跳表通过多层有序链表与概率化层数实现O(log n)查找：单层有序链表查找为O(n)，因只能逐个遍历；跳表在底层之上构建稀疏“快车道”，从最高层开始向右跳跃、再降层，模拟二分过程，避免严格2:1比例导致的插入/删除开销。
跳表（SkipList）不是靠树形结构或哈希函数实现 O(log n) 查找的，而是用「多层有序链表 + 概率化层数」模拟二分过程——它不强制每层节点数精确为下一层的一半，而是靠随机生成层数来摊平期望性能。
为什么单层有序链表查得慢，而跳表能加速？
单链表只能从头开始逐个比较，查找时间是 O(n)。跳表在底层链表（Level 0）之上叠加若干层“快车道”：上层节点更稀疏，指针跨得更远。查找时从最高层出发，一路向右跳到“下一个值 > target”的位置，再下降一层继续，最终落到 Level 0 判断是否存在。这个过程近似于二分查找的“折半”逻辑，但不用数组索引，只靠指针跳跃。
关键点在于：它不要求每层严格 2:1 对应，否则插入/删除一个节点就得重排整段链表，退化成 O(n)；而是接受概率分布，用随机性换简洁性。
randomLevel() 怎么写才合理？
常见错误是写成 rand() % MAX_LEVEL + 1——这会让各层出现概率均等，导致高层节点过多、空间浪费，且搜索路径变长。正确做法是“抛硬币式”递进：
立即学习“C++免费学习笔记（深入）”；
- 从 level = 1 开始
- 每次以固定概率（如 0.5 或 Redis 的 0.25）决定是否再升一层
- 设上限
MAX_LEVEL（如 16 或 32），防止无限增长
示例实现：
int randomLevel() {
int level = 1;
while (rand() % 2 == 0 && level < MAX_LEVEL) {
level++;
}
return level;
}
这样第 i 层节点的期望数量是总节点数的 1/(2^i)，保证了空间复杂度仍是 O(n)，且搜索时横向跳转的期望次数恒定（数学上可证为常数）。
查找时为什么要从最高层开始往下走？
因为最高层覆盖范围最广，能最快排除大段无关区域。如果从底层开始，就退化回普通链表；如果中途跳层顺序错乱（比如先降再右），会漏掉节点或陷入死循环。
标准查找流程必须满足：
- 每一层内只往右走，直到
next[i]->val >= target - 然后下降一层（
i--），重复该动作 - 最终停在 Level 0 的前驱节点，检查
next[0]是否等于target
这个“右→下→右→下”的模式，本质是在做坐标系里的曼哈顿路径逼近，确保不会跳过目标。
实际工程中容易被忽略的细节
很多初学者照着伪代码写完发现插入后查不到——问题常出在三处：
-
head节点的forward数组必须初始化为全nullptr，且大小至少为MAX_LEVEL + 1（有些实现用 0-based 层号，有些用 1-based） - 插入时的
update[]数组要记录每一层的插入位置，不能只记某一层；否则高层链接会断开 -
srand(time(nullptr))必须只调用一次（通常在main()开头），否则在快速连续测试中rand()会返回相同序列，导致所有节点层数都为 1
跳表真正的难点不在原理，而在指针链接的严密性和边界条件处理——少一个 != nullptr 判断，就可能段错误；少一次 update[i] = p 赋值，插入就静默失败。
