我已经能够通过几个来源找到几个自平衡BST的详细信息，但我没有找到任何好的描述，详细说明哪一个最适合在不同的情况下使用（或者如果真的没关系）。
我希望BST最适合存储超过一千万个节点。节点的插入顺序基本上是随机的，我永远不需要删除节点，因此插入时间是唯一需要优化的东西。
我打算用它来存储益智游戏中先前访问过的游戏状态，以便我可以快速检查是否已经遇到过以前的配置。
答案 0 :(得分：4)
Red-black优于AVL。如果你预见相对统一的查找，那么红黑就是你要走的路。如果您预见到相对不平衡的查找，最近查看的元素更有可能再次被查看，您可以使用splay trees。
答案 1 :(得分：3)
为什么要使用BST？从您的描述中，如果不是更好的话，字典也会起作用。
使用BST的唯一原因是，如果您想按密钥顺序列出容器的内容。这肯定听起来不像你想要这样做，在这种情况下去哈希表。 O(1)插入和搜索，不用担心删除，有什么可能更好？
答案 2 :(得分：0)
我最熟悉的两个自我平衡BST是红黑色和AVL，所以我不能肯定是否有任何其他解决方案更好，但我记得与AVL相比，红黑的插入速度更快，检索速度更慢。
因此，如果插入的优先级高于检索，则红黑可能是更好的解决方案。
答案 3 :(得分：-2)
[哈希表] O（1）插入和搜索
我认为这是错误的。
首先，如果将键空间限制为有限，则可以将元素存储在数组中并执行O（1）线性扫描。或者您可以对阵列进行混合，然后在O（1）预期时间内进行线性扫描。当东西有限时，东西很容易O（1）。
因此，假设您的哈希表将存储任意位字符串;只要有一组无限的键，每一个都是有限的，它就没那么重要了。然后你必须读取任何查询和插入输入的所有位，否则我在y1中插入y0并在y1上查询，其中y0和y1在你不看的单个位位置不同。
但是，让我们说密钥长度不是参数。如果您的插入和搜索采用O（1），特别是散列需要O（1）时间，这意味着您只能查看散列函数的有限数量的输出（从中可能 只有有限的输出，被授予。）
这意味着对于有限数量的桶，必须有一组无限的字符串，它们都具有相同的散列值。假设我插入了很多，即ω（1），并开始查询。这意味着您的哈希表必须依赖于其他一些O（1）插入/搜索机制来回答我的查询。哪一个，为什么不直接使用它？