跳跃表的分析与实现

  1. 云栖社区>
  2. 博客>
  3. 正文

跳跃表的分析与实现

曾经的学渣 2014-07-16 19:30:00 浏览1571
展开阅读全文

----《大规模分布式存储系统:原理解析与架构实战》读书笔记

在了解了

Bitcask存储模型后,又开始研究LSM树存储引擎。LSM在实现的过程中使用了一个很有意思的数据结构:跳跃表。之前在《算法导论公开课》中听过这一节。当时感觉这种结构和二叉树简直是殊途同归,但是一直没有亲自动手实现过。这次又遇到了,就来实现试试看。话说跳跃表和各种平衡树一样,都是用来加速查询的。要随手实现一个B树不容易,但是实现一个跳跃表就简单很多。

跳跃表的简单介绍

跳跃列表一个有序链表,按层建造的。底层是一个普通的有序链表。每个更高层都充当下面列表的"快速跑道",查找一个元素时,可以先通过高层的“快车道”,在快车道上找不到时,从最接近目标元素的快车道逐步进入慢车道,直到最后找的目标元素。
分析的时候,常用的形状如下:  


各层是完全分开的列表。但是在实际实现中,则使用的为如下结构:


这种方式将多条联表的值合并到一起,同时使用指针来构造高层"快车道"。这种方式管理起来简单,节省空间。

更详细的介绍,请看跳表SkipList

跳跃表的复杂度分析以及概率因子p

来看看跳跃表的复杂度分析:

  • 空间复杂度: O(n) (期望)
  • 跳跃表高度: O(logn) (期望)

相关操作的时间复杂度:

  • 查找: O(logn) (期望)
  • 插入: O(logn) (期望)
  • 删除: O(logn) (期望)

跳跃表的操作时间负责度是基于概率的,所有加上了期望。
在层 i 中的元素按某个固定的概率 p 出现在层 i+1 中。当p=1/2或者1/e的时候查找的性能最好。

更详细的对比,请看到这篇文章:跳跃表,当中对不同概率的P对查询性能的影响做了对比。

跳跃表的高度

实际使用时,如果高度太高,会造成空间浪费,我们要做一个空间和时间的平衡。那么跳跃表的高度多少最合适?
假设跳跃表中的元素个数为N,当跳跃表的高度为log(N)时,跳跃表进化为一个二叉树结构,其查询次数与二分查找法一致。这无疑最理想的结果。

如果有一亿条记录,高度log(N)约等于30。redis中,最大高度也就是32,最多可以存几亿条记录。通常,我们用不了这么多记录。所以高度可以降低一点。

跳跃表的实现

跳跃表在levledb和redis中均有实现。二者都是用C实现的。我这个实现是C++版本的

主要特点为:

  • 支持模板
  • 0.2版本增加了对迭代器和反向迭代器的支持
  • 可自定义高度,默认为8,0.2版本版本改为了16
    因为高度为8的话适合几百条的记录,这时候,选用跳跃表并没有太多优势,不如之间使用排序数组。将默认值改为16的话,可以方便几万条记录大小的地方使用。
  • 概率p:暂时使用p=1/2
  • 做过单元测试,放心使用啦

初始版本简单直接,支持的函数为insert,find,remove。不支持范围操作。0.2版本增了对了迭代器的支持。
另外,在实现的时候也遇到一些问题,要注意模板编程与平时编程有所不同,平时编程通常实现和定义分离,分别放在.cpp和.h中。但是模板编程编写的通常是没有具现的实现,为了方便,一般定义和实现都会放在.h文件中。

初始版本简单直接,支持的函数为insert,find,remove。不再介绍。下面是0.2版本实现的函数及其功能:
void insert(const_value_type &value)
在当前表中插入value值。值可以重复。
void remove(const_value_type &value)
删除第一个值为value的元素。重复值需要多次删除
void clear()
清空跳跃表
iterator find(const_value_type &value)
返回第一个值为value的元素的迭代器,否则返回end.
iterator begin(int level = 0)
返回指向当前表中第level层的第一个元素的迭代器。使用begin的时候,可以指定遍历不同的层,默认为最底层。这个实际上并不是标准的迭代器,为了实现分层遍历进行了特化。
iterator end() const
返回指向当前表中最后一个元素的迭代器。
iterator rbegin() const
返回指向当前表中最后一个元素的反向迭代器。
iterator rend() const
返回指向表中第一个元素的反向迭代器。
unsigned long size()
返回当前表中元素的数目
unsigned int level()
返回当前表的总层数
unsigned int maxlevel()
返回当前表的能使用的最大层数
bool empty()
判断表是否为空

代码地址见上面的链接。


欢迎光临我的网站----蝴蝶忽然的博客园----人既无名的专栏
如果阅读本文过程中有任何问题,请联系作者,转载请注明出处!


网友评论

登录后评论
0/500
评论