高性能Haskell散列结构。

Question

我正在编写很多表查找的程序。因此，当我偶然发现Data.Map（当然），以及Data.HashMap和Data.Hashtable时，我正在仔细阅读Haskell文档。我不是哈希算法的专家，在检查包之后，它们看起来都非常相似。因此我想知道：

1：如果有什么主要差异？

2：在大约4000个键值对的地图/表格上进行大量查找的性能最高？

Answer 1

  

1：如果有什么主要差异？

• Data.Map.Map是内部的平衡二叉树，因此查找的时间复杂度为O（log n）。我相信它是一个“persistent”数据结构，这意味着它的实现使得变异操作产生了一个新副本，只更新了结构的相关部分。
• Data.HashMap.Map在内部是Data.IntMap.IntMap，而后者则以Patricia树的形式实现;查找的时间复杂度为O（min（n，W）），其中 W 是整数中的位数。它也是“持久的”。
• Data.HashTable.HashTable是一个实际的哈希表，查找时间复杂度为O（1）。但是，它是一个可变数据结构 - 操作是就地完成的 - 所以如果你想使用它，你就会陷入IO monad。

  

2：在大约4000个键值对的地图/表格上进行大量查找的性能最高？

不幸的是，我能给你的最佳答案是“它取决于”。如果从字面上理解渐近复杂性，Data.Map得到O（log 4000）=约12，Data.HashMap得O（min（4000,64））= 64，O（1）= 1 Data.HashTable。但它并没有真正起作用......你必须在代码的上下文中尝试它们。

Answer 2

Data.Map和Data.HashMap之间的明显区别在于前者需要Ord中的键，后者需要Hashable个键。大多数公共密钥都是，所以这不是一个决定性的标准。我对Data.HashTable没有任何经验，所以我无法对此发表评论。

Data.HashMap和Data.Map的API非常相似，但Data.Map导出更多功能，alter中缺少某些功能，Data.HashMap以严格和非严格的变体提供，而Data.HashMap（我假设您的意思是来自unordered-containers的散列映射）在单独的模块中提供了延迟和严格的API。如果您只使用API​​的公共部分，那么切换实际上是无痛的。

关于效果，unordered-containers的Data.HashMap查找相当快，最后我测量，显然比Data.IntMap或Data.Map更快，尤其是（{1}}尚未发布）unordered-containers的HAMT分支。我认为对于插入，它或多或少与Data.IntMap相当，并且比Data.Map略快，但我对此有点模糊。

对于大多数任务而言，两者都具有足够的性能，对于那些没有完成任务的任务，您可能还需要量身定制的解决方案。考虑到你专门询问查找，我会给Data.HashMap边缘。

Answer 3

Data.HashTable的文档现在说“使用hashtables包”。有一篇很好的博客文章解释了为什么哈希表是一个很好的包here。它使用ST monad。