这篇文章简单分享学习redis(6.0)数据结构-跳表skiplist
redis中的有序数据集合[zset],有两种实现方式：跳表和压缩列表，我们今天学习下跳表的实现原理。
学习新的知识，我们先从已掌握的知识入手，由浅入深，让我们先从普通链表开始，如果希望一个集合有序，我们会想到通过有序链表实现：
我们在该单链表中查询元素[15],经过1,3,5,7,9,11,13,15，需要从头到尾遍历8次，效率很低。单链表的查询时间复杂度为O(N)。
如何提升查询效率呢？我们可以为链表建立“索引”：每两个元素提取一层建立索引：
然后我们在新的两层链表中查询元素[15],经过1,5,9,13,15，需要查询5次。通过建立索引达到了减少查询次数的目的。时间复杂度为O(logN)O(logN)。
这就是我们要认识的跳表：跳跃表（跳表）是一种有序数据结构，它通过在每个节点中维持多个指向其他节点的指针，从而达到快速访问节点的目的。
下面我们分析下跳表的时间复杂度如何计算的：
假设我们严格的按照每两个元素提取一层建立索引，如上图的三层索引，N：元素的总规模，h：索引层高
第一层索引元素个数：N/2N/2，
第二层索引元素个数N/2*2N/2∗2，
第三层索引元素个数N/2*2*2N/2∗2∗2
我们可以得到 数据总规模N与索引层高h的函数关系，最底层的索引元素个数为2=N/2h2=N/2h，即可推出h = log2N - 1h=log2N−1，再加上最底层的原始链表 h = log2Nh=log2N (log以2为底N的对数)
跳表的时间复杂度 = 层高（h） * 每层遍历的个数(m)，当数据规模很大的时候，我们可以忽略常数项m，所以链表的时间复杂度O(logN)O(logN)
我们上面的例子是为了说明跳表的基本结构，简化的模型，下面再举个更直观的例子，当数据量很大时，可以明显的看到极大的提高查询效率：
比如查找9998，通过建立索引我们能减少很多的查询过程。
以上我们简单认识了跳表，今天的重点是分析redis中跳表的数据结构。
Redis 的跳跃表实现和 WillianmPugh [WillianmPugh博士在他的论文中提出跳表的数据结构]在 “ Skip Lists: A Probabilistic Alternative to Balanced Trees ” 中描述的跳跃表算法类似，但又有有些区别：
1、Redis 的跳跃表允许分值重复；
2、Redis 的跳跃表排序不止根据分值，在分值相同的时候会对比成员对象；
3、Redis 的跳跃表有一个后退指针，形成了一个双向链表，可以从表尾向表头遍历，用于 ZREVRANGE 命令的实现。
Redis的跳跃表由 zskiplistNode 和 skiplist 两个结构定义：
zskiplistNode结构用于表示跳跃表节点；
zskiplist结构则用于保存跳跃表节点的相关信息,比如节点的数量,以及指向表头节点和表尾节点的指针等
skiplis
header：指向跳跃表的表头节点。
tail：指向跳跃表的表尾节点。
ength：记录跳跃表的长度，即除去表头节点之外的节点数量之和。
level：记录跳跃表内层数最大的那个节点的层数（表头节点的层数不计算在内）。
zskiplistNode
ele：用于记录跳跃表节点的值，类型是 SDS。
score：保存跳跃表节点的分值，在跳跃表中，节点按各自所保存的分值从小到大排列。
backward：后退指针，它指向当前节点的前一个节点，在程序从表尾向表头遍历时使用。因为一个跳跃表节点只有一个后退指针，所以每次只能后退至前一个节点。
level：跳跃表节点的层，每个层都带有两个属性：前进指针 forward 和跨度 span。前进指针用于访问位于表尾方向的其他节点，而跨度则记录了前进指针所指向节点和当前节点的距离。每个跳跃表节点最多有 32 层。
zskiplistLevel包含以下两个属性：
forward：指向同一层的下一个节点，为节点的forward指向NULL span：forward指向的节点与本节点之间的节点的个数，span越大说明跳过的节点的个数越多
下面我们分析下跳表插入节点的过程，有助于进一步了解跳表的数据结构及实现原理：
这是第一步查询的要插入的位置的描述：
此处详细分析了查找插入节点的过程分析，因为新增、修改、删除节点都涉及查询
