Data structures 何时使用哈希表？

什么情况下使用哈希表可以提高性能，什么情况下不能？使用哈希表不适用的情况有哪些？

我们使用哈希表来获得O（1）的访问时间。想象一本字典。当你在寻找一个词时，如“happy”，你直接跳到“H”。这里，哈希函数由起始字母表决定。然后你就去找

当您的数据被排序或需要像排序数字一样排序时，使用哈希表是没有意义的。（字母表是按顺序排列的ABCD…XYZ，但如果您知道A和Z是在字典中切换的，则切换也没关系。）

什么情况下使用哈希表可以提高性能，什么情况下不能

如果您有理由在意，请使用哈希表和您正在考虑的任何其他工具来实现，将实际数据传递出去，并衡量哪一个性能更好

也就是说，如果哈希表具有您需要的操作（即，您不希望按排序顺序对其进行迭代，或将其与另一个哈希表进行快速比较），并且具有数百万或更多（数十亿、万亿…）的元素，那么它可能是您的最佳选择，但这在很大程度上取决于哈希表的实现（特别是封闭哈希与开放哈希的选择）、对象大小、哈希函数质量和计算成本/运行时）、比较成本、不同缓存级别下计算机内存性能的异常。。。简言之：太多的事情使得即使是一个受过教育的猜测也比测量更好，当它重要的时候

使用哈希表不适用的情况有哪些

主要是：

• 不能对输入进行散列（例如，您得到的是二进制blob，不知道其中的哪些位是有效位，但您确实有一个

  int-cmp（const t&，const t&）

  函数可用于

  std:：map

  ），或者

• 可用/可能的哈希函数非常容易发生冲突，或者

• 您希望避免以下情况的最坏性能影响：
  • 处理大量散列冲突元素（可能是由试图使软件崩溃或减速的人“设计的”）

  • 调整哈希表的大小：除非预先调整到足够大（当使用过多内存时，这可能是浪费和缓慢的），否则大多数实现都会超出它们不时用于哈希表的数组，然后分配一个更大的数组并跨多个数组复制内容：这会使导致重新灰化的特定插入比正常的O（1）行为慢得多，即使平均值仍然是O（1）；如果您在所有情况下都需要更一致的行为，可以使用平衡二叉树之类的方法

• 您的访问模式非常专业（例如，频繁地对具有键的元素进行操作，这些键以某种特定的排序顺序“在附近”），因此，对于将它们保持在内存中附近的其他存储模型（例如，桶排序元素），缓存效率更高，即使您不完全依赖排序顺序，例如迭代

---

这个话题太宽泛了，这里无法涵盖。首先，如果你在那之后有具体的问题，那么发布一个新问题。非常感谢，吉姆。非常感谢你的回答，托尼：）非常感谢你的回答，费尔茨帕