查看原文
其他

带你彻底击溃跳表原理及其Golang实现!(内含图解)

冯启源 云加社区 2022-06-14


导语 | 最近在看《Redis设计与实现》这本书,书中简单描述了跳表的性质和数据结构,但对它的具体实现没有详细描述。本文是基于我个人对跳表原理的深入探究,并通过golang实现了一个基础跳表的理解和实践。


前言


书里对跳表结构的描述是这样的:



跳跃表节点:


typedef struct zskiplistNode{ // 后退指针 struct zskiplistNode *backward; // 分值 double score; // 成员对象 robj *obj; // 层 struct zskiplistLevel{ // 前进指针 struct zskiplistNode *forward; // 跨度 unsigned int span; } level[]; } zskiplistNode;


跳跃表结构:


typedef struct zskiplist{ // 表头节点和表尾节点 struct zskiplistNode *header, *tail; // 表中节点数量 unsigned long length; // 表中层数最大的节点的层数 int level; } zskiplist;


虽然大概懂了跳表是一种怎么样的存在,它有媲美平衡树的效率,但比平衡树更加容易实现,但这本书并没有详细描述跳表的实现,其中一些关键点也没有说明,比如:


为什么表头节点是不被计算在length属性里?新增节点时是如何决定level的指针指向哪个后继节点?为什么zset分值可以相同而成员对象不能相同?


为了解答这些问题,我决定完全弄懂跳表的原理,自己实现一个基础的跳表。



一、跳表的原理


(一)有序单链表和二分查找法


顾名思义,有序单链表就是节点的排列是有顺序的链表。



如果我们想从中找到一个节点,比如15,除了从头节点开始遍历,是否有其他方式?


经典的查找算法中,有专门针对一个有序的数据集合的算法,即“二分算法”,以O(logN)的时间复杂度进行查找。它通过对比目标数据和中间数据的大小,在每轮查找中直接淘汰一半的数据:


  • 中间节点数字为10(10或8都可以作为中间节点),比目标15小,所以排除10之前的4个数据,在10-21中查找。


  • 中间节点为18 ,比目标15大,排除18及之后的2条数据,在10-15中查找。


  • 中间节点为15 ,与目标一致,查找结束。


设想在链表中,我们参考二分算法的思想,为“中间节点”加索引,就能像二分算法一样进行链表数据的查找了。



OK,现在我们将每一个中间节点抽了出来,组成了另一条链表,即一级索引,一级索引的每个节点都指向原单链表对应的节点,这样可以通过二分算法来快速查找有序单链表中的节点了。


如果原链表节点数量太多将会导致一级索引的节点数量也很多,这时需要继续向上建立索引,选取一级索引的中间节点建立二级索引。



这就是跳表的本质是对有序链表的改造,为单链表加多层索引,以空间换时间的策略,解决了单链表中查询速度的问题,同时也能快速实现范围查询


链表节点数少时提升的效果有限,但当链表长度达到1000甚至10000时,从中查找一个数的效率会得到极大的提升。



(二)跳表索引的更新


  • 二叉树和跳表的退化


前言中提到,跳表具有媲美平衡树的效率,平衡树之所以称之为平衡树,是为了解决普通树结构在极端情况下容易退化成一个单链表的问题,每次插入或删除节点时,会维持树的平衡性。


下面这种二叉树具有O(log n) 的查找时间复杂度,但在极端情况下容易发生退化,比如删除了4,5,6三个节点后,会退化为单链表,查询时间复杂度退化为O(n).



退化后的二叉树:



如果跳表在插入新节点后索引就不再更新,在极端情况下,它可能发生退化,比如下面这种情况:



10到100之间插入n多个节点,查询这其中的数据时,查询时间复杂度将退化到接近O(n)。既然跳表被称之为媲美平衡树的数据结构,也必然会维护索引以保证不退化。


  • 跳表索引的维护


通过晋升机制既然现在跳表每两个原始链表节点中有一个被建立了一级索引,而每两个一级索引中有一个被建立了二级索引,n个节点中有n/2个索引,可以理解为:在同一级中,每个节点晋升到上一级索引的概率为1/2。


如果不严格按照“每两个节点中有一个晋升”,而是“每个节点有1/2的概率晋升”,当节点数量少时,可能会有部分索引聚集,但当节点数量足够大时,建立的索引也就足够分散,就越接近“严格的每两个节点中有一个晋升”的效果。


当然,晋升的概率可以根据需求进行调整,1/3或1/4,晋升概率稍小时,空间复杂度小,但查询效率会降低。在下文中,我们将晋升率设置为p。



(三)时间复杂度与空间复杂度


  • 时间复杂度


结论:跳表的时间复杂度为O(log n)


证明:


按二分法进化出的跳表,无论是原链表还是N索引,都是每两个节点中有一个被用作上一级索引。这个过程我们称之为“晋升”,晋升的概率为p。


假设原链表节点数量为n,一级索引节点数为n*p^1,二级索引节点数为n*p^2,以此类推,h级索引的节点数应为n*(p^h)。


最高层的期望节点数应为1/p,我的理解是:小于等于这个期望数,再高一层索引的期望节点数将为1,没有意义了。


根据上述推算,易得一个跳表的期望索引高度h为:



加上底层的原始链表,跳表的期望总高度H为:



查找索引时,我们运用倒推的思维,从原始链表上的目标节点推到顶层索引的起始节点,示意图如下:



当我们在底层节点时,只有两种路径可走,向上或向左,向上的概率为p,向左的概率为1-p。


假设C(i)为一个无限长度的跳表中向上爬i层的期望代价(即经过的节点数量)


爬到第0层时,无需经过任何节点,所以有:



爬到第1层时,可能有两种情况:


从有p的概率是从第0层直接爬升1个节点,这种情况经过的节点数为:



有1-p的概率是从第1层向左移动一个节点,则经过的节点数为:



则有:



解得:C(i) = i/p


当爬到期望中的最高层——第h层时,则期望步数为h/p,在第h层,继续向左走的期望步数不会超过当前层节点的期望总和1/p,向上走的期望步数也不会超过当前层节点的期望总和1/p,全部加起来,从最底层的目标节点到最顶层的头节点,期望步数为h/p+2/p,将上面h的公式带入,忽略常量,时间复杂度为O(log n)。


  • 空间复杂度


空间复杂度基本上就是等比数列之和的计算,比值为p。


直接说结果为O(n)



二、跳表的实现


为了更好地理解跳表,自己参考着跳表的原理,尝试手撸一条跳表,当然这是最基础的,没有redis跳表那样丰富的能力,粗略实现了对数字的增删改查,以插入的数字作为排序的基准,不支持重复数字的插入。


redis跳表在经典跳表之上有额外的实现:


  • 经典跳表不支持重复值,redis跳表支持重复的分值score。


  • redis跳表的排序是根据score和成员对象两者共同决定的。


  • redis跳表的原链表是个双向链表。


在这之前需要说明,索引的节点其实并不是像底层链表一样的节点Node,而是一种Level层结构,每个层中都包含了Node的指针,指向下一个节点。


(一)基础数据结构


const MaxLevel = 32const p = 0.5
type Node struct { value uint32 levels []*Level // 索引节点,index=0是基础链表}
type Level struct { next *Node}
type SkipList struct { header *Node // 表头节点 length uint32 // 原始链表的长度,表头节点不计入 height uint32 // 最高的节点的层数}
func NewSkipList() *SkipList { return &SkipList{ header: NewNode(MaxLevel, 0), length: 0, height: 1, }}
func NewNode(level, value uint32) *Node { node := new(Node) node.value = value node.levels = make([]*Level, level)
for i := 0; i < len(node.levels); i++ { node.levels[i] = new(Level) } return node}


这里的p就是上面提到的节点晋升概率,MaxLevel为跳表最高的层数,这两个数字可以根据需求设定,根据上面推出的跳表高度公式:



可以倒推出此跳表的容纳元素数量上限,n为2^32个。



(二)插入元素


重点在于如何确认插入的这个新节点需要几层索引?通过下面这个函数根据晋升概率随机生成这个新节点的层数。


func (sl *SkipList) randomLevel() int { level := 1 r := rand.New(rand.NewSource(time.Now().UnixNano())) for r.Float64() < p && level < MaxLevel { level++ } return level}


可以看出,默认层数为1,即无索引,通过随机一个0-1的数,如果小于晋升概率p,且总层数不大于最大层数时,将level+1。


这样就有:


  • 1/2的概率level为1


  • 1/4的概率level为2


  • 1/8的概率level为3


  • ......


这里需要注意一下,上面我们说有1/2的概率有一层索引,即level为2的概率应该是1/2,为什么这里是1/4呢?而位于第一层的原始链表存在的概率应该是1,这里为什么level=1的概率为1/2呢?


原因在于,当level为2时,同时也表示存在第一层;当level为3时,同时也存在第一层和第二层;毕竟不能出现“空中阁楼”。所以:


  • 新节点存在原链表节点的概率为1/2+1/4+1/8+...=1


  • 新节点存在一层索引的概率为1/4+1/8+1/16+...=1/2


  • 新节点存在二层索引的概率为1/8+1/16+1/32+...=1/4


插入元素的具体代码如下:


func (sl *SkipList) Add(value uint32) bool { if value <= 0 { return false } update := make([]*Node, MaxLevel) // 每一次循环都是一次寻找有序单链表的插入过程 tmp := sl.header for i := int(sl.height) - 1; i >= 0; i-- { // 每次循环不重置 tmp,直接从上一层确认的节点开始向下一层查找 for tmp.levels[i].next != nil && tmp.levels[i].next.value < value { tmp = tmp.levels[i].next }
// 避免插入相同的元素 if tmp.levels[i].next != nil && tmp.levels[i].next.value == value { return false }
update[i] = tmp }
level := sl.randomLevel() node := NewNode(uint32(level), value) // fmt.Printf("level:%v,value:%v\n", level, value)
if uint32(level) > sl.height { sl.height = uint32(level) }
for i := 0; i < level; i++ {
// 说明新节点层数超过了跳表当前的最高层数,此时将头节点对应层数的后继节点设置为新节点 if update[i] == nil { sl.header.levels[i].next = node continue } // 普通的插入链表操作,修改新节点的后继节点为前一个节点的后继节点,修改前一个节点的后继节点为新节点 node.levels[i].next = update[i].levels[i].next update[i].levels[i].next = node }
sl.length++ return true}


数组update保存了每一层对应的插入位置。


  • 从头节点的最高层开始查询,每次循环都可以理解为一次寻找有序单链表插入位置的过程。


  • 找到在这层索引的插入位置,存入update数组中。


  • 遍历完一层后,直接使用这一层查到的节点,即代码中的tmp开始遍历下一层索引。


  • 重复1-3步直到结束。


  • 获取新节点的层数,以确定从哪一层开始插入。如果层数大于跳表当前的最高层数,修改当前最高层数。


  • 遍历update数组,但只遍历到新节点的最大层数。


  • 增加跳表长度,返回true表示新增成功。


比如下面这张跳表,我要新增元素9,最高高度为5,当前最高高度为3:



update长度为5


那么会从3层开始向下遍历,在二级索引这层找到9应该插入的位置——1和10之间,update[2]记录包含1的节点。


在一级索引这层找到9应该插入的位置——7和10之间,update[1]记录了包含7的节点。


在原链表这层找到9应该插入的位置——8和10之间,update[0]记录了包含8的节点。


假设新节点的level为4,则修改当前最高高度为4,然后开始逐层插入这个新节点,update[3]为空,因为目前整个跳表的高度只有3,所以需要将三级索引上的节点9插入到头节点后面,插入过程与普通的链表插入无异。示意图如下:




(三)删除元素


func (sl *SkipList) Delete(value uint32) bool { var node *Node last := make([]*Node, sl.height) tmp := sl.header for i := int(sl.height) - 1; i >= 0; i-- {
for tmp.levels[i].next != nil && tmp.levels[i].next.value < value { tmp = tmp.levels[i].next }
last[i] = tmp // 拿到 value 对应的 node if tmp.levels[i].next!=nil&&tmp.levels[i].next.value == value { node = tmp.levels[i].next } }
// 没有找到 value 对应的 node if node == nil { return false }
// 找到所有前置节点后需要删除node for i := 0; i < len(node.levels); i++ { last[i].levels[i].next = node.levels[i].next node.levels[i].next = nil }
// 重定向跳表高度 for i := 0; i < len(sl.header.levels); i++ { if sl.header.levels[i].next == nil { sl.height = uint32(i) break } }
sl.length--
return true}


与插入节点思路一致,从最上层开始向下遍历寻找,找到需要删除的节点的前置节点并记录在 last 数组中,然后修改前置节点指针的指向。



(四)查找


解决了增删,剩下的查询就很简单了,可以查找对应value的node,也可以查找一个范围。


查找范围即先找到范围前边界的节点,再通过链表向后遍历即可。


这里我只实现了查找单个node的函数:


func (sl *SkipList) Find(value uint32) *Node { var node *Node tmp := sl.header for i := int(sl.height) - 1; i >= 0; i-- { for tmp.levels[i].next != nil && tmp.levels[i].next.value <= value { tmp = tmp.levels[i].next } if tmp.value == value { node = tmp break } } return node}



三、redis的跳表实现


上述是一个标准跳表的原理和实现,redis中的跳表还有所不同,它提供了更多的特性和能力:


  • 经典跳表不支持重复值,redis跳表支持重复的分值score。


  • redis跳表的排序是根据score和成员对象两者共同决定的。


  • redis跳表的原链表是个双向链表。


redis中,跳表只在zset结构有使用。zset结构在成员较少时使用压缩列表 ziplist作为存储结构,成员达到一定数量后会改用map+skiplist作为存储结构。这里只讨论使用skiplist的实现。


zset结构要求,分值可以相同,但保存的成员对象不能相同。zset对跳表排序的依据是“分值和成员对象”两个维度,分值可以相同,但成员对象不能一样。分值相同时,按成员对象首字母在字典的顺序确定先后。


zset还维护了一个map,保存成员对象与分值的映射关系,被用来通过成员对象快速查找分值,定位对应的节点,在ZRANK、ZREVRANK、ZSCORE等命令中均有使用。


另外,这个map还用于插入节点时,判断是否存在重复的成员对象。见下面redis源码中的dictFind函数。


int zsetAdd(robj *zobj, double score, sds ele, int in_flags, int *out_flags, double *newscore) { // ... /* Update the sorted set according to its encoding. */ if (zobj->encoding == OBJ_ENCODING_ZIPLIST) { // ... } else if (zobj->encoding == OBJ_ENCODING_SKIPLIST) { zset *zs = zobj->ptr; zskiplistNode *znode; dictEntry *de;
de = dictFind(zs->dict,ele); if (de != NULL) { // 已经存在 // ... } else if (!xx) { // 不存在,插入 ele = sdsdup(ele); znode = zslInsert(zs->zsl,score,ele); serverAssert(dictAdd(zs->dict,ele,&znode->score) == DICT_OK); *out_flags |= ZADD_OUT_ADDED; if (newscore) *newscore = score; return 1; } else { *out_flags |= ZADD_OUT_NOP; return 1; } }}



四、回顾问题


前面提到,在看《Redis设计与实现》这本书时我有几点疑问,在详细了解跳表之后现在就完全理解了。


(一)为什么表头节点是不被计算在length属性里?


因为表头节点是初始化跳表时提供的空节点,不保存任何节点,只用于提供各级索引的入口。



(二)新增节点时是如何决定level的指针指向哪个后继节点?


通过分值和成员对象共同决定,判断新节点的插入位置和顺序。分值相同时,按成员对象首字母在字典的顺序确定先后。


经典跳表也同样需要一个维度来确定插入的顺序,我的跳表实现中直接使用了新节点的值作为排序的维度。



(三)为什么zset分值可以相同而成员对象不能相同?


根据第二个问题的答案,如果都相同,就无法确定插入的位置和顺序。



 作者简介


冯启源

腾讯后台开发工程师

腾讯后台开发工程师,毕业于中南大学,目前负责腾讯教育业务的后端开发工作,希望能用技术改善人们的生活。



 推荐阅读


被引入C++标准库!为什么说智能指针是解决问题的“神器”?

Elasticsearch 可搜索快照技术原理及最佳实践

手把手带你从0搭建一个Golang ORM框架(全)!

浅谈Golang两种线程安全的map




您可能也对以下帖子感兴趣

文章有问题?点此查看未经处理的缓存