Data structures 纯函数映射和集的统计性能

给定一个数据结构规范，例如具有已知复杂性边界的纯函数映射，必须在几个实现之间进行选择。关于如何选择合适的树，有一些民间传说，例如红黑树通常被认为速度更快，但AVL树在工作负载上有更好的性能，需要进行多次查找

是否有系统地介绍（发表论文）这些知识（与集合/地图相关）？理想情况下，我希望看到对实际软件进行统计分析。例如，它可能会得出结论，有N种典型的地图使用，并列出每种地图的输入概率分布

是否有系统的基准测试地图和设置不同输入分布的性能

是否存在使用自适应算法根据实际使用情况更改表示的实现

---

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

对于基准测试，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，在实施时可能永远不知道实际意图。然而，像perl这样的语言尽最大努力为每个操作实现高度优化的解决方案

以下内容可能会有所帮助： Chris Okasaki的纯功能数据结构

---

你看过冈崎的书吗？@RobertHarvey，是的，我有一本。它在设计PFD和进行复杂性分析方面有很好的材料。它也给从业者一些提示（上面提到的民间传说）。不过，我正在寻找更多的实证数据和/或实际使用模式的统计分析。这似乎是一个有趣的问题，但我不确定它是否在这里。这是一个非常本地化的问题，从某种意义上说，你基本上希望有人碰巧知道一篇关于这方面的论文（这是一个

canihazresourcez

问题，换句话说，是一个众包互联网搜索）。在任何情况下，粗略的谷歌搜索都会得出以下结论：另请参见：