我偶然发现了Wikipedia page：
我读到了底部链接的课堂笔记pdf，但是它对数据结构本身有了一些手感，并详细介绍了sketch(x)函数。我认为我的一些困惑是文章试图非常笼统，我想要一个可视化的具体例子。
此数据结构是否适合存储基于任意32位或64位整数键的数据？它与B树有何不同？有一节说它基本上是一个分支因子为B = (lg n)^(1/5)的B树。对于具有32位密钥的完全填充的树，B将为2.这是否只是一个二叉树？这个数据结构是否打算使用更长的位串作为键？
我的谷歌搜索没有发现任何非常有用的东西，但我欢迎任何有关该主题的良好链接。这真的只是一种好奇心，所以我还不愿意在portal.acm.org支付PDF费用。
答案 0 :(得分：8)
答案 1 :(得分：4)
我已经阅读了融合树纸。这些想法非常聪明，而且根据O符号来说，他可以为胜利提供理由。
我不清楚它在实践中取胜。恒定因素非常重要，芯片设计人员非常努力地管理廉价的本地参考。
他必须在他的虚拟B树中使用相当小的真实机器（B = 5代表32位，可能10代表64位代表）。许多指针非常适合缓存行。在几百个周期的第一个缓存行触摸（他无法避免）之后，你几乎可以在每个键的几个周期内通过键进行线性搜索，这意味着一个精心编码的B树传统实现看起来像它应该超越融合树木。 （我已经构建了这样的B树代码来支持我们的程序转换系统）。
他声称有一份申请表，但没有比较数字。
有人有确凿的证据吗？ （实施和比较？）
答案 2 :(得分：3)
融合树背后的想法实际上相当简单。假设你有w位（比如64位）密钥，想法是将每个连续的64个密钥压缩（即草绘）到64个元素的数组中。草绘功能确保原始键和给定组的数组索引之间的恒定时间映射。然后搜索密钥将搜索包含密钥的组，即O（log（n / 64））。 如您所见，主要的挑战是草图绘制功能。