总结
跳表: 主要通过多重链表实现，最底层包含所有元素，上层都是底层元素的跳跃索引，每一层的元素是从下一层中随机选择的，通常使用概率算法来决定一个元素是否出现在上一层。每个节点包含一个值和指向下一层节点的指针
-
插入时，首先从最高层开始查找插入位置，然后随机决定新节点的层数，最后在相应的层中插入节点并更新指针。
-
删除时，同样从最高层开始查找要删除的节点，并在各层中更新指针，以保持跳表的结构。
-
查找时，从最高层开始，逐层向下，直到找到目标元素或确定元素不存在。查找效率高，时间复杂度为 O(logn)
原理
跳表，一句话概括: 就是一个多层索引的链表，每一层索引的元素在最底层的链表中可以找到( 这一点和 B+树是一样的 )，如下图所示，这就是一个简单的跳表实现了，每个颜色代表一层，绿色的就是链表的最底层了。
接下来我们通过查询和添加元素来了解其功能流程:
1)查询元素: 这里我们与传统的链表进行对比，来了解跳表查询的高效。
-
假设我们要查找 50 这个元素，如果通过传统链表的话( 看最底层绿色的查询路线 )，需要查找 4次，查找的时间复杂度为0(n)
-
但如果使用跳表的话，其只需要从最上面的 10 开始，首先跳到 40 ，发现目标元素比 40 大，然后对比后一个元素比 70 小。于是就前往下一层进行查找，然后 40 的下一个 50 刚好符合目标，就直接返回就可以了，类似 B+树二分查找
-
这个过程的跳转次数是3次，即10->40(顶层)->40(第二层)->50(第二层)，跳表的平均时间查询复杂度是 0(logn)，最差的时间复杂度是O(n)
2) 插入元素: 我们插入一条 score 为 48 的数据
-
先需要定位到第一个比 score 大的数据。如图所示，一下子就可以定位到 50 了，这里和查询的过程( 上文所示 )是一样的。
-
在定位到对应节点之后，将在节点所有应该存在的层级上进行插入操作，这里就是40-50之间的所有层
补充插入的随机层级
一个节点有多少层，Redis 是采用随机的概率函数来决定的。
在代码中，跳表每一个节点能否新加一层( 即前面如何从下往上构建出跳表 )的概率是 25 %
然后最多的层数在 Redis 5.0 中是 64 层，Redis 7.0 中是 32层。
具体解释
跳表在创建节点时候，会生成范围为[0-1]的一个随机数，如果这个随机数小于 0.25，那么层数就增加 1 层，然后继续生成下一个随机数，这样的做法，相当于每增加一层的概率不超过 25%，层数越高，概率越低，层高最大限制是 64。（创建跳表时头结点就等于层高）
//5层跳表 10 10 50 10 20 50 10 20 30 50 10 20 30 50 //比如插入20这个结点时会生成随机数 如果>0.25，那么这一层的高度+1，然后继续生成随机数 如果还是>0.25，高度继续+1，依次类推 如果<0.25，终止，记录 该结点的最终高度
-
定位层级后，再将每一层的链表节点进行补齐，就是在 40 与 50 之间插入一个新的链表节点48，插入过程与链表插入是一样的。
redis的跳表
就是在此基础上添加回退指针，且score能重复
为什么 Redis 跳表实现多了个回退指针(前驱指针)？
回退指针主要是为了提高跳表的操作效率和灵活性，例如在进行删除操作时，需要找到要删除节点的前驱节点以便更新指针。回退指针使得这一过程更为高效，避免了从最高层开始逐层查找。
尤其是在频繁插入和删除的场景中，回退指针减少了节点之间指针的更新复杂度，提升性能。
typedef struct zskiplistNode {
//Zset 对象的元素值
sds ele;
//元素权重值
double score;
//后退指针
struct zskiplistNode *backward;
//节点的level数组，保存每层上的前向指针和跨度
struct zskiplistLevel {
struct zskiplistNode *forward;
unsigned long span;
} level[];
} zskiplistNode;