内容简介:代码的实现参考了为什么想到使用首先我们先粗略的看一下JavaScript版本的代码,具体如下所示:
使用JavaScript实现SkipList这种数据结构
代码的实现参考了 SkipList.java
前言
为什么想到使用 JavaScript
把跳表这种数据结构来实现一遍呢?这个主要是因为我女朋友最近在学习数据结构和算法,然后遇到了这个问题;非要拉着我跟她一起 来研究一下,然后,然后就有了下面的文章。这种数据结构在 Redis
中使用的比较多,有兴趣的朋友可以看看。
SkipList的具体实现
首先我们先粗略的看一下JavaScript版本的代码,具体如下所示:
/** * author dreamapplehappy */ // 代码使用了ES6以及更高版本的JavaScript来表示,需要使用Babel之类的 工具 处理一下才可以在Node或者浏览器中运行 // 定义了跳表索引的最大级数 const MAX_LEVEL = 16; /** * 定义Node类,用来辅助实现跳表功能 */ class Node{ // data属性存放了每个节点的数据 data = -1; // maxLevel属性表明了当前节点处于整个跳表索引的级数 maxLevel = 0; // refer是一个有着MAX_LEVEL大小的数组,refer属性存放着很多个索引 // 如果用p表示当前节点,用level表示这个节点处于整个跳表索引的级数;那么p[level]表示在level这一层级p节点的下一个节点 // p[level-n]表示level级下面n级的节点 refer = new Array(MAX_LEVEL); } /** * 定义SkipList类 */ class SkipList{ // levelCount属性表示了当前跳表索引的总共级数 levelCount = 1; // head属性是一个Node类的实例,指向整个链表的开始 head = new Node(); // 在跳里面插入数据的时候,随机生成索引的级数 static randomLevel() { let level = 1; for(let i = 1; i < MAX_LEVEL; i++) { if(Math.random() < 0.5) { level++; } } return level; } /** * 向跳表里面插入数据 * @param value */ insert(value) { const level = SkipList.randomLevel(); const newNode = new Node(); newNode.data = value; newNode.maxLevel = level; const update = new Array(level).fill(new Node()); let p = this.head; for(let i = level - 1; i >= 0; i--) { while(p.refer[i] !== undefined && p.refer[i].data < value) { p = p.refer[i]; } update[i] = p; } for(let i = 0; i < level; i++) { newNode.refer[i] = update[i].refer[i]; update[i].refer[i] = newNode; } if(this.levelCount < level) { this.levelCount = level; } } /** * 查找跳表里面的某个数据节点,并返回 * @param value * @returns {*} */ find(value) { if(!value){return null} let p = this.head; for(let i = this.levelCount - 1; i >= 0; i--) { while(p.refer[i] !== undefined && p.refer[i].data < value) { p = p.refer[i]; // 标记1,此处用于文章的说明 } } if(p.refer[0] !== undefined && p.refer[0].data === value) { return p.refer[0]; } return null; } /** * 移除跳表里面的某个数据节点 * @param value * @returns {*} */ remove(value) { let _node; let p = this.head; const update = new Array(new Node()); for(let i = this.levelCount - 1; i >= 0; i--) { while(p.refer[i] !== undefined && p.refer[i].data < value){ p = p.refer[i]; } update[i] = p; } if(p.refer[0] !== undefined && p.refer[0].data === value) { _node = p.refer[0]; for(let i = 0; i <= this.levelCount - 1; i++) { if(update[i].refer[i] !== undefined && update[i].refer[i].data === value) { update[i].refer[i] = update[i].refer[i].refer[i]; } } return _node; } return null; } // 打印跳表里面的所有数据 printAll() { let p = this.head; while(p.refer[0] !== undefined) { // console.log(p.refer[0].data) p = p.refer[0]; } } }
如果你看完上面的代码,感觉还是没有太明白;也不要着急,下面我会仔细的讲解一下上面代码的思路
首先,我们定义了一个 Node
类;这个类生成的实例有三个属性,分别是 data
, maxLevel
和 refer
; 具体的解释可以看代码里面的注释;这里要注意的是 refer
这个属性,它是一个长度为 MAX_LEVEL
的数组, 数组里面的值是一个指向别的节点的索引。可以大概看下面这张图来加深一下理解:
不知道上面的图大家有没有看得更明白一点,如果没有的话,也没有关系;我们先继续往下面走。
接下来,我们又定义了一个SkipList类,这个类就是我们要实现的跳表类;SkipList的实例属性有 levelCount
和 head
关于这两个属性的解释可以看代码里面的注释;
我们先来看一下 randomLevel
这个类的静态方法,这个方法用来生成一个不大于 MAX_LEVEL
的值;这个值 可以在我们向SkipList添加元素的时候,生成一个随机的索引级数; 这个随机函数这样设计的原因是为了保证 我们在向SkipList添加元素的时候,每一级索引节点的数量大概能够是上一级索引节点的2倍。
我们首先来看一下SkipList的 find
方法,如果这个方法你能够理解的话,那么SkipList的 remove
和 insert
方法你都能够快速的理解;我们来试一试吧。
首先我们把整个链表的头指针赋值给 p
(这里你可能会有疑问,为什么 this.head
就是整个链表的头指针;这个我们会在后面 讲解 insert
方法的时候再给大家讲解一下)。然后是两层循环,外层是一个 for
循环,里面是一个 while
循环; 我们这个时候就可以看下面这张图了:
首先我们需要知道的是, for
循环是从SkipList的顶层索引开始循环,方向是从上到下的; while
循环则是从某一层的索引开始, 然后从左到右循环;当然我们说的从上到下和从左到右,都是对照我们上面的那张图来进行说明的。
假设我们的SkipList是上面的那张图表示的那样,我们现在需要查找数值9;我们应该怎么做呢?看一下我们上面的代码。
我们首先从顶层开始遍历,看上面的图我们知道这个时候SkipList的 levelCount
应该是 4
,因为我们是从 0
开始计算索引的级数( 第0级索引也就是我们的原始链表 ), 所以最顶层的索引的级数应该是 levelCount - 1
也就是 3
,然后我们就进入了一个 while
循环,这个 while
循环的终止条件是: 当前节点在本层级的下一个节点(我们用 p1
表示)不为空(undefined),并且 p1
的 data
值要小于我们所找的数值 。
我们用 l
表示当前索引的级数,用 p
表示当前遍历到的节点(或者可以理解为一个指针), 那么当 l=3
的时候,第一次 while
循环, p.refer[3]
表示的是第三级索引的 Node(1)
,因为满足 while
的循环条件, 我们又进行一次操作, p = p.refer[i]
,这表明我们此时遍历到了 Node(1)
,或者说是当前的指针指向了 Node(1)
; 然后我们准备进行下一次循环,但是 p.refer[i] !== undefined && p.refer[i].data < value
这个表达式的值不为真; 因为此时 p
表示的是 Node(1)
, p.refer[i]
表示的是 Node(15)
,因为 p.refer[i].data
大于 9
,所以内部的 while
循环终止。
此时外层的 for
循环让 i
变为了 2
,然后 p.refer[i]
表示的是第二级索引上面的 Node(1)
,满足 while
循环,然后继续进行, 这里就不在继续描述程序的运行了,我们可以知道,当 p
表示的是第0级索引的 Node(6)
的时候,所有的循环都已经结束。
然后我们还需要进行一次判断,那就是我们当前位置的下一个节点是不是我们需要找的值(为什么还需要判断?因为我们循环的条件是当前节点 的下一个节点的 data
值要小于我们查找的 value
,如果循环结束,那说明当前节点的下一个节点的值大于或者等于 value
值,所以还需要进行以此判断)。 如果是的话,就返回 p.refer[i]
,如果不是就返回一个 null
。
我们可以用下面这个表格来表示上面的描述,表格表示的是代码中 find
函数里面注释的 标记1 ,这个表格的表示应该更直观一些吧。
运行次数 | 当前P指向的节点 | 索引的级数 | 数据的层数 | 运行的循环 |
---|---|---|---|---|
0 | head | 3 | 4 | - |
1 | node(1) | 3 | 4 | [for, while] |
2 | node(1) | 2 | 3 | [for, while] |
3 | node(6) | 2 | 3 | [while] |
4 | node(6) | 1 | 2 | [for, while] |
5 | node(6) | 0 | 1 | [for, while] |
如果上面的描述你都理解的话,那么 SkipList 的 insert
和 remove
方法你应该很快就明白了; 这两个方法我们就不再像上面那样详细的讲解了;我们会大概的说明一下实现的原理。
关于 insert
方法,在插入一个数据的时候,我们首先生成一个随机的 level
值,用来表示这个数据索引的级数; 然后我们生成一个新的节点 newNode
,接下来我们创建一个 update
数组,这个数组的长度是 level
; 里面存放的是一些节点。
接下来就是熟悉的两层循环,通过上面的那个表格我们可以看到, update
数组里面保存的就是 每次 while
循环终止的那个节点,就是上面图片3中紫色线框框起来的节点;然后我们又运行了一个 for
循环, 接下来的代码很有技巧,我们把新的节点的 refer[i]
( i 表示的是 索引的级数 )指向下一个节点,然后把 update[i]
节点的 refer[i]
指向新的节点 当循环完成的时候,我们就把这个数据插入到了原来的 SkipList 当中。更清晰直观的过程可以看下面的图片。
然后,我们还需要看一下当前的 level
是否大于 SkipList 的最大级数也就是 levelCount
,如果大于当前的 levelCount
, 我们还需要更新 SkipList 的 levelCount
。
关于 remove
方法,这个方法其实和 remove
方法很相似了;不同点在于,我们首先需要找到要删除的元素; 如果这个元素在 SkipList 中不存在的话,我们不能够进行删除的操作; 只有这个元素在 SkipList 中存在的话,我们才能够进行删除操作; 所谓的删除也就是把 P(pre)
的索引指向 P(next)
(其中 P(pre)
表示位于同一级别索引的 P
节点的上一个节点, P(next)
表示位于同一级别索引的 P
节点的下一个节点), 这样我们就把这个节点删除掉了;下面的图形象地表示了这一个过程。
最后说一下 printAll
方法,这个方法就是打印出我们在 SkipList 存储的所有数据;因为第0级索引存放的就是 我们的原始数据。到这里为止,关于代码部分我们已经讲解完毕了。
测试SkipList相关操作的效率
接下来我们来测试一下 SkipList 相关操作的效率,具体的代码可以看这个文件,我们直接把测试的结果用下面的表格来进行表示:
浏览器环境下:
操作数据的样本数量 | 查找操作 | 插入操作 | 删除操作 |
---|---|---|---|
100 | 0.08203125ms | 0.016845703125ms | 0.155029296875ms |
1000 | 0.10302734375ms | 0.027099609375ms | 0.19189453125ms |
10000 | 0.123046875ms | 0.06396484375ms | 0.203857421875ms |
100000 | 0.19189453125ms | 3.96923828125ms | 0.481689453125ms |
Node环境下:
操作数据的样本数量 | 查找操作 | 插入操作 | 删除操作 |
---|---|---|---|
100 | 0.097ms | 0.018ms | 0.087ms |
1000 | 0.150ms | 0.019ms | 0.095ms |
10000 | 0.125ms | 0.099ms | 0.095ms |
100000 | 0.195ms | 1.342ms | 0.172ms |
如果大家要进行测试的话,要注意一点;当操作的数据样本数量为100000的时候,因为生成SkipList需要比较长的时间,所以可能要稍稍等一下。
通过上面的表格我们可以看到,使用 SKipList 的效率是很高的。到这里整篇文章也就算结束啦,文章中可能会有不严谨的地方,也欢迎大家指出来,我们一起共同进步。
如果你有什么想说的,可以在 这里 发表评论.
版权声明: 共享-保持署名-非商业性使用-禁止演绎
以上就是本文的全部内容,希望本文的内容对大家的学习或者工作能带来一定的帮助,也希望大家多多支持 码农网
猜你喜欢:- 数据结构 – 用于构建文件系统的数据结构?
- 荐 用Python解决数据结构与算法问题(三):线性数据结构之栈
- 数据结构和算法面试题系列-C指针、数组和结构体
- 请问二叉树等数据结构的物理存储结构是怎样的?
- 数据结构——单链表
- 常用数据结构
本站部分资源来源于网络,本站转载出于传递更多信息之目的,版权归原作者或者来源机构所有,如转载稿涉及版权问题,请联系我们。
视觉SLAM十四讲
高翔、张涛、等 / 电子工业出版社 / 2017-3 / 75
《视觉SLAM十四讲:从理论到实践》系统介绍了视觉SLAM(同时定位与地图构建)所需的基本知识与核心算法,既包括数学理论基础,如三维空间的刚体运动、非线性优化,又包括计算机视觉的算法实现,例如多视图几何、回环检测等。此外,还提供了大量的实例代码供读者学习研究,从而更深入地掌握这些内容。 《视觉SLAM十四讲:从理论到实践》可以作为对SLAM 感兴趣的研究人员的入门自学材料,也可以作为SLAM......一起来看看 《视觉SLAM十四讲》 这本书的介绍吧!