Python 哈希计算与bucket演练

我在Python中有一个嵌套的类似r树的数据结构（列表列表）。钥匙是一个大数字（大约10位数字）。在每个级别上，列表中大约有x个项目（例如：10个）。然后在每个列表中，它递归并有x个项，以此类推。树的高度为h级（例如：5级）。每个级别还指示它包含的键的范围（如r-tree）

对于给定的键，我需要在树中找到相应的条目。这可以通过扫描每个级别来完成，检查给定的键是否在范围内。如果是这样，那么进入该层并递归，直到它到达叶子

这也可以通过将键依次除以x并将商作为列表索引来实现

所以问题是，什么更有效：按顺序遍历列表（复杂度=深度*x（例如：50））或将大数依次除以x以获得实际的列表索引（复杂度=h个分区（例如：5个分区））

（即）50个范围检查或5个分区

---

这需要可伸缩性。所以，如果大量用户在云中访问这些代码，那么什么是高效的呢？在规模上执行除法可能比范围检查更昂贵？

您需要在某种现实场景中对代码进行基准测试

之所以很难说，是因为您不仅仅是在比较除法（顺便说一句，现代编译器使用大量技巧来避免除法）。在现代CPU上，您拥有大型缓存，因此列表很可能适合L2或L3，从而大大减少了运行时间。还有一些奇特的vector/SIMD指令，可以用来加速线性情况下的所有检查

我猜按顺序浏览列表会更快，另外代码也会更简单

---

但不要相信我的话，拿一个真实的例子，对这两个版本进行基准测试，并根据结果进行选择。尤其是在这对系统性能至关重要的情况下。

如果除法真正起作用，它会快得多。但它真的有效吗？仅当每个内部列表正好有x个项目时。