Question

我需要知道ternary tree是否优于hash table。

我在对another question I had的回复中遇到了这个问题，有人说三元树通常比哈希表更快。我发现很难相信，所以我决定研究一下。

This one website from Princeton似乎是信仰的源泉。我看了一下算法，它被描述为O（log n + k），其中n是存储的字数，k是密钥的长度。

在我看来，如果你经常搜索尚未存储的元素，那么这种方法可能更快。困扰我的另一件事是，trie的非连续爬行会导致你击中已经被换掉的页面，但是这是否是一个主要的影响只能通过基准来看。

现在我知道两者都有利有弊，如果是的话，我想知道它们是什么。基准测试也很有帮助。

Answer 1

以下是我从您提供的Princeton链接中可以找到的Dr. Dobbs Article收集的内容：

在某些搜索问题上，三元搜索树比哈希表快10％。它们有时会变慢 - 主要取决于使用的机器。
TRT是由计算机科学的两位最优秀人才调整的自定义数据结构 - Jon Bentley和Robert Sedgewick都撰写了good textbooks，并完成了实际编程的一部分。哈希表被认为是普通的。
正如Hao Wooi Lin所说，所涉及的常数非常重要。
总的来说，这取决于您正在解决的问题。在许多编程语言中，更快的开发时间和几乎无处不在的哈希表支持通常比运行时间提高10％更重要。

Answer 2

回答这个问题的唯一方法是凭经验。答案取决于您的实现细节，您执行的搜索类型，您拥有的硬件以及您正在使用的编译器。您可以从普林斯顿复制C代码。如果你想尝试一种函数式语言，标准ML有哈希表（看SML/NJ），这里有一些用于三元搜索树的ML：

type key = Key.ord_key
type item = Key.ord_key list

datatype set = NODE of { key : key, lt : set, eq : set, gt : set }
             | LEAF

val empty = LEAF

fun member (_, LEAF) = false
  | member (h::t, NODE {key, lt, eq, gt}) =
      (case Key.compare (h, key)
         of EQUAL   => member(t, eq)
          | LESS    => member(h::t, lt)
          | GREATER => member(h::t, gt))
  | member ([], NODE {key, lt, eq, gt}) =
      (case Key.compare (Key.sentinel, key)
         of EQUAL   => true
          | LESS    => member([], lt)
          | GREATER => member([], gt))

exception AlreadyPresent

fun insert(h::t, LEAF) =
      NODE { key = h, eq = insert(t, LEAF), lt = LEAF, gt = LEAF }
  | insert([], LEAF) =
      NODE { key = Key.sentinel, eq = LEAF, lt = LEAF, gt = LEAF }
  | insert(h::t, NODE {key, lt, eq, gt}) =
      (case Key.compare (h, key)
         of EQUAL   => NODE {key = key, lt = lt, gt = gt, eq = insert(t, eq)}
          | LESS    => NODE {key = key, lt = insert(h::t, lt), gt = gt, eq = eq}
          | GREATER => NODE {key = key, lt = lt, gt = insert(h::t, gt), eq = eq})
  | insert([], NODE {key, lt, eq, gt}) =
      (case Key.compare (Key.sentinel, key)
         of EQUAL   => raise AlreadyPresent
          | LESS    => NODE {key = key, lt = insert([], lt), gt = gt, eq = eq}
          | GREATER => NODE {key = key, lt = lt, gt = insert([], gt), eq = eq})

fun add(l, n) = insert(l, n) handle AlreadyPresent => n

Answer 3

log（n）缓慢增长，因此在考虑常数因素时，它往往需要大量数据才能比O（1）算法慢。

Answer 4

这对我来说也很有趣。但是从我阅读的wiki中，它声称三元树在大多数搜索问题上都更快。这并不奇怪，因为即使哈希表具有O（1）查找，您仍然需要时间进行哈希处理。所以它不是真的O（1）而是更像O（k），其中k不依赖于N（数据结构中的项目数）。这可能会给人留下Hash Table更快的印象。但是，如果你正在处理一个大型结构，那么k会很快加起来，并且哈希表的搜索速度会慢于三元树。

Answer 5

您可以查看tstdb：http://code.google.com/p/tstdb/

这个kv商店基于三元搜索树，它与Memcached兼容。此外，tstdb支持三元搜索树促进的前缀搜索和范围查询。

三元树与哈希表

5 个答案: