Data structures 实践中的高级数据结构

在我10年的编程生涯中，我一方面可以计算出我使用过的数据结构的数量：数组、链表（我将堆栈和队列与此合并）和字典。考虑到我编写的几乎所有应用程序都属于forms over data/CRUD类别，这并不奇怪

我从来不需要使用红黑树、跳过列表、双端队列、循环链表、优先级队列、堆、图或过去50年研究过的几十种奇异数据结构中的任何一种。我觉得我错过了

---

这是一个开放性的问题，但在实践中，这些“异国情调”的数据结构在哪里使用？有人有使用这些数据结构解决特定问题的实际经验吗？

这取决于您工作的抽象级别

我知道我和你有相似的经历。在大多数软件开发的当前抽象级别。字典和列表是我们使用的主要数据结构

---

我认为，如果你往下看底层代码，你会看到更多的“奇异”数据结构。

它们通常在库的后台使用。例如，一个有序的字典数据结构（即一个按键排序的遍历）很可能不使用

许多数据结构（想到这里）在某些情况下（在splay树的情况下）的最佳行为非常有趣，因此它们主要与这些情况下的使用相关。在大多数情况下，了解这些数据结构的实际好处是能够在正确的环境中使用它们，并合理地理解它们的行为

以排序为例：

• 在大多数情况下 或者修改后的快速排序 当 单个片段变得足够小 通常是最快的排序 用于大多数目的的算法。 然而，快速排序往往会显示 上的次优行为 几乎分类的数据

• a的主要优点是它可以在 具有最小中间产物的原位 存储，这使它非常好 在内存受限的情况下使用 系统。虽然速度较慢 平均而言（尽管仍为n log（n））， 它不受影响 从最差的情况下的表现 快速排序

• 第三个例子是A，可以这样做 按顺序，让它成为最好的 排序数据集的选择很多 比主内存大。 这个的另一个名字是 “外部排序”，意思是您可以 使用外部存储器（磁盘或磁盘）进行排序 磁带）用于中间结果

在数据库中
用于地理搜索（例如，如果我有10000个形状，每个形状的边界框散布在二维平面上，这些形状中的哪一个与任意边界框B相交？）
表中的形式是可增长的向量（比链表更高效的内存，以及在中间“窥视”任意元素的恒定时间）。就我所记得的，我从来没有充分使用过DeQuin（从两端插入/删除），但一般来说，它可以用作堆栈（从一端插入/删除）或队列（插入到另一端，从另一个删除），也可以高性能访问中间的任意元素。
我刚刚读完——“泛型”部分伤了我的头，但集合部分很有用&它们指出了跳过列表和树（两者都可以实现映射/集）之间的一些区别：跳过列表提供了从一个元素到下一个元素的内置恒定时间迭代（树是O（logn））对于在多线程情况下实现无锁算法来说，和要简单得多

---

优先级队列用于调度（这里有一个简单讨论应用程序的示例）；堆通常用于实现它们。我还发现heapsort（至少对我来说）是最容易理解和实现的O（n logn）类。我所看到的问题是，许多人虽然知道它们，但他们不知道如何真正应用它们。大多数人会返回到数组、链表等。在大多数情况下，他们会将工作作为更高级的数据结构来完成（有时你真的必须“踢”进去），但效率较低。人们倾向于做对他们来说比较容易的事情，但这不一定是做事情的最佳方式。我不能指责他们，我肯定我也这样做，但这就是为什么在编程中你们看不到很多“高级”概念的原因

---

我使用循环链表来实现我将永远迭代的队列（在C中），即网络连接队列

---

但我发现，当我使用更高级的语言时，我不会费心以这种方式实现队列，因为我可以动态地增加和缩小列表，而不用太担心它。当然，这是要付出性能代价的，因为我对内存分配的时间没有太多的控制权，但这是我们为能够拥有非常灵活的列表而付出的代价之一。
当它由代码的需要决定时，您将倾向于看到更复杂的数据结构。通常，当您在较低级别处理更复杂的代码时，我会看到这一点，即在核心操作系统中，编写类库的基本部分（实现字符串、数组等），编写外部性能或多线程代码等。我认为它们在实现特定算法方面发挥着重要作用，搜索、采样、统计分析、优化等算法通常在编写时会考虑到特定的数据结构。
我经常使用集合、排序集合（始终保持其元素的排序顺序，并支持快速元素插入）和惰性列表。
我想你会看到大多数高级算法使用的奇特数据结构。主要例子