纯功能映射和集合的统计性能答案

【问题标题】：Statistical performance of purely functional maps and sets纯功能映射和集合的统计性能
【发布时间】：2013-03-28 04:21:06
【问题描述】：

给定一个数据结构规范，例如具有已知复杂性界限的纯功能映射，必须在几种实现之间进行选择。关于如何选择正确的树有一些民间传说，例如红黑树通常被认为更快，但 AVL 树在具有许多查找的工作负载上具有更好的性能。

是否有系统地介绍（发表的论文）这种知识（与集合/地图相关）？理想情况下，我希望看到对实际软件进行的统计分析。例如，它可能会得出结论，有 N 种典型的地图用法，并列出每种的输入概率分布。
是否有系统的基准测试来测试地图和设置不同输入分布的性能？
是否有使用自适应算法根据实际使用情况改变表示的实现？

【问题讨论】：

你看过冈崎的书吗，Purely Functional Data Structures?
@RobertHarvey，是的，我有一份。它在设计 PFDS 和进行复杂性分析方面具有出色的材料。对从业者也有一些提示（民间传说见上）。不过，我正在寻找更多的经验数据，和/或对实际使用模式的统计分析。
这似乎是一个有趣的问题，但我不确定它是否是主题。它非常本地化，从某种意义上说，您基本上希望有人偶然发现这里恰好知道一篇讨论这个问题的论文（这是一个canihazresourcez 问题，换句话说，一个众包互联网搜索） .无论如何，粗略的谷歌搜索会出现这个：citeseerx.ist.psu.edu/viewdoc/summary?doi=10.1.1.35.9196
见meta.stackexchange.com/questions/128158/…
还有这个：journals.cambridge.org/action/…

【解决方案1】：

这些基本上都是研究课题，结果一般以结论的形式给出，而统计数据是隐藏的。不过可以对自己的数据进行统计分析。

对于基准，最好仔细阅读实现细节。

问题的第三部分是一个非常主观的问题，实际意图可能永远不会在执行时知道。但是，像 perl 这样的语言会尽力为每个操作实现高度优化的解决方案。

以下可能会有所帮助： Chris Okasaki 的纯函数式数据结构 http://www.cs.cmu.edu/~rwh/theses/okasaki.pdf

【讨论】：