Redis底层数据结构之skipList（跳跃表）_skiplist查找数据的过程

关于跳跃表其实在 JUC 里面有一个并发容器就是利用跳跃表来实现的：ConcurrentSkipListMap。jdk的并发包中还有许多数据结构，最常用的又链表，哈希表等。

先介绍一下跳表的相关特性：

• 由很多层结构组成，level是通过一定的概率随机产生的（使用抛硬币的方式）
• 每一层都是一个有序的链表，默认是升序，也可以根据创建映射时所提供的Comparator进行排序，具体取决于使用的构造方法
• 最底层(Level 1)的链表包含所有元素
• 如果一个元素出现在Level i 的链表中，则它在Level i 之下的链表也都会出现
• 每个节点包含两个指针，一个指向同一链表中的下一个元素，一个指向下面一层的元素

这些特性我们看到跳表的结构就很容易理解了：结构如下图：

 

 最底层的是原链表，然后一级索引，二级索引，二级索引为什么选择1这个结点作为关键结点呢，是通过概率产生的，就是抛硬币，正反的概率都是百分之50，虽然这个图是均匀间隔的，但是实际上每一个节点都有可能成为关键节点。二级索引的关键节点也是这么产生的。

skiplist的查找

SkipListd的查找算法较为简单，对于上面我们我们要查找元素3，其过程如下：

1. 比较1，大于，往后找（6），然后就到下一层
2. 比6小，继续往前找（3）
3. 找到3（加入没找到，就继续到下一层开始找）

skiplist的插入

SkipList的插入操作主要包括：

1. 查找合适的位置。这里需要明确一点就是在确认新节点要占据的层次K时，采用丢硬币的方式，完全随机。如果占据的层次K大于链表的层次，则重新申请新的层，否则插入指定层次
2. 申请新的节点
3. 调整指针

假定我们要插入的元素为5，其过程如下：

1.比较1，大于，往后找（6），小于，到下一层

2.比较3，大于，往后找（6），小于，到下一层，也就是原链表，确定位置为4后6前，插入到原链表

3.然后决定在一级索引上是不是关键节点，是，就继续抛，到二级索引，如果还是就继续抛，申请新的层

4.如果抛出来否，就不继续抛了

skiplist的删除

删除节点和插入节点思路基本一致：找到节点，删除节点，调整指针。

redis的skipList和经典的skiplist做了些许改动，有兴趣的自己查看源码

为什么不用红黑树作为zset底层实现？

相比较红黑树来讲作者觉得这个跳表的实现更加简单，后期维护也更加方便：

• 缺点：
  • 比红黑树占用更多的内存，每个节点的大小取决于该节点的层数
  • 空间局部性较差导致缓存命中率低，感觉上会比红黑树更慢
• 优点：
  • 实现比红黑树简单
  • 比红黑树更容易扩展，作者之后实现 zrank 指令时没怎么改动代码。
  • 红黑树插入删除时为了平衡高度需要旋转附近节点，高并发时需要锁。skiplist 不需要考虑。跳表维持结构平衡的成本比较低，完全靠随机。
  • 一般用 zset的 操作都是执行 zrange 之类的操作，取出一片连续的节点。这些操作的缓存命中率不会比红黑树低。