如何在哈希表和Trie（前缀树）之间进行选择？

因此，如果我必须在哈希表或前缀树之间进行选择，那么有哪些区分因素会导致我选择一个而不是另一个。从我自己的幼稚角度来看，似乎使用trie会有一些额外的开销，因为它没有存储为数组，但是就运行时间而言（假设最长的键是最长的英文单词），它实际上可以是O （1）（相对于上限）。也许最长的英语单词是50个字符？

一旦获得索引，哈希表将立即查找。但是，散列密钥以获取索引似乎很容易采取近50个步骤。

有人可以为此提供更丰富的见解吗？谢谢！

尝试的优势：

基础：

• 可预测的O（k）查找时间，其中k是密钥的大小
• 如果不存在，查找时间可能少于k次
• 支持有序遍历
• 无需哈希函数
• 删除很简单

新操作：

• 您可以快速查找键的前缀，枚举具有给定前缀的所有条目，等等。

链接结构的优点：

• 如果有许多公共前缀，则它们所需的空间将共享。
• 不变的尝试可以共享结构。无需就地更新Trie，您可以构建一个新的，只沿一个分支不同，而其他分支指向旧的Trie。这对于并发，表的多个同时版本等很有用。
• 不变的特里是可压缩的。也就是说，它也可以通过哈希约束共享后缀上的结构。

哈希表的优点：

• 每个人都知道哈希表，对不对？您的系统已经有一个很好的优化实现，比大多数情况下要快。
• 您的密钥不需要任何特殊的结构。
• 比明显的链接特里结构更节省空间（请参阅下面的评论）

这完全取决于您要解决的问题。如果您需要做的只是插入和查找，请使用哈希表。如果您需要解决更复杂的问题，例如与前缀相关的查询，那么trie可能是更好的解决方案。

每个人都知道哈希表及其用途，但查询时间并不完全恒定，它取决于哈希表的大小，哈希函数的计算复杂度。

在大多数甚至很小的延迟/可扩展性（例如：高频交易）都需要解决的工业场景中，创建巨大的哈希表以进行有效查找并不是一个很好的解决方案。您还必须考虑要针对其在内存中占用的空间进行优化的数据结构，以减少缓存丢失。

消息中间件是一个很好的例子，其中trie更适合要求。您有一百万个消息订阅者和发布者，这些消息属于各种类别（以JMS术语表示-主题或交易所），在这种情况下，如果您要基于主题（实际上是字符串）过滤出消息，则绝对不希望创建哈希表有百万个主题的百万个订阅。更好的方法是将主题存储在trie中，因此，基于主题匹配进行过滤时，其复杂性与主题/订阅/发布者的数量无关（仅取决于字符串的长度）。我喜欢它，因为您可以利用这种数据结构来优化空间需求，从而降低缓存丢失率。

使用树：

1. 如果需要自动完成功能
2. 查找所有以“ a”或“ axe”开头的单词，依此类推。
3. 后缀树是树的一种特殊形式。后缀树具有哈希无法涵盖的全部优势列表。

我没有看到任何人明确提及某些事情，我谨记这一点很重要。哈希表和各种尝试都通常具有O(k)操作，其中k字符串的长度以位为单位（或等效地以chars为单位）。

这是假设您具有良好的哈希函数。如果您不希望“农场”和“农场动物”哈希值相同，则哈希函数将必须使用键的所有位，因此对“农场动物”进行哈希处理所需的时间大约是该时间的两倍。 “农场”（除非您处于某种滚动哈希方案中，但在尝试操作时也存在一些类似的节省操作的方案）。而且很明显，为什么要插入“农场动物”所需的时间是“农场”的两倍左右。从长远来看，压缩尝试也是如此。

在特里树上的插入和查找与输入字符串O（s）的长度成线性关系。

哈希将为您提供O（1）用于查找和插入，但首先您必须根据输入字符串再次计算哈希，该字符串也是O（s）。

结论是，两种情况下的渐近时间复杂度都是线性的。

从数据的角度来看，该Trie有更多开销，但是您可以选择一个压缩的Trie，这将使您或多或少地再次与哈希表建立联系。

要打破领带，请问自己一个问题：我是否只需要查找完整的单词？还是我需要返回所有匹配前缀的单词？（如在预想输入法中一样）。对于第一种情况，请进行哈希处理。它是更简单，更简洁的代码。易于测试和维护。对于前缀或后缀很重要的更复杂的用例，请尝试一下。

而且，如果您只是为了好玩而做，则实施Trie将使周日的下午变得很有用。

与基本Trie实现相比，HashTable实现节省了空间。但是对于字符串，在大多数实际应用中必须进行排序。但是HashTable完全扰乱了词典顺序。现在，如果您的应用程序是按字典顺序进行操作（例如部分搜索，所有具有给定前缀的字符串，所有单词均按排序顺序），则应使用Tries。对于仅查找，应使用HashTable（可以说，它提供了最少的查找时间）。

PS：除此之外，三元搜索树（TST）将是一个不错的选择。它的查找时间比HashTable多，但在所有其他操作中均节省时间。而且，它比尝试更节省空间。

一些（通常是嵌入式，实时）应用程序要求处理时间与数据无关。在那种情况下，哈希表可以保证已知的执行时间，而字典则根据数据而变化。