Hello大家好！很高兴我们又见面啦！给生活添点passion，开始今天的编程之路！
我的博客：<但凡.
我的专栏：《编程之路》、《数据结构与算法之美》、《题海拾贝》、《C++修炼之路》
欢迎点赞，关注！
目录
1、跳表引入
1.1、背景
1.2、跳表的基本原理
2、跳表模拟实现
2.1、跳表节点
2.2、跳表框架
2.3、 查询
2.4、 查找前置节点
2.5、添加节点
2.6、删除节点
3、跳表的性能分析
1、跳表引入
1.1、背景
跳表（Skip List）由美国计算机科学家威廉·普（William Pugh）于1989年提出，目的是解决有序链表查询效率低的问题。传统链表查询时间复杂度为O(n)，而跳表通过引入多层索引结构，将查询、插入和删除操作的时间复杂度优化至O(log n)，同时保持了较高的空间效率。普的论文《Skip Lists: A Probabilistic Alternative to Balanced Trees》奠定了跳表在数据结构领域的地位，成为平衡树的轻量级替代方案。
1.2、跳表的基本原理
跳表的核心思想是通过概率性构建多层索引加速查找。每一层都是有序链表，底层包含所有元素，上层逐步稀疏。稀疏与稠密是通过设置概率不同有所差别。每一个跳表的分布都是随机生成的。查找时从最高层开始，若当前节点的下一个节点值小于目标值，则向右移动；否则向下移动到下一层继续搜索。插入和删除操作通过调整相邻节点的指针实现，并动态维护索引层数。
2、跳表模拟实现
2.1、跳表节点
_val存储每个节点存储的值，_nextV指向下一个节点。
struct SkiplistNode
{int _val;vector<SkiplistNode*> _nextV;SkiplistNode(int val, int level):_val(val), _nextV(level, nullptr){}
};2.2、跳表框架
对于跳表类的私有成员变量，有三个，_head是跳表的头，这个节点不存储值。_maxlevel存储最高层高，_p是晋升概率，也就是层高加一的概率。后面会详细说。
class Skiplist
{typedef SkiplistNode Node;
public:Skiplist(){srand(time(0));_head = new Node(-1, 1);}private:Node* _head;size_t _maxLevel = 32;double _p = 0.5;
};2.3、 查询
我们先来说查找，一会在介绍怎么添加节点、
对于查找的过程来说，我们从头结点开始查找，如果下一个节点的值小于我们想要查找的target，我们就直接跳到下一个节点那。如果下一个节点的值大于我们想要查找的taget，我们就得下降层数。如果层数下降到-1（0层是最低层）也没有找到target值，就跳出循环返回false。
我们拿一个跳表模拟一下查找的过程：
bool search(int target)
{Node* cur = _head;int level = _head->_nextV.size() - 1;while (level >= 0){if (cur->_nextV[level] && cur->_nextV[level]->_val < target){cur = cur->_nextV[level];}// 走到最后一个节点else if (cur->_nextV[level] == nullptr || cur->_nextV[level]->_val > target){--level;}else{return true;}}return false;
}2.4、 查找前置节点
首先我们先新建一个前置节点，然后把他初始化为level层，其实就是让他的层数和跳表中最高节点的层数相等。我们把这个前置节点的存储的值都初始化为_head。因为如果我们要查找的某个值都比跳表中的所有值都小，那么他的前置节点就是head。
在循环的过程中，每次调整level我们就记录一下前置节点：
后序删除和添加节点的时候我们都得先找到前置节点。
vector<Node*> FindPrevNode(int num)
{Node* cur = _head;int level = _head->_nextV.size() - 1;vector<Node*> prevV(level + 1, _head);while (level >= 0){if (cur->_nextV[level] && cur->_nextV[level]->_val < num){cur = cur->_nextV[level];}else if (cur->_nextV[level] == nullptr || cur->_nextV[level]->_val >= num){prevV[level] = cur;--level;}}return prevV;
}2.5、添加节点
再添加节点的操作中，因为我们要控制每个跳表节点的高度都是随机的，所以说我们得先说一下生成随机层高的函数：
随机数生成部分：
generator是静态的默认随机数引擎
用当前系统时间作为种子(time_since_epoch().count())，确保每次程序运行时种子不同static关键字保证在整个程序运行期间只初始化一次
distribution:静态的均匀实数分布，范围[0.0, 1.0)用于生成0到1之间的随机浮点数。
p是晋升概率，也就是我们层数++的概率。
节点层数至少为1。而大于1的节点层数，满足一个概率分布。
节点层数恰好等于1的概率为1-p。
节点层数大于等于2的概率为p，而节点层数恰好等于2的概率为p(1-p)。
节点层数大于等于3的概率为p^2，而节点层数恰好等于3的概率为p^2*(1-p)。
节点层数大于等于4的概率为p^3，而节点层数恰好等于4的概率为p^3*(1-p)。
int RandomLevel()
{static std::default_random_engine generator(std::chrono::system_clock::now().time_since_epoch().count());static std::uniform_real_distribution<double> distribution(0.0, 1.0);size_t level = 1;while (distribution(generator) <= _p && level < _maxLevel){++level;}return level;
}接下来我们看添加节点操作。首先我们找到应该插入位置的前置节点，然后依次设置每一层的节点链接。
void add(int num)
{vector<Node*> prevV = FindPrevNode(num);int n = RandomLevel();Node* newnode = new Node(num, n);if (n > _head->_nextV.size()){_head->_nextV.resize(n, nullptr);prevV.resize(n, _head);}for (size_t i = 0;i < n;i++){newnode->_nextV[i] = prevV[i]->_nextV[i];prevV[i]->_nextV[i] = newnode;}
}2.6、删除节点
最后需要注意我们得调整一下头结点的层数。
bool erase(int num)
{vector<Node*> prevV = FindPrevNode(num);if (prevV[0]->_nextV[0] == nullptr || prevV[0]->_nextV[0]->_val != num){//该节点不存在return false;}else{Node* del = prevV[0]->_nextV[0];for (size_t i = 0;i < del->_nextV.size();i++){prevV[i]->_nextV[i] = del->_nextV[i];}delete del;//如果删除了最高层节点，就把头结点层数降一下int i = _head->_nextV.size() - 1;while (i >= 0){if (_head->_nextV[i] == nullptr)--i;elsebreak;}_head->_nextV.resize(i+1);return true;}
}
3、跳表的性能分析
时间复杂度：查询、插入、删除均为O(log n)，依赖随机层数分布。
空间复杂度：平均O(n)，索引节点数量约为n/2 + n/4 +... ≈ n。
时间复杂度都是由查询操作卡着，而查询操作其实是从上到下遍历一遍。跳表的高度通常为O(log n)，其中n是节点数量。
优势：实现简单，无需复杂平衡操作；适合高并发场景（如Redis的有序集合）。
跳表作为一种高效动态数据结构，兼具实用性与灵活性，是算法设计中的经典案例。
好了，今天的内容就分享到这，我们下期再见！
框架深度解析：架构、特性与未来)
