Data structures 如何确定要选择哪种树数据结构？

好吧，这一直困扰着我。我知道的树数据结构有：

• 非平衡二叉树
• AVL树
• 红黑树
• 2-3棵树
• B-树
• B*-树
• 尝试
• 堆

---

我如何确定什么样的树是工作的最佳工具？显然，堆通常用于形成优先级队列。但其余的似乎只是做同一件事的不同方式。有没有办法为作业选择最好的一个呢？

每一个都有不同的插入、删除和检索复杂度，都有O（n）个日志访问时间。

与任何其他数据结构一样，您必须知道每种类型树的特征（搜索、插入和删除操作的复杂度），以及你选择工具的工作要求。对于您最常执行的操作类型，具有最佳性能的树通常是该作业的最佳工具

---

您通常可以在维基百科上找到任何类型数据结构的一般特征。也至少有一节（在某些情况下是一整章）介绍了您列出的大多数数据结构，因此这是另一个很好的参考。

每棵树都有特定的特性，使它们在某种程度上有用。你应该把这些特点与你的需要进行比较。

让我们一个一个地把它们挑选出来，好吗

• 非平衡二叉树

对于搜索任务，从不。基本上，它们的性能特征是完全不可预测的，平衡树的开销不会太大，以至于不平衡树成为可行的替代方案

除此之外，非平衡二叉树当然还有其他用途，但不是作为搜索树

• AVL树

它们很容易开发，但它们的性能通常被其他平衡策略所超越，因为平衡它们相对而言需要大量时间。在查找密集型场景中，它们的性能更好，因为在最坏的情况下，它们的高度略低

• 红黑树

这些在C++的“代码> STD:：MAP< /COD>实现中使用，也可能在其他几个标准库中使用。然而，由于现代CPU的缓存行为，它们实际上在任何情况下都比B（+）树差。从历史上看，当缓存没有那么重要（或那么好）时，它们在主内存中使用时超过了B树

• 2-3棵树
• B-树
• B*-树

这些需要对所有树进行最仔细的考虑，因为使用的不同常量基本上都是“神奇的”常量，它们与底层硬件架构有着奇怪的、有时不可预测的关系。例如，每个级别的最佳子节点数可能取决于内存页或缓存线的大小

我不知道区分它们的好的一般规则

• 尝试

完全不同。尝试也是搜索树，但用于语料库中子字符串的文本检索。trie是未压缩的前缀树（即，从根节点到叶节点的路径对应于给定字符串的所有前缀的树）

尝试应该与后缀树、后缀数组和q-gram索引进行比较，并与之相对应，而不是与其他搜索树进行比较，因为它们搜索的数据不同：后者的索引结构允许因子搜索，而不是语料库中的离散词

• 堆

正如您已经说过的，它们根本不是搜索树。

类似的问题：

我要说的是，立即编写可能工作的最简单代码（如果可能的话，利用库提供的数据结构）。然后测量其性能问题（如果有）

---

如果您的性能需求真的很极端，请阅读康拉德·鲁道夫（Konrad Rudolph）的精彩回答：

您缺少了Andersson树（也称为AA树），它相当于2-3树，具有类似于红黑树的性能特征，但更容易实现另一种类似树的数据结构是treapsAnd deterministic skip list！我打算最终翻阅那本书。我只是发现在开始之前，通常更容易对我应该注意的事情有一个全面的了解。：-）@杰森：我也这么做，先查维基百科，然后再翻阅印刷品。