跳表通过多层链表结构实现o(log n)查找：底层含全部有序节点，上层为稀疏子集构成快车道；节点携带多层指针支持垂直下降与水平推进；插入时用概率随机决定层数，避免重平衡开销。
跳表的多层结构不是简单堆叠几条链表，而是靠“分层索引 + 随机层数”协同工作，让查找从线性扫描变成逐级跳跃。核心在于每层是下一层的稀疏子集，且插入时用概率决定节点出现在哪些层，避免重平衡开销。
多层链表怎么组织才有效
最底层（Level 0）必须包含全部有序数据节点，比如 1 → 3 → 5 → 7 → 9 → 12 → 17 → 19 → 21 → 25。往上每一层都是它的“快车道”：
- Level 1 可只保留部分节点，如 1 → 7 → 12 → 19 → 25，跨度不等距，但整体覆盖均匀
- Level 2 更稀疏，如 1 → 12 → 25，用于大范围定位
- 顶层（如 Level 3 或 Level 4）通常只有头尾或极少数节点，起快速入口作用
关键点：高层不要求严格按固定步长抽点，而是靠后续随机机制自然维持稀疏性与覆盖性之间的平衡。
节点怎么设计才能跨层关联
每个节点需携带多个指针，支持在不同层级中定位自身及相邻节点：
- next：指向同层下一个节点
- down：指向下一层对应位置的节点（同一数据值）
- up：指向上一层对应节点（可选，便于删除时回溯）
- backward（Redis 风格）：支持反向遍历，用于范围查询
例如值为 12 的节点，在 Level 2 有 next 指向 25，在 Level 1 有 down 指向 Level 1 的 12 节点，在 Level 0 同样存在并连着 9 和 17。这样查找时能“垂直下降 + 水平推进”无缝切换。
插入新节点时如何决定它该上几层
不靠人工规划，而用概率方式生成层数，典型做法是“抛硬币直到反面出现”：
- 设晋升概率 p = 0.5，则层数为 1 的概率是 50%，为 2 是 25%，为 3 是 12.5%……
- 实际实现中限制最大层数（如 Redis 用 32，C 实现常用 8 或 16），防止极端情况
- 插入前先掷出目标层数 k，然后从最高层开始，沿各层找到插入点，再逐层新建指针连接
这种机制让结构天然具备统计平衡性——不需要像红黑树那样旋转或染色，也不用像 B+ 树那样分裂合并。
查找过程为什么能逼近 O(log n)
查找不是从底层扫起，而是自顶向下“跳-降-跳-降”：
- 从最高层 head 出发，沿 next 向右走，一旦 next→data > 目标值，就停住
- 立刻 down 到下一层，从当前节点继续向右找
- 重复直到 Level 0，最后一步做精确比对
查 21 的例子：Level 2 从 1 → 9 → 21（命中）；若查 17，则 Level 2 走到 9 后发现 21 > 17，降层到 Level 1 的 9，再 → 17；整个路径跳过大量中间节点，平均步数约 log₂n。
不复杂但容易忽略：层级越多不一定越快，过高层数会增加指针存储和插入开销；合理设置最大层数与晋升概率，才能在空间和时间之间取得实用平衡。
