ConcurrentSkipListMap以及跳表的原理

ConcurrentSkipListMap

底层实现是”跳跃表“ ，Redis当中Zset同样采用的是该数据结构

跳跃表的结构图：

特点：

• 其根本思想是 二分查找 的思想。
• 跳表的前提条件是 针对 有序的单链表 ，实现高效地查找，插入，删除。
• Redis中的 有序集合 sorted set 就是用跳表实现的。

1、跳表的原理

种基于单链表的高级数据结构， 跳表 将单链表先进行排序，然后针对 有序链表 为了实现高效的查找，可以使用跳表这种数据结构。

对于单链表，即使是 存储的有序数据（即 有序链表），想在其中查找某个数据，也只能从头到尾遍历，查找效率低，时间复杂度是O(n)，如下图所示：

怎么才能提高查找效率呢？

为了提高查找效率，使用二分查找的思想，对有序链表建立一级“索引”。 每两个节点提取一个节点到索引层。 索引层中的每个节点 都包

含两个指针，一个指向下一个节点，一个down指针，指向下一级节点

首先在一级索引层遍历，当遍历到14这个节点的时候，发现其下一个节点是23，则要查找的18就在14和23之间。 然后，通过14节点的

down 指针，下降到原始链表这一层，继续在原始链表中遍历。 此时，只需要在原始链表中，遍历两个节点，14和18,就找到18这个节点

了。 查找18这个节点，在原始链表需要遍历10个节点，现在只需要遍历7个节点（一级索引层遍历5个节点，原始链表遍历2个节点）。

如果再增加一级索引，那么效率会不会更高呢？

建立二级索引

现在如果要查找18节点，只需要遍历6个节点（二级索引层遍历3个节点，一级索引层1个节点，原始链表2个节点）。

通过建立索引的方式，对于数据量越大的有序链表，通过建立多级索引，查找效率提升会非常明显。

这种链表加多级索引的结构 就是 跳表。

2、跳表中查询一个节点

通过Key去查询，从Head节点开始进入，由最高层索引开始查询，主键向下层索引缩小范围，知道找到我们BaseHeader这一层后会将Node节点进行逐个equals比较

3、跳表中插入一个节点

跳表作为一个动态数据结构，不仅支持查找操作，还支持数据的插入和删除操作，并且 插入和删除的操作的时间复杂度都是O(logn).

我们先去查询我们这个节点在我们的调表中是否存在，也就是通过key执行上述的查询的过程，如果发现节点存在，那么就会覆盖我们的已存在的节点，如果不存在则新建一个Node节点进行插入操作，但是我们插入之后就会出现一个新的问题，就是我们的节点变了那么对应的索引也应该做相应的修改，那么为新插入的Node节点创建的索引步骤如下 ：

1、首先是生成一个随机数

int rnd = ThreadLocalRandom.nextSecondarySeed();

2、然后通过让我们的随机数与0x80000001进行一个&操作，去判断是否满足建立索引的条件

  if ((rnd & 0x80000001) == 0)  //  0x80000001这个16进制转换为2进制则是 10000000 00000000 00000000 00000001
 							   	//  rnd这个随机数，最高位和最低为同时为0的时候条件成立，概率是1/4   

3、当满足建立索引的条件后，我们还需要通过对这个随机数进行计算得出我们建立的索引层数level

//首先rnd满足索引建立条件初始为1，之后检查从第二位到第31位间1的个数，相加即为索引层数
rnd = 00000000 00000000 00000000 00011110  ===> 得出level为4 + 1 = 5 ； 
rnd = 00000000 00000000 00010100 01011110  ===> 得出level为8 + 1 = 9 ；     

4、我们讲理论上应该建立的索引层数再次进行判断，得到我们的实索引际高度！

//拿到步骤3得出的理论索引层数，与我们当前调表中的索引层数比较，例：上图跳表的层数是3，我们为新插入的节点建立索引的理论高度是9，那么我们就会得出我们实际的索引高度是3 + 1 = 4 ; 也就是超过实际索引高度，我们为新插入节点建立的索引高度就是我们实际的高度 + 1

5、创建层次索引，完结！

4、调表删除节点

删除原链表中的节点，如果节点存在于索引中，也要删除索引中的节点。 因为单链表中的删除需要用到 要删除节点 的 前驱动节点。 可以像插入操作一样，通过索引逐层向下遍历到原始链表中，要删除的节点，并记录其 前驱节点，从而实现删除操作。

5、面试题

为什么Redis中的有序集合用跳表而非红黑树来实现呢？

• 对于插入，删除，查找 以及 输出有序序列 这几个操作，红黑树也可以完成，时间复杂度 与 用跳表实现是相同的。 但是，对于按照区间查找数据这个操作（比如 [20,300]）,红黑树的效率没有跳表高，跳表可以做到 O(logn)的时间复杂度定位区间的起点，然后在原始链表中顺序向后遍历输出，直到遇到值大于区间终点的节点为止。
• 跳表更加灵活，它可以通过改变节点的抽取间隔，灵活地平衡空间复杂度和时间复杂度
• 相比红黑树，跳表更容易实现，代码更简单