字典实现（平衡二叉搜索树与哈希表）答案

【问题标题】：Dictionary implementation (Balance Binary Search tree v.s. hash table)字典实现（平衡二叉搜索树与哈希表）
【发布时间】：2011-04-15 01:13:16
【问题描述】：

在什么情况下使用平衡二叉搜索树而不是哈希表来实现 Dictionary ADT 更好？

我的假设是使用二叉搜索树总是更好，因为它的自然顺序。

但是哈希表的搜索时间确实可以和 O(1) 一样好，v.s.二叉树的 O(logn)。

所以我不确定情况是什么。

【问题讨论】：

标签： dictionary hashtable binary-search-tree

【解决方案1】：

当哈希表被填满并需要重新分配内存（在硬实时系统的上下文中）时，它们可能会出现性能问题。二叉树没有这个问题。哈希表需要比实际使用更多的内存，而二叉树则需要尽可能多的内存。

【讨论】：

【解决方案2】：

您的问题已经包含答案：

如果您不需要任何内在排序，请使用哈希表以获得更好的性能。如果您的要求需要某种排序，请考虑使用树。

【讨论】：

【解决方案3】：

字典的时间复杂度是：

-----------------------------------------
| Operation   |  Dictionary |    BST    | 
-----------------------------------------
| Insert      |  O(1)       | O(log(n)) |
-----------------------------------------
| Delete      |  O(1)       | O(log(n)) |
-----------------------------------------
| Search      |  O(1)       | O(log(n)) |
-----------------------------------------

那么你在哪里使用 BST 和 Dictionary 呢？以下是 BST 的一些主要优势。

使用 BST，您总是需要 O(log(n)) 操作，但调整哈希表的大小是一项代价高昂的操作
如果您需要按排序顺序获取键，您可以让它们遍历中序树。排序对于字典来说是不自然的
进行统计，例如查找最近的较低和较大元素，或范围查询。

【讨论】：