Optimization 在一个固定大小的哈希表中，使用单独的链接并使用已知数量的N个条目初始化的最佳存储桶数量是多少？
HT不会重新灰化。 我们使用一个简单的除法作为散列函数。 我们假设散列函数在平均分配条目方面是有效的。Optimization 在一个固定大小的哈希表中，使用单独的链接并使用已知数量的N个条目初始化的最佳存储桶数量是多少？,optimization,data-structures,hashtable,Optimization,Data Structures,Hashtable,HT不会重新灰化。 我们使用一个简单的除法作为散列函数。 我们假设散列函数在平均分配条目方面是有效的。 目标是有O（1）个插入、删除和查找。对于预期的使用模式，最佳存储桶数是内存消耗和哈希冲突之间的折衷 例如，如果某个内容非常常用，您可以将哈希表的大小限制为CPU缓存大小的一半，以减少“缓存未访问哈希表”的机会；这比使用更大的哈希表更快（缓存未命中率更高，哈希冲突的可能性更低）。或者；如果不经常使用它（因此，无论哈希表大小如何，您都希望缓存未命中），那么较大的大小更有可能是最佳的 当然，真正的系
目标是有O（1）个插入、删除和查找。对于预期的使用模式，最佳存储桶数是内存消耗和哈希冲突之间的折衷 例如，如果某个内容非常常用，您可以将哈希表的大小限制为CPU缓存大小的一半，以减少“缓存未访问哈希表”的机会；这比使用更大的哈希表更快（缓存未命中率更高，哈希冲突的可能性更低）。或者；如果不经常使用它（因此，无论哈希表大小如何，您都希望缓存未命中），那么较大的大小更有可能是最佳的 当然，真正的系统有多个缓存（L1、L2、L3）加上虚拟内存转换缓存（TLB）加上RAM限制（加上交换空间限制）；真正的软件不止一个哈希表在内存层次结构中争夺资源；通常，软件开发人员不知道其他进程可能在运行（争夺物理RAM、污染缓存等），也不知道最终用户的硬件是什么（缓存大小等）。所有这些使得几乎不可能用任何方法（包括广泛的基准测试）来确定“最优” 唯一可行的选择是根据各种假设（关于使用情况、数据量以及哈希函数在实践中的性能、CPU、其他可能使用CPU和内存的东西，…）进行有根据的猜测；并使源代码可配置（例如
#define HASH_TABLE_SIZE..