学习恋上数据结构与算法的记录,本篇主要内容是跳表
思考
一个有序链表搜索、添加、删除的平均时间复杂度是多少?O(n)
能否利用二分搜索优化有序链表,将搜索、添加、删除的平均时间复杂度降低至O(logn)?
链表没有像数组那样的高效随机访问(O(1)时间复杂度),所以不能像有序数组那样直接进行二分搜索优化
那有没有其他办法让有序链表搜索、添加、删除的平均时间复杂度降低至O(logn)?
使用跳表(SkipList)
跳表(SkipList)
又叫做跳跃表、跳跃列表,在有序链表的基础上增加了“跳跃”的功能
由William Pugh于1990年发布,设计的初衷是为了取代平衡树(比如红黑树)
Redis中的SortedSet、LevelDB 中的MemTable 都用到了跳表
Redis、LevelDB 都是著名的Key-Value 数据库
●对比平衡树:
跳表的实现和维护会更加简单
跳表的搜索、删除、添加的平均时间复杂度是O(logn)
使用跳表优化链表(图片来源于网络)
跳表的搜索
①从顶层链表的首元素开始,从左往右搜索,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
跳表的添加、删除
●添加的细节
随机决定新添加元素的层数
●删除的细节
删除一个元素后,整个跳表的层数可能会降低
跳表的层数
跳表是按层构造的,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”
在第i 层中的元素按某个固定的概率p(通常为½ 或¼ )出现在第i + 1层中,产生越高的层数,概率越低
✓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)
✓…
✓一个元素的平均层数是1 / (1 –p
当p = ½ 时,每个元素所包含的平均指针数量是2
当p = ¼ 时,每个元素所包含的平均指针数量是1.33
跳表的复杂度分析
每一层的元素数量
第1 层链表固定有n 个元素
第2 层链表平均有n * p 个元素
第3 层链表平均有n * p^2 个元素
第k 层链表平均有n * p^k 个元素
…
另外
最高层的层数是log1/pn,平均有个1/p 元素
在搜索时,每一层链表的预期查找步数最多是1/p,所以总的查找步数是–(logpn/p),时间复杂度是O(logn)
java实现
public class SkipList<K, V> {
private static final int MAX_LEVEL = 32;
private static final double p = 0.25;
private int size;
private Comparator<K> comparator;
/**
* 有效层数
*/
private int level;
/**
* 头节点 不存放任何K-V
*/
private Node<K, V> first;
public SkipList(Comparator<K> comparator) {
this.comparator = comparator;
first = new Node<>(null, null, MAX_LEVEL);
}
public SkipList() {
this(null);
}
public int size() {
return size;
}
public boolean isEmpty() {
return size == 0;
}
public V get(K key) {
KeyCheck(key);
Node<K, V> 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;
}
public V put(K key, V value) {
KeyCheck(key);
Node<K, V> node = first;
Node<K, V>[] 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) {
// 节点是存在的 覆盖
V old = node.nexts[i].value;
node.nexts[i].value = value;
return old;
}
prevs[i] = node;
}
// 新节点的层数
int newLevel = randomLevel();
// 添加新节点
Node<K, V> 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(newLevel, level);
return null;
}
public V remove(K key) {
KeyCheck(key);
Node<K, V> node = first;
Node<K, V>[] prevs = new Node[level];
boolean exits = 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)
exits = true;
}
if (!exits)
return null;
// 需要被删除的节点
Node<K, V> removedNode = node.nexts[0];
// 数量减少
size--;
// 设置后继
for (int i = 0; i < removedNode.nexts.length; i++) {
prevs[i].nexts[i] = removedNode.nexts[i];
}
// 更新跳表的层数
int newLevel = level;
while(--newLevel >=0 && first.nexts[newLevel] == null) {
level = newLevel;
}
return removedNode.value;
}
private int randomLevel() {
int level = 1;
while (Math.random() < p && level < MAX_LEVEL) {
level++;
}
return level;
}
private void KeyCheck(K key) {
if (key == null) {
throw new IllegalArgumentException("key must not be null.");
}
}
private int compare(K k1, K k2) {
return comparator != null ? comparator.compare(k1, k2) : ((Comparable<K>) k1).compareTo(k2);
}
private static class Node<K, V> {
K key;
V value;
Node<K, V>[] nexts;
public Node(K key, V value, int level) {
this.key = key;
this.value = value;
nexts = new Node[level];
}
@Override
public String toString() {
return key + ":" + value + "_" + nexts.length;
}
}
@Override
public String toString() {
StringBuilder sb = new StringBuilder();
sb.append("一共" + level + "层").append("\n");
for (int i = level - 1; i >= 0; i--) {
Node<K, V> node = first;
while (node.nexts[i] != null) {
sb.append(node.nexts[i]);
sb.append(" ");
node = node.nexts[i];
}
sb.append("\n");
}
return sb.toString();
}
}