人本质上是一种协议封装（Protocol Encapsulation）工具，它就像一个&

By Ne0inhk

5个维度带你掌握python-okx库：从API整合痛点到量化交易落地

5个维度带你掌握python-okx库：从API整合痛点到量化交易落地 【免费下载链接】python-okx 项目地址: https://gitcode.com/GitHub_Trending/py/python-okx 作为一名有2年经验的加密货币量化开发者，我曾为整合OKX交易所API付出过惨痛代价。3000行冗余代码、15个零散接口调用、3次生产环境连接中断——这些数字背后是无数个调试到凌晨的夜晚。直到遇见python-okx库，我才发现：原来连接交易所API可以像高速公路通行般顺畅。本文将从架构设计、场景落地、性能优化等五个维度，带你彻底掌握这款工具的实战价值，让你的量化交易系统开发效率提升一个数量级。 直击行业痛点：加密货币API开发的三大陷阱 在量化交易领域，API整合向来是开发者的"噩梦起点"。我曾见过三个典型陷阱，每个都可能让项目功亏一篑。 第一个陷阱是接口碎片化。OKX V5 API包含18个业务模块、超过120个接口方法，手动封装不仅耗时，还容易遗漏关键功能。某团队曾因缺少WebSocket断线重连机制，导致行情数据中断3小时，直接造成约2万美元损失。

By Ne0inhk