这是来自Cracking the Coding Interview on hash tables的争议线。
哈希表的另一个常见实现（除了链表之外）是使用BST作为底层数据结构。
我知道之前已经问过这个问题......它很混乱，因为每个人都给出了两个不同的答案。例如
Why implement a Hashtable with a Binary Search Tree?
这篇文章中最高投票的答案说，上面引用的声明是在谈论使用二进制搜索树的哈希表实现，没有底层数组。我理解，由于插入的每个元素都获得一个哈希值（一个整数），因此元素形成一个总顺序（每个对都可以与＆lt;和＆gt;进行比较）。因此，我们可以简单地使用二叉搜索树来保存哈希表的元素。
另一方面，其他人说
Hash table - implementing with Binary Search Tree
这本书说我们应该处理与二叉搜索树的冲突。所以有一个底层数组和碰撞时，因为多个元素获得相同的哈希值并被放置在数组中的同一个插槽中，这就是BST所在的位置。
因此，数组中的每个插槽都是指向BST的指针，BST保存具有相同散列值的元素。
我倾向于第二篇帖子的论点，因为第一篇文章并没有真正解释哈希表的这种实现如何处理冲突。而且我认为它无法实现预期的O（1）插入/删除/查找时间。
但是对于第二篇文章，如果我们有多个元素获得相同的哈希值并放在BST中，我不确定这些元素是如何排序的（它们如何相互比较？）< / p>
请帮助我一劳永逸地结束这个问题！
答案 0 :(得分：2)
第一篇文章并未真正解释哈希表的这种实现如何处理冲突
使用BST，您可以使用不会产生重复键的散列函数，因此不会发生冲突。这里的优点不是速度，而是减少内存消耗，并提供更好的最坏情况保证。如果您正在为关键的实时系统编写软件，则可能无法容忍对哈希表进行O（n）大小调整。
如果我们有多个元素获得相同的哈希值并放在BST中，我不确定这些元素是如何排序的（如何将它们相互比较？）
与其他功能重播。
最后，这一切都取决于您的数据结构的用途（内存与速度的关系更重要吗？分摊性能与最差情况的性能更重要吗？等等。）