最优搜索数据结构答案

【问题标题】：Optimal search data structure最优搜索数据结构
【发布时间】：2013-04-21 18:18:14
【问题描述】：

我在发布之前搜索了这个，但我找不到对我有帮助的东西。我正在使用java。我有一个 300.000 字的文件（已经按字母顺序排序）。我想在结构中加载这些单词并搜索我将通过的单词存在与否。我想要最适合字符串搜索的东西。我看过关于尝试（后缀树）和红黑树（TreeSet - 因为我只想要键，并且没有值 - 在 java 中）。

如果您考虑回答，请提供有关效率的一些解释你的提议。谢谢。

编辑结构将通过加载文件创建，不再有添加单词。不需要区分大小写。我不知道什么是词干。我现在知道了，但我不知道它是否会有所帮助。该文件是一本字典（没有翻译，只有给定语言的单词）。

【问题讨论】：

区分大小写是否重要？你在使用词干吗？您打算添加更多单词吗？我个人使用尝试。
如果你必须使用 JDK 类，我会选择Set<String>。您可以通过它的一些实现来备份它：HashSet<String>、LinkedHashSet<String> 或 TreeSet<String>，具体取决于您在使用 Set<String> 时的需要。
我不必这样做，但这对我来说会更容易。您为什么不将此作为答案发布？我已经编辑了我的问题。请提供您的意见。你会怎么做？感谢您的帮助

标签： java search tree large-files

【解决方案1】：

哈希将是您的最佳解决方案。它以与树集相对的恒定时间进行搜索，即 log(n) 时间。

如果您在创建时声明的集合足够大，您也可以在恒定时间内存储。

http://docs.oracle.com/javase/6/docs/api/java/util/HashMap.html

创建时间为：n，您需要将排序集包含在单独的结构中。

这是一个针对重复搜索而不是内存或添加数据而优化的解决方案。

【讨论】：

我建议你链接到HashSet，因为 OP 没有键/值对。
通过您的编辑，我会说 HashMap 就足够了。您创建了具有 n (300.000) 次操作的集合，并且可以从那里使用单个（恒定时间）操作进行读取。
这将是 jlordo 提到的 HashSet。我只有键，没有值。 TreeSet 将是 O(logn) 和 HashSet O(n)。对于这种大小的数据，如果是对数会不会更好？
Hashset 的最坏情况查找为 O(n)，但平均情况为 O(1)。另外，一个Treeset需要对compareTo进行重复调用，字符串大小为O(n)； Hashset 只需要比较哈希码（恒定时间）以及对equal 的一次调用（字符串大小为 O(n)）
感谢 Zim-Zam 的详细解释。