我已经能够通过多个来源找到关于几个自平衡BSTs 的详细信息，但我没有找到任何好的描述，详细说明哪一个最适合在不同情况下使用（或者如果它真的没有）没关系）。
我想要一个BST，它最适合存储超过一千万个节点。节点的插入顺序基本上是随机的，我永远不需要删除节点，所以插入时间是唯一需要优化的东西。
我打算用它来存储以前访问的游戏状态在一个益智游戏中，这样我就可以快速检查以前的配置是否已经遇到过。
【问题讨论】：
标签： data-structures language-agnostic binary-search-tree
Red-black 比 AVL 更适合插入繁重的应用程序。如果您预见到相对统一的查找，那么红黑是要走的路。如果您预见到相对不平衡的查找，即最近查看的元素更有可能再次被查看，您希望使用splay trees。
【讨论】：
为什么要使用BST？根据您的描述，如果不是更好的话，字典也可以正常工作。
使用BST 的唯一原因是如果您想按键顺序列出容器的内容。听起来您当然不想这样做，在这种情况下，请使用哈希表。 O(1)插入搜索，不用担心删除，还有什么更好的呢？
【讨论】：
我最熟悉的两个自平衡BSTs 是红黑和AVL，所以我不能确定是否有更好的解决方案，但我记得红黑与AVL 相比，插入速度更快，检索速度更慢。
因此，如果插入的优先级高于检索，则红黑可能是更好的解决方案。
【讨论】：
[哈希表有] O(1) 的插入和搜索
我认为这是错误的。
首先，如果将键空间限制为有限，则可以将元素存储在数组中并进行 O(1) 线性扫描。或者您可以对数组进行随机排序，然后在 O(1) 预期时间内进行线性扫描。当东西是有限的时，东西很容易 O(1)。
假设您的哈希表将存储任意位字符串；没关系，只要有一组无限的键，每个键都是有限的。然后，您必须读取任何查询和插入输入的所有位，否则我将 y0 插入一个空哈希并在 y1 上进行查询，其中 y0 和 y1 在您不查看的单个位位置不同。
但是假设密钥长度不是参数。如果您的插入和搜索花费 O(1)，尤其是散列需要 O(1) 时间，这意味着您只能查看来自散列函数的有限输出（其中可能成为 只有一个有限的输出，授予）。
这意味着对于有限多个桶，必须有无限的字符串集，它们都具有相同的哈希值。假设我插入了很多，即 ω(1)，然后开始查询。这意味着您的哈希表必须依靠其他一些 O(1) 插入/搜索机制来回答我的查询。哪一个，为什么不直接使用呢？
【讨论】：