headIndex是ConcurrentSkipListMap跳表顶层索引的虚拟入口节点，不存储键值对，仅通过right和down引用导航多层索引结构，维持O(log n)并发查找性能。
ConcurrentSkipListMap 的 headIndex 是跳表顶层索引的入口节点，它不存储键值对，仅作为多层索引结构的起点；真正的数据节点（Node）位于最底层（level 0），而上层 IndexNode 是对下层节点的“快进索引”，通过随机层级提升和原子操作协同构建，保证并发安全与 O(log n) 查找性能。
headIndex 的作用与结构
headIndex 是整个跳表的顶层索引头节点，类型为 Index<K,V>（即 IndexNode 的基类），它本身不持有业务键值，只维护指向同层下一个索引节点的 right 引用，以及指向下层对应索引（或底层数据链表头）的 down 引用。它的层级由初始化时的随机层数决定，后续插入新索引时会动态扩展顶层，但 headIndex 始终是当前最高层的入口。
关键点：
-
headIndex是一个“虚拟头”，不参与实际数据比较，只用于导航 - down 链最终落到最底层的
HeadNode（即数据链表的 dummy head） - headIndex 字段，确保多线程可见性
IndexNode 的生成与层级关联逻辑
当插入一个新 Node（数据节点）时，ConcurrentSkipListMap 会调用 randomLevel() 决定该节点在索引层中应出现的层数（通常 1–32 层，概率呈指数衰减）。随后，为该 Node 构建对应数量的 IndexNode，每个 IndexNode 持有对下层对应节点（可能是另一个 IndexNode 或原始 Node）的引用，并链接到同层前驱索引的 right 链中。
立即学习“Java免费学习笔记（深入）”；
构建过程要点：
- 从 level 1 开始逐层向上构造
IndexNode，每层都需找到该层中插入位置的前驱索引节点 - 利用 CAS 在前驱
IndexNode.right上插入新索引，失败则重试（无锁算法核心） - 新
IndexNode.down指向已存在的下层对应节点（如 level i 的IndexNode指向 level i−1 的同类节点，最底层指向Node） - 若需新增顶层，则以原子方式更新
headIndex，新顶层IndexNode的down指向原headIndex
层级间的一致性与并发保障
跳表多层结构的正确性依赖于 IndexNode 与底层 Node 的“垂直对齐”：同一列中的所有 IndexNode 最终必须能通过 down 链抵达同一个数据节点。ConcurrentSkipListMap 通过“自底向上”构建 + “先连下层、再挂上层”的顺序来避免中间态不一致。
并发安全机制包括：
- 所有结构变更（
right和down指针设置）均使用Unsafe.compareAndSetObject等原子操作 - 插入过程中若检测到其他线程已插入相同 key，会放弃当前构建并重试
-
headIndex的更新采用 CAS 循环，确保高并发下顶层视图始终有效 - 删除操作也遵循类似路径：先标记
Node为删除态（next = null），再逐层清理对应IndexNode
为什么不用固定高度而用概率化层级？
固定高度跳表（如强制 4 层）会导致空间浪费或性能瓶颈；而 randomLevel() 使用类似抛硬币策略（约 50% 概率终止），使平均层数为 2，期望最大层数为 log₂n。这种设计在空间开销（O(n)）与查找/插入/删除时间复杂度（O(log n) 期望）之间取得平衡，且天然适应动态数据规模。
实际影响：
- 小数据量时多数节点只有 1 层索引，接近链表；大数据量时自动拉高层级提升跳转效率
- 概率分布保证了各层节点数大致按 1/2、1/4、1/8… 衰减，维持跳表结构的统计平衡
- 即使个别节点层级异常高（如 10 层），也不会破坏整体正确性，只是略微增加内存占用
