跳跃表的原理和实现（Java）
一、高效查找算法
我们在实际开发中经常会有在一堆数据中查找一个指定数据的需求，而常用的支持高效查找算法的实现方式有以下几种：
- 有序数组：这种方式的存储结构，优点是支持数据的随机访问，并且可以采用二分查找算法降低查找操作的复杂度。缺点同样很明显，插入和删除数据时，为了保持元素的有序性，需要进行大量的移动数据的操作。
- 二叉查找树：如果需要一个既支持高效的二分查找算法，又能快速的进行插入和删除操作的数据结构，那首先就是二叉查找树莫属了。缺点是在某些极端情况下，二叉查找树有可能变成一个线性链表。
- 平衡二叉树：二叉树表示不服，于是基于二叉查找树的优点，对其缺点进行改进，引入了平衡的概念。根据平衡算法的不同，具体实现有AVL树、B树（B-Tree）、B+树（B+Tree）、红黑树 等等。但是平衡二叉树的实现多数比较复杂，较难理解。
- 跳跃表：同样支持对数据进行高效的查找，插入和删除数据操作也比较简单，最重要的就是实现比较平衡二叉树真是轻量几个数量级。缺点就是存在一定数据冗余。
二、跳跃表
跳跃表（SkipList）是一种可以替代平衡树的数据结构。跳跃表让已排序的数据分布在多层次的链表结构中，默认是将 Key 值升序排列的，以 0-1 的随机值决定一个数据是否能够攀升到高层次的链表中。它通过容许一定的数据冗余，达到 “以空间换时间” 的目的。
跳跃表的效率和 AVL 相媲美，查找、添加、插入、删除操作都能够在 O(LogN) 的复杂度内完成。讲了那么多，下面就直接进入主题，详细的看一看跳跃表是怎么实现的。
三、跳跃表的实现
上面这张图就是一个跳跃表的实例，先说一下跳跃表的构造特征：
-
一个跳跃表应该有若干个层（Level）链表组成；
-
跳跃表中最底层的链表包含所有数据； 每一层链表中的数据都是有序的；
-
如果一个元素 X 出现在第i层，那么编号比 i 小的层都包含元素 X；
-
第 i 层的元素通过一个指针指向下一层拥有相同值的元素；
-
在每一层中，-∞ 和 +∞ 两个元素都出现(分别表示 INT_MIN 和 INT_MAX)；
-
头指针（head）指向最高一层的第一个元素；
1、定义链表中节点的模型
Java 代码实现如下：
public class SkipListEntry<T> {
// data
public Integer key;
public T value;
// links
public SkipListEntry up;
public SkipListEntry down;
public SkipListEntry left;
public SkipListEntry right;
// constructor
public SkipListEntry(Integer key, T value) {
this.key = key;
this.value = value;
}
// methods...
}
可以看到节点模型主要分为2个部分。
data 部分包含具体的存储数据，这里为了不引入其他杂乱的问题，使用 Integer 作为 key 的类型，Object 作为value 的类型。
links 部分包含4个指针，分别是 up、down、left、right，单从名字上就能够明白它们的作用。
2、跳跃表本身的模型
public class SkipList {
// 节点数量
public int n;
// 节点最大层数
public int h;
// 第一个节点
SkipListEntry head;
// 最后一个节点
SkipListEntry tail;
public Random r;
}
Note: Random 类的实例对象 r 用来决定新添加的节点是否能够向更高一层的链表攀升。
3、初始化跳跃表的实例
构造函数将初始化一个空的跳跃表看起来像下面这样：
构造函数的 Java 代码：
public SkipList() {
// 创建 head 节点
this.head = new SkipListEntry(Integer.MIN_VALUE, null);
// 创建 tail 节点
this.tail = new SkipListEntry(Integer.MAX_VALUE, null);
// 将 head 节点的右指针指向 tail 节点
this.head.right = tail;
// 将 tail 节点的左指针指向 head 节点
this.tail.left = head;
this.h = 0;
this.n = 0;
this.r = new Random();
}
4、基本操作
跳跃表需要实现查找、插入、移除这些基本操作：
-
get(Integer key) ： 根据 key 值查找某个元素
-
put(Integer key, Object value) ：插入一个新的元素，元素已存在时为修改操作
-
remove(Integer key)： 根据 key 值删除某个元素
虽然看似是 3 个不同的操作，但是究其本质，要实现这 3 个操作，都得先找到某个元素或是定位到一个元素，好在下一个位子插入新元素。那么，我们就先把这个 findEntry 的方法实现吧。
上面的图示使用紫色的箭头画出了在一个 SkipList 中查找 key 值 50 的过程。简述如下：
-
从 head 出发，因为 head 指向最顶层（top level）链表的开始节点，相当于从顶层开始查找；
-
移动到当前节点的右指针（right）指向的节点，直到右节点的 key 值大于要查找的 key 值时停止；
-
如果还有更低层次的链表，则移动到当前节点的下一层节点（down），如果已经处于最底层，则退出；
重复第 2 步和第 3 步，直到查找到 key 值所在的节点，或者不存在而退出查找；
Java 代码实现如下：
private SkipListEntry findEntry(Integer key) {
// 从head头节点开始查找
SkipListEntry p = head;
while (true) {
// 从左向右查找，直到右节点的key值大于要查找的key值
while (p.right.key <= key) {
p = p.right;
}
// 如果有更低层的节点，则向低层移动
if (p.down != null) {
p = p.down;
} else {
break;
}
}
// 返回p，！注意这里p的key值是小于等于传入key的值的（p.key <= key）
return p;
}
注意以下几点：
-
如果传入的 key 值在跳跃表中存在，则 findEntry 返回该对象的底层节点；
-
如果传入的 key 值在跳跃表中不存在，则 findEntry 返回跳跃表中 key 值小于 key，并且 key 值相差最小的底层节点；
示例，在跳跃表中查找 key＝42 的元素节点，将返回 key＝39 的节点。如下图所示：
基于 findEntry 方法，我们就能很容易的实现前面所说的一些操作了。
get方法
public Object get(Integer key) {
SkipListEntry p = findEntry(key);
if (p.key.equals(key)) {
return p.value;
} else {
return null;
}
}
put方法
一些需要注意的步骤：
-
如果 put 的 key 值在跳跃表中存在，则进行修改操作；
-
如果 put 的 key 值在跳跃表中不存在，则需要进行新增节点的操作，并且需要由 random 随机数决定新加入的节点的高度（最大level）；
-
当新添加的节点高度达到跳跃表的最大 level，需要添加一个空白层（除了-oo 和 +oo 没有别的节点）
下面我们一步一步的通过图示看一下插入节点的过程：
第一步，查找适合插入的位子
第二步，在查找到的p节点后面插入新增的节点q
第三步，重复下面的操作，使用随机数决定新增节点的高度
-
从p节点开始，向左移动，直到找到含有更高level节点的节点；
-
将p指针向上移动一个level；
-
创建一个和q节点data一样的节点，插入位子在跳跃表中p的右方和q的上方；
-
直到随机数不满足向上攀升的条件为止；
图示如下：
只要随机数满足条件，key＝42 的节点就会一直向上攀升，直到它的 level 等于跳跃表的高度（height）。这个时候我们需要在跳跃表的最顶层添加一个空白层，同时跳跃表的 height＋1，以满足下一次新增节点的操作。
Java代码实现如下：
public Object put(Integer key, Object value) {
SkipListEntry p, q;
int i = 0;
// 查找适合插入的位子
p = findEntry(key);
// 如果跳跃表中存在含有key值的节点，则进行value的修改操作即可完成
if (p.key.equals(key)) {
Object oldValue = p.value;
p.value = value;
return oldValue;
}
// 如果跳跃表中不存在含有key值的节点，则进行新增操作
q = new SkipListEntry(key, value);
q.left = p;
q.right = p.right;
p.right.left = q;
p.right = q;
// 再使用随机数决定是否要向更高level攀升
while (r.nextDouble() < 0.5) {
// 如果新元素的级别已经达到跳跃表的最大高度，则新建空白层
if (i >= h) {
addEmptyLevel();
}
// 从p向左扫描含有高层节点的节点
while (p.up == null) {
p = p.left;
}
p = p.up;
// 新增和q指针指向的节点含有相同key值的节点对象
// 这里需要注意的是除底层节点之外的节点对象是不需要value值的
SkipListEntry z = new SkipListEntry(key, null);
z.left = p;
z.right = p.right;
p.right.left = z;
p.right = z;
z.down = q;
q.up = z;
q = z;
i = i + 1;
}
n = n + 1;
// 返回null，没有旧节点的value值
return null;
}
remove方法
删除节点的操作相对 put 就比较简单了，首先查找到包含 key 值的节点，将节点从链表中移除，接着如果有更高 level 的节点，则 repeat 这个操作即可。
Java代码实现如下：
public Object remove(Integer key) {
SkipListEntry p, q;
p = findEntry(key);
if (!p.key.equals(key)) {
return null;
}
Object oldValue = p.value;
while (p != null) {
q = p.up;
p.left.right = p.right;
p.right.left = p.left;
p = q;
}
return oldValue;
}
跳跃表的原理和实现到这里就结束了。
还有需要说明的一点是：跳跃表每次运行的结果是不一样的，这就是为什么说跳跃表是属于随机化数据结构。（Random的存在导致的）
四、跳跃表在Java中的应用
-
ConcurrentSkipListMap：在功能上对应HashTable、HashMap、TreeMap；
-
ConcurrentSkipListSet ： 在功能上对应HashSet；
确切的说，SkipList 更像 Java 中的 TreeMap ，TreeMap 基于红黑树（一种自平衡二叉查找树）实现的，时间复杂度平均能达到 O(log n)。
HashMap 是基于散列表实现的，查找时间复杂度平均能达到 O(1)。ConcurrentSkipListMap 是基于跳跃表实现的，查找时间复杂度平均能达到 O(log n)。
ConcurrentSkipListMap 具有 SkipList 的性质 ，并且适用于大规模数据的并发访问。多个线程可以安全地并发执行插入、移除、更新和访问操作。与其他有锁机制的数据结构在巨大的压力下相比有优势。
TreeMap 插入数据时平衡树采用严格的旋转操作（比如平衡二叉树有左旋右旋）来保证平衡，因此 SkipList 比较容易实现，而且相比平衡树有着较高的运行效率。