刷题论 05|跳表大总结

334 阅读3分钟

💡 本期精彩内容:

🤔 你为什么需要了解跳表,它解决了什么问题

👩🏻‍💻 跳表的增删改查如何实现

👑 面试中如何回答跳表问题,才能让你出众

Why it Happens

  • 链表查询太慢 → O(n)
  • 什么算法查询快?二分!→ O(logn)
  • 怎么把二分思想在链表中实践?→ 跳表的诞生 → O(?)

How it Works

二分查找

  • 有序
  • 数组元素可以随机访问 → 寻址 O(1)

改造链表

  • 有序,不在改造范围内
  • 加快寻址速度
    • 空间换时间 → 上索引
    • 构建索引层 → 每 2 个节点提取 1 个到上一级,逐层构建

💥 BOOM!

Untitled.png

Untitled 1.png

  • 时间复杂度
    • 跳表高度:n, n/2, n/4, n/8, …, n/(2^k) → log2n
    • 每层遍历 m 个节点 → O(m*logn)
    • 每层索引最多只需要遍历 3 个节点 → O(logn)
  • 空间复杂度
    • n/2 + n/4 + n/8 + … + 8 + 4 + 2 → n-2 → O(n)
    • 实际操作中,链表中存储的对象元素很大,索引节点只会存关键信息(比如 id)和指针,索引占用的额外空间可以忽略不计

增删改查

改查

  • 先找到节点,再更新节点内容 → 等同于查找的复杂度 → O(logn)
  • 索引节点存关键信息,大概率不需要更新索引层,取决于索引节点存什么

插入

Untitled 2.png

  • 为确保有序,先找到节点该在的位置 → O(logn)
  • 链表的插入操作是 O(1) → 总复杂度 O(logn)
  • 问题:**索引层怎么更新?**如果不更新,跳表就会退化成链表,但重建似乎本末倒置

删除

Untitled 3.png

  • 单链表:先查找到待删除的节点,需要保存删除节点的前驱节点,再做删除 → O(logn)
  • 双向链表:不用保存前驱节点,找到待删除节点后,改指针内容即可 → O(logn)
  • 问题:待删除的节点出现在索引层中,怎么办?→ 在查询的过程中,删索引中的节点

知识扩展:索引的更新

目的:讲究一个配合

  • 插入:索引层哪些位置要插入这个节点?

实现:大道至简,随机 + 概率

随机建立索引

  • 原链表,随机抽 n/2 个元素建立一级索引
  • 一级索引,随机抽 n/4 个元素建立二级索引
  • 以此类推,元素越多,索引分布越均匀

概率更新索引

  • 设计一个特别的函数,按照概率返回 [1, MAX_LEVEL] 之间的整数
  • 1/2 的概率返回 1,不需要更新索引,直接在在原链表中插入元素
  • 1/4 的概率返回 2,需要为新元素建立一级索引
  • 以此类推,无论插入多少个元素,各级索引的节点数依然是 n/2, n/4, ….

Redis 源码

Untitled 4.png

👀 面试怎么聊

面试问题

  • 是否了解跳表?
  • Redis 为什么用跳表?
  • Redis 为什么用跳表?为什么不用红黑树?
  • 实现跳表(变态!)

必答点

  • 二分思想在链表的应用,提升查找效率,O(n) → O(logn)
  • 空间换时间,构建索引层,空间复杂度 O(n)
  • 增删改查都很高效 -> O(logn)

加分点

  • 索引层的更新,看过 Redis 跳表的源码,一些侃侃而谈
  • 跳表和红黑树的对比
    • 共同点
      • 高效查找、动态插入删除,都能做到 O(logn)
    • 区别
      • 跳表能按照指定的区间查数据
      • 红黑树实现起来很复杂,跳表实现起来不容易出错(不给自己挖坑)

延伸点

  • 对比红黑树
  • 对比散列表
  • Redis 的其他特性,除了跳表,我还知道 xxxx