Web3 现货撮合引擎中的跳表原理与实践

1. 引言：为什么撮合引擎需要跳表

在 Web3 现货交易所里，撮合引擎是整个系统的性能心脏。它需要在毫秒甚至微秒级别完成「价格优先、时间优先」的订单匹配，同时支撑每秒数万到数十万笔的订单插入、撤销与查询。

传统实现里，订单簿（Order Book）通常有两种组织方式：

• 数组 / 有序列表：查询快，但插入和删除是 O(n)，在深度大的交易对（如 BTC/USDT 动辄上万档）上会迅速成为瓶颈。
• 红黑树 / 平衡二叉树：插入、删除、查询都是 O(log n)，但节点分散、指针跳转多，缓存不友好，且并发实现复杂。

跳表（Skip List） 恰好在这两者之间取得了很好的平衡：它用多层链表实现近似 O(log n) 的查找、插入、删除，结构简单、无旋转、易并发、缓存局部性优于树，因此被大量撮合引擎与内存数据库采用（如 Redis 的有序集合底层就是跳表）。

本文从撮合引擎的实际需求出发，讲清楚跳表的原理、在现货订单簿中的落地方式，以及工程实现中的关键细节。

2. 现货订单簿的数据模型

在讲跳表之前，先明确订单簿要存什么。

一个现货交易对（如 BTC/USDT）的订单簿由两侧组成：

• 买盘（Bids）：按价格从高到低排序，价格越高越优先成交。
• 卖盘（Asks）：按价格从低到高排序，价格越低越优先成交。

每一侧本质上是一个「价格档位」的有序集合，每个价格档位下挂着一个 FIFO 的订单队列（同一价格按时间优先）。

Bids（价格降序）              Asks（价格升序）
10050 -> [订单A, 订单B]       10060 -> [订单C]
10040 -> [订单D]              10070 -> [订单E, 订单F]
10030 -> [订单G]              10080 -> [订单H]

撮合时，只要「最高买价 >= 最低卖价」，就说明存在可成交机会，引擎从两侧取出队首订单进行撮合。

因此订单簿的核心操作可以归纳为：

这些操作正是跳表擅长的场景。

3. 跳表的核心原理

3.1 从链表到多层索引

普通有序链表查找需要从头遍历，复杂度 O(n)。跳表的思路是：在链表之上建立多层「快速通道」，上层节点稀疏、下层节点稠密，查找时从最高层开始，能往右就往右，不能往右就下降一层。

Level 3:  1 -------------------------> 9
Level 2:  1 --------> 5 -------------> 9
Level 1:  1 --> 3 --> 5 --> 7 -------> 9
Level 0:  1 -> 2 -> 3 -> 4 -> 5 -> 6 -> 7 -> 8 -> 9

查找 7 的过程：

1. 从 Level 3 头节点出发，下一个是 9，比 7 大，下降。
2. Level 2 到 5，5 < 7，继续往右到 9，9 > 7，下降。
3. Level 1 到 5，往右到 7，命中。

整个过程跳过了大量节点，平均查找长度为 O(log n)。

3.2 层高如何决定

每个节点在插入时随机决定自己的层高，通常采用几何分布：

P(level >= k) = p^k

常见取 p = 0.25 或 p = 0.5。p = 0.25 时，每 4 个节点期望有 1 个进入上一层，空间开销约为 1/(1-p) = 1.33 倍，非常划算。

随机化的好处是不需要任何重平衡操作，插入删除只改指针，天然适合高并发与低延迟场景。

3.3 复杂度分析

最坏情况概率极低（随机层高退化），工程上可以认为稳定在 O(log n)。

4. 用跳表实现订单簿

4.1 价格档位作为跳表节点

订单簿的每一侧用一个跳表维护价格档位，key 为价格，value 为该价格下的订单队列。

• 买盘跳表按价格降序比较（价格高者在前）。
• 卖盘跳表按价格升序比较（价格低者在前）。

这样「买一 / 卖一」就是跳表的第一个有效节点，取最优价是 O(1)。

4.2 插入订单流程

1. 校验订单（价格、数量、交易对）
2. 在对应侧跳表中查找价格档位
   - 存在：追加到该档位的订单队列尾部（时间优先）
   - 不存在：新建档位节点，插入跳表
3. 触发撮合检查：比较买一与卖一
4. 若可成交，循环撮合直到价差恢复或订单耗尽

4.3 撤单流程

撤单需要「按订单 ID 快速定位」。常见做法是维护一个 orderId -> (side, price, orderNode) 的哈希索引：

1. 通过哈希表 O(1) 找到订单所在档位
2. 从档位的订单队列中移除该订单（双向链表 O(1)）
3. 若档位订单队列为空，从跳表中删除该价格节点

这里跳表的删除同样是 O(log n)，且只需修改前后指针。

4.4 撮合循环

while (bestBid.price >= bestAsk.price) {
    bidOrder = bestBid.queue.head
    askOrder = bestAsk.queue.head
    matchedQty = min(bidOrder.qty, askOrder.qty)
    // 生成成交记录，更新双方余额
    // 扣减数量，数量为 0 的一方出队
    // 档位为空则从跳表删除
}

由于最优价始终在跳表头部，撮合循环的每次迭代都是 O(1) 取档位 + O(log n) 删除空档位，整体效率很高。

5. 代码实现示例

下面用 Go 给出一个简化但可运行的跳表实现，聚焦订单簿需要的「有序插入、查找、删除、取首节点」能力。

package skiplist

import (
	"math/rand"
)

const maxLevel = 32
const p = 0.25

type node struct {