漫画：什么是 “跳表” ？

作者 | 小灰

责编 | 王晓曼

来源 | 程序员小灰（ID：chengxuyuanxiaohui）

—————  第二天  —————

如何进行二分查找呢？

首先根据数组下标，定位到数组的中间元素：

由于要查找的元素20，大于中间元素12，再次定位到数组右半部分的中间元素：

这一次定位到的元素正好是20，查找成功。

如果数组的长度是n，二分查找的时间复杂度是O（logn），比起从左到右逐个遍历元素进行查找的方式，大大提升了查找性能。

如上图所示，想要定位到链表的中间结点9，是无法直接定位的，需要从头结点开始，顺着next指针，逐个访问下一个结点。

因此，链表这种数据结构并不适用于二分查找。

————————————

常见的图书目录，就像下面这样：

第5章对应的页码是170，因此我们直接翻到书的第170页，就是第5章的内容。

如图所示，在原始链表的基础上，我们增加了一个索引链表。原始链表的每两个结点，有一个结点也在索引链表当中。

这样做有什么好处呢？当我们想要定位到结点20，我们不需要在原始链表中一个一个结点访问，而是首先访问索引链表：

在索引链表找到结点20之后，我们顺着索引链表的结点向下，找到原始链表的结点20：

这个过程，就像是先查阅了图书的目录，再翻到章节所对应的页码。

由于索引链表的结点个数是原始链表的一半，查找结点所需的访问次数也相应减少了一半。

多层次的图书目录，就像下面这样：

如图所示，我们基于原始链表的第1层索引，抽出了第2层更为稀疏的索引，结点数量是第1层索引的一半。

这样的多层索引可以进一步提升查询效率，假如仍然要查找结点20，让我们来演示一下过程：

首先，我们从最上层的索引开始查找，找到该层中仅小于结点20的前置索引结点12：

接下来，我们顺着结点12访问下一层索引，在该层中找到结点20：

最后，我们顺着第1层索引的结点20向下，找到原始链表的结点20：

在这个例子中，由于原始链表的结点数量较少，仅仅需要2层索引。如果链表的结点数量非常多，我们就可以抽出更多的索引层级，每一层索引的结点数量都是低层索引的一半。

假设原始链表有n个结点，那么索引的层级就是log(n)-1，在每一层的访问次数是常量，因此查找结点的平均时间复杂度是O（logn）。这比起常规的查找方式，也就是线性依次访问链表节点的方式，效率要高得多。

但相应的，这种基于链表的优化增加了额外的空间开销。假设原始链表有n个结点，那么各层索引的结点总数是n/2+n/4+n/8+n/16+......2，约等于n。

也就是说，优化之后的数据结构所占空间，是原来的2倍。这是典型的以空间换时间的做法。

假设我们要插入的结点是10，首先我们按照跳表查找结点的方法，找到待插入结点的前置结点（仅小于待插入结点）：

接下来，按照一般链表的插入方式，把结点10插入到结点9的下一个位置：

这样是不是插入工作就完成了呢？并不是。随着原始链表的新结点越来越多，索引会渐渐变得不够用了，因此索引结点也需要相应作出调整。

如何调整索引呢？我们让新插入的结点随机“晋升”，也就是成为索引结点。新结点晋升成功的几率是50%。

假设第一次随机的结果是晋升成功，那么我们把结点10作为索引结点，插入到第1层索引的对应位置，并且向下指向原始链表的结点10：

新结点在成功晋升之后，仍然有机会继续向上一层索引晋升。我们再进行一次随机，假设随机的结果是晋升失败，那么插入操作就告一段落了。

小灰说的是什么意思呢？让我们看看下图，新结点10已经晋升到第2层索引，下一次随机的结果仍然是晋升成功，这时候该怎么办呢？

假设我们要从跳表中删除结点10，首先我们按照跳表查找结点的方法，找到待删除的结点：

接下来，按照一般链表的删除方式，把结点10从原始链表当中删除：

这样是不是删除工作就完成了呢？并不是。我们需要顺藤摸瓜，把索引当中的对应结点也一一删除：

刚才的例子当中，第3层索引的结点已经没有了，因此我们把整个第3层删去：

最终的删除结果如下：

1. 程序中跳表采用的是双向链表，无论前后结点还是上下结点，都各有两个指针相互指向彼此。

2. 程序中跳表的每一层首位各有一个空结点，左侧的空节点是负无穷大，右侧的空节点是正无穷大。

之所以这样设计，是为了方便代码实现。代码中的跳表就像下图这样：

public class SkipList{

    //结点“晋升”的概率
    private static final double PROMOTE_RATE = 0.5;
    private Node head,tail;
    private int maxLevel;

    public SkipList() {
        head = new Node(Integer.MIN_VALUE);
        tail = new Node(Integer.MAX_VALUE);
        head.right = tail;
        tail.left = head;
    }

    //查找结点
    public Node search(int data){
        Node p= findNode(data);
        if(p.data == data){
            System.out.println("找到结点：" + data);
            return p;
        }
        System.out.println("未找到结点：" + data);
        return null;
    }

    //找到值对应的前置结点
    private Node findNode(int data){
        Node node = head;
        while(true){
            while (node.right.data!=Integer.MAX_VALUE && node.right.data