Data structures 用于快速插入大量节点的最佳自平衡BST

我已经能够通过多个来源找到关于几个自平衡

BST

s的详细信息，但是我没有找到任何好的描述，详细说明在不同情况下（或者如果它真的不重要的话）哪一个是最好的

我想要一个

BST

，它最适合存储超过1000万个节点。节点的插入顺序基本上是随机的，我永远不需要删除节点，所以插入时间是唯一需要优化的

---

我打算用它在益智游戏中存储以前访问过的游戏状态，以便快速检查以前的配置是否已经遇到。

我最熟悉的两个自平衡

BST

是红黑和

AVL

，因此我不能肯定是否有其他更好的解决方案，但我记得，与

AVL

相比，红黑具有更快的插入速度和较慢的检索速度

---

因此，如果插入比检索优先级更高，则红黑可能是更好的解决方案。

对于插入量大的应用程序，红黑可能比AVL更好。如果你预见到相对统一的查找，那么红-黑是最好的选择。如果您预见到一个相对不平衡的查找，最近查看的元素更有可能再次被查看，那么您需要使用。

为什么要使用

BST

？根据你的描述，一本词典即使不是更好，也同样适用

使用

BST

的唯一原因是如果您想按键顺序列出容器的内容。听起来你当然不想这么做，在这种情况下，你可以使用哈希表<代码>O（1）插入和搜索，不用担心删除，还有什么更好的

[哈希表有]O（1）插入和搜索

我认为这是错误的

首先，如果将键空间限制为有限，则可以将元素存储在数组中并进行O（1）线性扫描。或者，您可以随机选择阵列，然后在O（1）个预期时间内进行线性扫描。当物质是有限的时，物质很容易是O（1）

假设您的哈希表将存储任意位字符串；这没什么大不了的，只要有无限多个键，每个键都是有限的。然后您必须读取任何查询和插入输入的所有位，否则我将y0插入一个空哈希中，并在y1上进行查询，其中y0和y1在一个您没有看到的位位置上不同

但假设键长度不是一个参数。如果插入和搜索需要O（1），特别是散列需要O（1）时间，这意味着您只能查看散列函数的有限量输出（当然，可能只有有限的输出）

---

这意味着，对于有限多个bucket，必须有一组无限多的字符串，它们都具有相同的哈希值。假设我插入了很多，即ω（1），然后开始查询。这意味着您的哈希表必须依靠其他O（1）插入/搜索机制来回答我的查询。哪一个，为什么不直接使用它呢？

这是传统的智慧。最好的情况是O（1），显然实现会有所不同。还有各种不同的哈希表算法。“这是一种传统的智慧。”——我听过很多次，但我仍然没有看到证据。我认为，如果你想得到理论结果“它是O（1）”，或者如果你想“实践中快速”的话，测量各种查找结构，那么挑战这一民间传说将是一件好事。“最佳情况，O（1）”--不平衡搜索树也有，但没有人认为它们有“O（1）插入和搜索”。最佳情况不平衡搜索树将是平衡搜索树的一个节点。最佳案例插入/查找仍然是log（n）在最佳案例中，用户正在搜索存储在根节点上的值，这需要O（1）个时间来访问…@MeNoMore Jonas正确地使用了引号格式作为其答案的第一行，因为这是其他人的引号。以后不要这样编辑。