Skip to content

Commit

Permalink
add skiplist
Browse files Browse the repository at this point in the history
  • Loading branch information
jsrdxzw committed Jun 20, 2019
1 parent 5d6dcd4 commit 2e893b6
Showing 1 changed file with 171 additions and 0 deletions.
171 changes: 171 additions & 0 deletions typescript/17_skiplist/SkipList.ts
Original file line number Diff line number Diff line change
@@ -0,0 +1,171 @@
/**
* 跳跃表是Redis使用的底层算法
* 在增删改查都有近似O(log n)的时间复杂度
* 哈希表虽然在不产生冲突的情况下是O(1)的时间复杂度
* 但是随着冲突的增多,所需要的扩容操作还是比较耗时的,综合起来不一定快于跳表
* 这两种结构可以互相补充
* 下面摘抄一段来自知乎的话 (https://juejin.im/post/57fa935b0e3dd90057c50fbc)
* 比较跳表和哈希表,平衡树之间的区别
* skiplist和各种平衡树(如AVL、红黑树等)的元素是有序排列的,而哈希表不是有序的。因此,在哈希表上只能做单个key的查找,不适宜做范围查找。所谓范围查找,指的是查找那些大小在指定的两个值之间的所有节点。
* 在做范围查找的时候,平衡树比skiplist操作要复杂。在平衡树上,我们找到指定范围的小值之后,还需要以中序遍历的顺序继续寻找其它不超过大值的节点。
* 如果不对平衡树进行一定的改造,这里的中序遍历并不容易实现。而在skiplist上进行范围查找就非常简单,只需要在找到小值之后,对第1层链表进行若干步的遍历就可以实现。
* 平衡树的插入和删除操作可能引发子树的调整,逻辑复杂,而skiplist的插入和删除只需要修改相邻节点的指针,操作简单又快速。
* 从内存占用上来说,skiplist比平衡树更灵活一些。一般来说,平衡树每个节点包含2个指针(分别指向左右子树),而skiplist每个节点包含的指针数目平均为1/(1-p),具体取决于参数p的大小。
* 如果像Redis里的实现一样,取p=1/4,那么平均每个节点包含1.33个指针,比平衡树更有优势。
* 查找单个key,skiplist和平衡树的时间复杂度都为O(log n),大体相当;而哈希表在保持较低的哈希值冲突概率的前提下,查找时间复杂度接近O(1),性能更高一些。所以我们平常使用的各种Map或dictionary结构,大都是基于哈希表实现的。
* 从算法实现难度上来比较,skiplist比平衡树要简单。
*/
export class SkipList<T> {
// head和tail始终指向最顶层的首位节点,通过链表能访问任何位置
private head: SkipListNode<T>
private tail: SkipListNode<T>

// 索引的层数,0表示最底层
private levelCount = 0

// 元素的个数
private size = 0

// private readonly MAX_LEVEL = 16


constructor() {
this.head = new SkipListNode<T>(SkipListNode.negInf, null)
this.tail = new SkipListNode<T>(SkipListNode.posInf, null)
}

public insert(key: number, value: T): void {
let p: SkipListNode<T>
let q: SkipListNode<T>

let i: number = 0

// 先查找位置
p = this.findNode(key)

// 如果跳跃表中的值已经存在了,直接赋值即可
if (p.key === key) {
p.value = value
return
}

// 没有该值,则进行插入操作,应该是插在p节点的右边. p -> q -> ?
q = new SkipListNode(key, value)
q.left = p
q.right = p.right
if (p.right) {
p.right.left = q
}
p.right = q

// 再使用随机数决定是否要向更高层攀升
while (Math.random() < 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 >= this.levelCount) {
this.addEmptyLevel()
}

// 从p向左扫描含有高层节点的节点, 方便节点在每一层插入
while (!p.up) {
p = p.left!
}
p = p.up

// 新值对应的索引,这里不需要存value了,因为只需要最底层存value即可
const z = new SkipListNode<T>(key, null)

z.left = p
z.right = p.right
if (p.right) {
p.right.left = z
}
p.right = z

z.down = q
q.up = z

q = z
i = i + 1
}
this.size++
}

public get(key: number): T | null {
const p = this.findNode(key)
return p.key === key ? p.value : null
}

public remove(key: number) {
let p: SkipListNode<T> | undefined = this.findNode(key)
if (p.key !== key) return

while (p != null) {
p.left!.right = p.right
p.right!.left = p.left
p = p.up
}
}

private addEmptyLevel() {

const p1: SkipListNode<T> = new SkipListNode(SkipListNode.negInf, null)
const p2: SkipListNode<T> = new SkipListNode(SkipListNode.posInf, null)

p1.right = p2
p1.down = this.head

p2.left = p1
p2.down = this.tail

this.head.up = p1
this.tail.up = p2

this.head = p1
this.tail = p2

this.levelCount++
}

private findNode(key: number): SkipListNode<T> {
const { head } = this
let 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 && p.right.key !== SkipListNode.posInf && 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) {
p = p.down
} else {
break
}
}
// 这里返回的p的key值,是小于等于要找的key值的
return p
}
}

export class SkipListNode<T> {
key: number
value: T | null
up?: SkipListNode<T>
down?: SkipListNode<T>
left?: SkipListNode<T>
right?: SkipListNode<T>

constructor(key: number, value: T | null) {
this.key = key
this.value = value
}

// 最小的数,无限接近于0,用于表示左标兵
static negInf: number = Number.MIN_VALUE
// 最大的数,用于表示右标兵
static posInf: number = Number.MAX_VALUE
}

const testSkipList = new SkipList()
testSkipList.insert(12, 'qwe')
testSkipList.insert(3, 'mmm')
console.log(testSkipList.get(3))

0 comments on commit 2e893b6

Please sign in to comment.