Algorithm JFC和x27之间的时间复杂度；什么是HashMap和TreeMap？

据我了解,

TreeMap :
1. Insert O( logN )
2. Delete O( logN )
3. Retrieve O( logN )
HashMap :
1. Insert O( 1 ) -> O( N )
2. Delete O( 1 ) -> O( N )
3. Retrieve O( 1 ) -> O( N )

我知道树映射使用红黑树作为内部数据结构。但是，我不太确定HashMap的内部数据结构

HaspMap是使用 哈希表

如果答案是“是”，那么它是否使用array base的实现 还是参考库的实现

如果它使用数组基，那么它是排序的还是未排序的

我正在做一个小项目，用Java演示HashMap和TreeMap之间所有操作（插入、删除、检索）的运行时复杂性，但我真的不知道如何将理论公式与运行程序的实际结果联系起来。例如，通过运行快速测试： 1.插入10000个元素 2.删除100个元素 3.检索100个元素

我得到了以下信息：

     HashMap
Create time : 6348015 nano seconds.
Remove time : 98458 nano seconds.
Retrieve Found time : 59762 nano seconds.
Retrieve Not Found time : 39097 nano seconds.
 --- end ---

     TreeMap
Create time : 20518163 nano seconds.
Remove time : 274221 nano seconds.
Retrieve Found time : 112072 nano seconds.
Retrieve Not Found time : 168442 nano seconds.
 --- end ---

我想知道我如何找到这些时间与理论时间复杂性的联系，比如O（N）或O（logN）？

---

这个结果让我很惊讶，因为我一直认为TreeMap会比HashMap差很多。有人能给我简单解释一下这些事情吗？提前感谢。

我在youtube上看过视频，通过动画和图表解释了不同的排序算法。还请注意，大Oh是最坏情况下的运行时间，因此您可能需要对其进行装配，以便命中最坏情况以突出显示差异

---

我认为一个简单的图表最好，时间在y轴上，元素数量在x轴上。

如果你想显示某些操作的复杂性，你不能只使用一个数据点，你必须显示时间在

N

变化时是如何变化的

此外，对于较小的数据集，理论复杂度较高的算法或数据结构的运行时间通常较短

---

另一件需要考虑的事情是要有代表性的价值观。例如，如果在RB树中插入值

1,2,3，…

，这是最坏的情况（我认为），因为它必须经常重新平衡。插入随机值可能会得到不同的结果。

大O表示法不一定意味着最坏的情况。@svick：事实上是这样的（除非你谈论的是一个越多越好的上下文，在这种情况下，它将是最好的情况）。O描述上界，Ω描述下界，Θ描述两者。是的，它描述上界，但这并不意味着它总是描述最坏的情况。例如，快速排序在平均情况下是O（n logn），但最坏情况是O（n²）。