我需要用 C 做一个学校项目（我真的不知道 c++）。
我需要一个数据结构来索引大约 34k 文档的每个单词，它的单词很多，并且需要对单词做一些排名，大约 2 年前我已经做过这个项目（我在学校暂停今年又回来了）和 ai 使用二叉树的哈希表，但我的成绩很低，因为我的项目花了大约 2 小时来索引所有单词。我需要一些快一点的东西……有什么建议吗？
Tkz 罗伯托
【问题讨论】：
标签： c data-structures hash tree
如果您可以选择，我强烈建议您使用数据库引擎（MSSQL、MySQL 等），因为这正是为这些数据集和操作而编写的类型。最好不要重新发明轮子。
否则，为什么要使用 btree 呢？根据你的描述（我意识到我们可能没有得到完整的故事......）一个以单词为键的直接哈希表，它的出现排名/计数应该有用吗？
【讨论】：
bogofilter（垃圾邮件过滤器）必须保持字数。它使用 dbm 作为后端，因为它需要持久存储单词 -> 计数映射。您可能想查看代码以获取灵感。或者不，因为你需要为学校项目实现它的数据库部分，而不是垃圾邮件过滤器部分。
尽量减少你必须做的指针追逐。数据相关的内存加载操作很慢，尤其是。在您将有缓存未命中的大型工作集上。因此，请确保您的哈希表足够大，以至于您不需要每个存储桶中都有一棵大树。当你在哈希桶中得到多个值时，也许检查你的二叉树是密集的，而不是退化的链表。
如果它很慢，请对其进行分析，并查看您的问题是否是一个缓慢的函数，或者是缓存未命中，还是分支预测错误。
【讨论】：