我有一亿行数据，数据是一个字不超过15个字符，每行一个字。这些数据存储在多个文件中 我的目标是在所有文件中找到唯一的单词 一种解决方案是将所有单词导入数据库，并为字段添加唯一键。但这对于这个大数据集来说太慢了 有没有更快的解决方案 谢谢你如果你必须坚持文件结构，那么你需要一些方法来索引文件，然后维护索引 否则，我建议您移动到数据库并迁移该文件上的所有操作以使用数据库。如果您必须坚持使用文件结构，那么您需要某种方法对文件进行索引，然后维护索引 否则，我建议移动到数据库并迁移该文件上的所有操作以使用

可能重复： 与BTree相比，BTree+有哪些优点/缺点？什么时候我应该选择一个而不是另一个？我还想知道任何现实世界中的例子，其中一个比另一个更受欢迎。根据Wikipedia关于的文章，这种数据结构经常用于索引面向块的存储。显然，BTree+存储的键（而不是值）存储在中间节点中。这意味着您将需要更少的中间节点块，并将增加缓存命中的可能性 现实世界的例子包括各种文件系统；查看链接文章。对我来说似乎是个真正的问题。重复：B+树和B+树是一样的吗？还是另一种变化？

B树和2-3-4树之间有什么区别 另外，您如何找到每个的最大和最小高度？…链接和引用： “2-3-4树是4阶B-树。” A2-3-4是一个B-树 它被称为2-3-4树，因为非叶、非根节点的子节点数为2,3或4。 如果它是6，它可以被称为3-4-5-6树，或者简称为3-6树。 由于最小的子级数是最大的一半，人们通常可以跳过前者，讨论m阶的B-树。 B-树的顺序定义为节点可以拥有的最大子节点数。 如我们所见，在2-3-4树中，最大值为4 它的最坏和最好的情况下的高度是给定的 最佳案例：logmn。（

我的任务是开发一个电子电话簿，其中必须存储公司员工的姓名和电话号码。您可以使用的数据结构是链表和二叉搜索树（BST），我必须为我的项目选择最受支持的数据结构。此外，在选择任何数据结构时，还必须考虑插入、删除和搜索操作，因为公司可以雇用一些新员工，搜索员工的电话号码，一些老员工也可以离开公司。讨论您认为哪种数据结构更适合上述场景。还讨论为什么您更喜欢此数据结构而不是其他数据结构？BST会更好。 因为 在电话簿中最常用的搜索功能在BST中比在链表中更快 在平均情况下，插入需要O（对数n）时间。在链表

我在读B树，看起来它们在O（lgn）时间内实现了动态设置操作。红黑树（java中的TreeMap）也在渐近相同的时间帧内实现相同的操作。所以我想知道是什么使B树对数据库和文件系统更有用RB树是二进制搜索树。B树可以有两个子节点以上。事实上，子节点的数量是可变的 因此，您可以改变子节点的数量，使节点的大小始终是文件系统块大小的倍数。这减少了读取时的浪费：无论如何，您不能读取少于一个块，您始终必须读取完整的块，因此您不妨用有用的数据填充它。增加子节点的数量也会降低树的深度，从而减少“跃点”（即磁盘读

我正在寻找一种数据结构来支持一种高级优先级排队。想法如下。我需要按顺序处理许多项，在任何给定的时间点，我都知道根据某些度量，下一步要做的最好的一项。问题是，处理一个项目会更改其他一些项目的度量，因此静态队列不会起作用 在我的问题中，我知道哪些项需要更新它们的优先级，所以我正在寻找的数据结构应该有相应的方法 排队项目，优先级 出列 重新申请项目，新的优先权 理想情况下，我想在一段时间内重新提问。有什么想法吗？A正是为了这个。例如，您可以通过使用来实现它。有一种算法的时间复杂度与您所需的类似，但它仅

我有一个关于重新洗牌的问题。据我所知，当负载系数（表中的元素数量/表的大小）达到0.5时，我们使用重新灰化，通过重新灰化，我们希望减少碰撞。我非常确定，在进行二次探测时可以使用重灰化，我的问题是，重灰化应该与线性探测一起使用，还是与单独的链接一起使用？在进行单独链接或线性探测时，是否有使用rehash的逻辑 谢谢正如您所解释的，当哈希表的填充数超过一定的数字加载因子时，我们通常会重新进行哈希运算。在进行重新散列时，我们增加了哈希表的大小并进行了重新散列。Rehashin不是关于使用可选的散列策略

最近，在一次采访中，我被问及使用循环队列的缺点。我想不出有什么。在互联网上搜索我发现的唯一答案是它比线性队列更难实现：）。还有其他缺点吗？在我看来，任何遍历队列的代码都必须跟踪第一个节点，以便检测遍历的结束。但是在多线程环境中，另一个线程可能会删除第一个节点，这将导致遍历线程进入无限循环。因此，遍历线程必须在其通过队列的循环期间保持第一个节点锁定。我想说循环队列的最大缺点是只能存储queue.length元素。如果将其用作缓冲区，则会限制历史深度 另一个较小的缺点是，如果不保留其他信息，很难区分

我最近一直在研究B+树和T-树。似乎有一种趋势，B+树用于磁盘索引，T-树用于内存 我相信这是由于磁盘I/O，但我找不到任何东西证实这一观点。我的假设正确吗 此外，如果T-树的磁盘访问可以通过缓存限制在日志B中，那么它们在日志B N中的性能难道不能超过B+树吗？T-树本质上是一个二叉树。所以树的深度类似于T树的log2（N/B）和B+树的logB（N）（N=#数据项，B=每个节点中存储的键数=B+树的分支因子）。这些都是近似值，因为两棵树在每个节点中都没有固定数量的项。无论如何，对于大N，B+树

我正试图找出使用静态分析工具提取内核数据对象的最简单方法，我发现这是一种选择，但看起来它更嵌入到GCC中，当我们需要使用交叉编译器运行它时，可能不可行。我想知道是否有其他的C解析器可以帮助我完成这样的任务 有人能给我推荐一个工具/实用程序来对内核源代码进行静态分析吗。你有没有试着用clang来探索解析器。我也有同样的要求，有些人把我称为叮当。我们的DMS软件再工程工具包具有强大的C解析器，可用于构建任意分析工具。它已经在大约2500万行代码的系统上使用，这与Linux内核的规模非常匹配。谢谢Ir

我正在尝试解决以下问题： 编写一个名为form rn的函数，该函数使用两个罗马数字对象digit1和digit2，并生成由从左到右读取的digit1和digit2的值表示的两个字符的罗马数字。digit1和digit2的字符串值必须是I、V、X、L、C、D或M中的一个字母 例如： (form-rn (make-Roman-numeral "C" 100) (make-Roman-numeral "C" 100)) 生产制造罗马数字CC 200，以及 生

我最近在一次采访中被问到这个问题： 查找在哈希表中搜索所需的最大和最小时间 我说过这取决于加载因子和散列函数，但这不是一个令人信服的答案 请提供您对上述问题的专家评论。对于散列，性能取决于您处理冲突的程度（对于多个输入获得相同的散列值）。但是，根据该理论，哈希算法的最佳时间复杂度为O（1），最差时间复杂度为O（n）。如果所有输入都具有相同的哈希值，并且使用了冲突解决技术（如线性探测），则可能出现最坏的情况。您可以查看wiki链接 这清楚地表明，搜索的最差时间复杂度是O（n）。值得一次检查所有冲

Clojure有一个函数，用于创建PersistentTreeSet对象。顾名思义，创建唯一对象的排序集合 排序集什么时候有用？什么时候使用比和更好 就我个人而言，如果我希望在添加元素时没有重复的有序数据结构，我就使用排序集。也就是说，我从一个空集开始，而不是将其应用于列表 我使用sort和distinct的时间是如果我有任何其他数据结构，比如我想要排序和删除重复项的列表 基本上，应用集合会为您提供一个具有唯一元素的新对象，而distinct会对同一列表引用执行操作 排序集与调用sort和dis

我设计了一个多线程应用程序，它可以在用户文件系统中爬行以特定扩展名（.mp3/.wav）结尾的文件。爬网，即使是多线程的，也需要很长的时间，可以很容易地将这些文件的完整路径名存储在辅助存储上，以便高效地查找，而不是每次应用程序启动时都执行爬网。此外，我需要路径名来搜索文件 我应该如何在磁盘上存储路径名？我应该使用哪种数据结构来存储这些路径名，这样当应用程序加载时，我可以从磁盘中提取数据结构文件，解析内容，并在内存中构建一个良好的查找表，以便高效地搜索和文件操作（插入、删除） 我考虑将整个数据结构

我正在寻找Clojure数据结构，它的工作原理类似于关系表（如在关系数据库中） 映射（甚至双向）id->（val1，val2，val3，…）不起作用。例如，如果我想查找所有带有val2=“something”的行，则需要O（n） 但是我想在O（logn）中的列中执行搜索 在数据库中搜索不带索引的列谓词的行是O（n），因为必须检查每一行是否与谓词匹配。如果谓词使用的列有索引，则可以使用该索引查找特定值的所有行，方法是将该值作为索引中的键来查找所有匹配行。然后通常是log（n）操作（这取决于索引的内

我有一个大小未知的字节缓冲区，我想创建一个指向缓冲区开头内存的局部结构变量。按照我在C中所做的，我在Rust中尝试了很多不同的东西，并且不断出现错误。这是我的最新尝试： use std::mem::{size_of, transmute}; #[repr(C, packed)] struct MyStruct { foo: u16, bar: u8, } fn main() { let v: Vec<u8> = vec![1, 2, 3]; let

根据正常的B+树特征，如果按升序插入键，当叶页已满时，它将被拆分，并且将有一个新页引入B+树 例如，如果有一个最多有3个键的叶页 (page0)|1|2|3| 然后插入键4： |1|3|*|(page0) (page1)|1|2|*| |3|4|*|(page2) 此后，后续键将插入到第2页，直到下一次拆分，因为它们是按升序排列的。之前的所有页面将保持半满 在我的例子中，我想这会导致空间浪费。然而，在数据库中，这似乎是不合理的。这真让我困惑。我已经读过

我需要在类似列表的数据结构中存储大量元素。另外一个要求是，在任何时候都应该快速确定每个元素的索引。元素未排序，因此无法排序 如果使用简单数组，则每次查询元素的索引时都必须使用线性搜索。这是可行的，但这是一个非常低效的解决方案。以下是伪代码中的数据结构： class IndexList1 { Array elements getIndex(e) { for (i = 0; i < elements.length; i++) { if (elements[i] =

“每个基于比较的n个元素排序算法在最坏的情况下都必须进行Ω（nlogn）比较。基于这一事实，构造n节点二叉搜索树的复杂性是什么？为什么？” 基于这个问题，我认为构造复杂性必须至少为O（nlogn）。也就是说，我似乎不知道如何找到构造的总体复杂性。BST的构造将是O（n（log（n）） 您需要插入属于O（n）操作的每个节点。 要插入n节点，您需要至少进行O（log（n））比较。 因此，最小值将为O（n（log（n）） 只有在数组已经排序的最佳情况下，时间复杂度才会是O（n）问题的标题和您引用的文本

了解数据结构，它说最大堆的唯一限定条件是子节点小于或等于父节点，如果是，则是任何用途的顶部？堆的根节点通常是堆中优先级最高或最低的节点。这对于查找堆的最小值或最大值很有用。它将是堆中的最大值；顺便说一句，数据结构不涉及语言标记。用数据结构替换语言标记。例如，可以用FORTRAN或汇编语言实现堆数据结构，但不包括这些语言。

我试图制作一个表格结构来分析（例如）表格中的乒乓球比赛。我在考虑这样的数据表结构： 身份证件 日期 游戏 设置 玩家 要点 胜负 1. 12/19/20 1. 1. 汤姆 11 赢 2. 12/19/20 1. 1. 做记号 8. 损失 通常有很好的理由在这样的表格中记录两次比赛结果，每个球员一次。这使得玩家的分析更加容易。例如，如果是足球，我会为每支球队设置一个栏目，另一个栏目是主客场状态。比赛结果会在表格中出现两次，但球队比较会容易得多。我也一样。谢谢，这样就可以了。好的。但是，根据您想要进

我想在一个无向图的两个顶点之间找到一个固定长度“K”的不同可能路径的数目，我看到了许多使用邻接矩阵的实现，但是没有邻接矩阵有什么方法可以实现吗？如果有办法，请给出一些提示。对于这个问题，我认为邻接矩阵是您最好的选择，因为您可以同时计算多个答案，从而使整个算法更快。如果您想使用邻接列表实现解决方案，我会尝试蛮力递归方法，但请注意，它肯定会比邻接矩阵方法慢

x86（或其他）的标准数据结构（链表、数组列表、队列、堆栈等）是否有好的库（最好是带有注释的源代码） 在汇编程序中？ 我不喜欢重新发明（并调试！）控制盘….为什么不找到一个好的C库并从asm调用它呢 或者，如果您需要“内联”功能： 将要使用的函数编译到Hello World程序中 反汇编程序 将程序集重写为asm/预处理器宏 您最好在特定于汇编程序的组中询问，而不是在这里。尝试： 最近发布的，提供了一个链接到 网站 谷歌说微软的页面上有一些数据结构演示，但我没有去搜索 另一种可能是检查，高

我在F#中创建了一个不可变的队列，如下所示： type Queue<'a>(f : 'a list, r : 'a list) = let check = function | [], r -> Queue(List.rev r, []) | f, r -> Queue(f, r) member this.hd = match f with | [] -> failwith "

堆栈上的推操作返回什么？我认为这完全取决于堆栈实现。某些实现可能不返回任何内容，其他实现可能返回布尔值，其他实现可能仍然返回堆栈对象本身以进行链接： stack.push(element1).push(element2); 这将取决于执行情况 推送通常不会返回任何内容，因为它会将您提供的项目添加到堆栈中。相应的Pop操作将从堆栈顶部删除项目并返回它。它不应该返回任何内容。例如，在.Net中它是被定义的。我同意这里的其他人的观点，返回值是无效的。但是，您的实现可能包括一个计数器，用于跟踪元素添加

可能的重复项： 我有一个项目列表，每个项目在二维空间中都有一个位置（使用欧几里德几何指定，即作为（x，y）坐标对） 我应该如何存储此列表（例如哈希表等），以便能够有效地查找该列表中距离某个点（x，y）距离D内的所有项目 （同样，我说的是简单的直线距离，即d^2=dx^2+dy^2）在相关的侧栏中，我看到它似乎是重复的。评论？H…Novelocrat的答案指向了一些更相似的问题。@dmckee-谢谢，这两个问题都非常有用（我不明白为什么我问我的问题时，类似问题列表中没有显示它们）

假设一个r字符字符串通过将其作为 基数为128，然后使用除法。m这个数字很容易理解 表示为32位计算机字，但r字符的字符串，被视为 基数为128的数字，需要很多字。我们如何将分割法应用于 计算字符串的哈希值，但不使用超过一个常量 字符串本身之外的存储字数？对于基数r中的任何n位数字： number=a0*r^0+a1*r^1+a2*r^2+...+a(n-1)*r^(n-1) 要计算这个数mod m的值，我们需要 (a0*r^0+a1*r^1+a2*r^2+...+a(n-1)*r^(n-1)

Wild是数据结构的通用名称，其中一个节点可以有多个父节点和多个子节点，对象本身将是自引用的 MySQL表可能如下所示： NodeTbl id: integer NodeJoinTbl source_node_id: integer target_node_id: integer class Node < ActiveRecord::Base has_and_belongs_to_many :nodes end 持久化Ruby类可能如下所示： NodeTbl id

你能帮我列出基本数据结构在哪里使用，以及它们对程序员有多重要吗 在我的代码中，我总是找不到任何关于基本数据结构的信息。我应该如何使用它们，我应该学习什么样的基本数据结构，并学习扩展到什么程度 最基本的数据结构的名称是数组、数组列表、链表、地图等等。开始用谷歌搜索这些，你应该能找到很多关于它们的信息，因为它们到处都在使用 根据你的问题，你应该在多大程度上学习它们，尽可能多地学习它们，并尽可能多地了解每一个。这对于决定在何处使用哪个是必要的 剩下的就做研究吧。网上和书里有很多关于你问题答案的资源

是否可以使用前序和后序序列创建二叉非唯一树？如果可以，如何实现？例如，我如何为以下对象创建非唯一树： 预订单： B C I J K H D E F G 邮购： I H K J C G F E D B 可能有多少个？预订单psedo代码： preorder (tree) { if tree isn't empty then { print key[tree] preorder left[tree] preorder right[t

我在看大量的树数据结构，它真的很混乱。我了解基本的二叉树（还有它的许多实现，如BST红黑树等） 但我真正需要的是一些关于N'ary树的信息。 我需要研究各种类型的N'元树，以及它们的性能比较。 到目前为止，我所看到的唯一的N'ary树是B+树。我需要知道哪一棵是最快的树。i、 就时间复杂度而言，空间复杂度是没有问题的。一般来说，将某个东西做成一棵树，2$“>，与二叉树相比，不会有任何渐进优势（）。例如，搜索一个平衡的二叉树可以及时完成。搜索一个平衡的k叉树，将为您提供。假设是一个常数，对于任何其

我正在处理来自大型机的字母数字数据。由于访问点的性质，在webbrowser接口中使用GetString方法从大型机中提取数据。我正在重构我的代码以及旧代码，以利用数据结构，而不仅仅是范围对象，因为范围对象代码在处理大型数据集时需要更长的时间 作为的一部分，我在Application.screenUpdate=False和Application.Calculation=xlCalculationManual处于活动状态时运行所有大型数据集宏。为了计时，在将计数器与状态栏一起使用后，我将与DoEv

在我的实现中，我使用延迟删除和线性或二次探测来解决冲突。对于插入，当遇到延迟删除的项目时，我会将其替换为要插入的项目。这样做的缺点或不正确之处是什么（对于线性或二次或双哈希冲突解决方案）？难道它不节省空间吗？开放寻址哈希表的问题是，它们的性能会随着时间的推移而下降，尤其是当条目非常动态时 例如，让我们考虑一个简单的线性探索列表。如果哈希槽1上有3个冲突，则将使用槽1、2、3。如果2被删除，您需要将其标记为“以前使用过”，以便仍然能够在插槽3中找到该项目。在某些使用模式下，这将使哈希表降级到线性搜

我在clojure中创建了哈希映射： {"key1" "value1"} {"key2" "value2"} {"key3" "value1"} 我需要把它转换成 {"value1" {"key1" "key3"}} {"value2" {"key2"}} 有什么好办法吗 clojure.set/map-invert将不会像覆盖重复值一样工作。尝试以下操作，我没有要测试的REPL，它可能与原始答案略有不同，但是，您可以使用它来获得您想要的结果 (group-by #(val (first %

哈希表和随机访问表之间的区别是什么。我觉得它们很相似，但想找出确切的区别，谷歌搜索对我帮助不大。哈希表（也称为哈希映射，或关联数组或字典，或仅是哈希）是一种特定类型的随机访问数据结构 哈希表是“随机访问”，因为它允许在固定时间内对单个成员进行直接“索引”访问。数组也可以被视为随机访问数据结构，因为您可以通过其索引获取单个元素 相比之下，链表不是随机访问的数据结构，因为您需要遍历其成员以查找特定元素。通常，哈希表可以将各种实体映射到其他实体。根据编程语言的不同，它可能会将元组映射到字符串、字符串映

我有一个关于双链接插入算法的任务，我花了很多时间，但是仍然失败，sortLink方法仍然无法工作，有人能帮我解决吗？代码如下： Link.java： Test.java 公共类测试{ 公共静态void main（字符串[]args）{ testLink（）； } 公共静态无效sortLink（链接头链接）{ Link curLink=null，preLink=null，nextLink=null，Link=null，pLink=null； curLink=headLink.getNext

如何将以下表达式转换为二叉树 （（A+B）/（C*D+E）*（F-G））根据操作顺序，最后一次操作是什么？它将是（A+B）/（C*D+E）与（F-G）之间的乘法。因此，树的根节点将具有操作*，而左分支将具有（A+B）/（C*D+E），右分支将具有（F-G）。在这些树枝上问同样的问题，等等，直到你到达树的叶子，这些叶子将是字母A，…，G，不确定这个问题是否适合这里，这被称为@PhamTrung，我认为它不适合。

如何从二叉搜索树中找到第n个最小元素 制约因素包括： 时间复杂度必须是O（1） 不应使用额外的空间 我已经尝试了两种方法 按顺序遍历并查找第n个元素-时间复杂度O（n） 维护比当前节点小的元素数量，并查找具有m个小元素的元素-时间复杂度O（log n） 我所能想到的唯一方法是更改将BST保存在内存中的数据结构。如果您将每个节点视为结构本身（value、LeftTyStand和RealSt娃），而不是将它们存储在无序数组中，则可以将它们存储在有序数组中。因此，第n个最小元素将是数组中的第n个元素。

我希望实现一个不可变的键排序映射/集，该映射/集是持久的（或至少具有结构共享），并且对于合并/联合操作具有“良好”的复杂性，最好是基于具有高分支因子的树来保持树浅。Phil Bagwell的理想哈希树引入排序顺序数组映射尝试，它们能为实现我所描述的提供合适的基础吗？缺少现有实现的原因有哪些。描述了在将排序映射写入存储的应用程序中不使用数组映射尝试的一些原因。描述了在将排序映射写入存储的应用程序中不使用数组映射尝试的一些原因。

我的AP计算机科学课程最近学习了哈希表，以及线性探测如何导致集群问题，并最终证明不是恒定时间插入/搜索。我们的指导老师告诉我们，二次探测是减少集群的一个好方法，原因显而易见。我想知道，如果只剩下一个元素，是否可能需要一段时间才能找到它。我写了一个快速的程序（如果你想的话，我可以插入源代码，但我不认为任何人会读它），测试看看是否发生了这种情况 首先，我证明了，如果没有一个数组索引永远不会登陆，那么如果您总是尝试添加到任何一个索引中，就会找到它。这是因为这样做，它要么最终会命中数组中的每个索引，要么

为什么BST上的操作（搜索、删除、获取、最小、最大、下限、上限、排名等）使用键而不是值？我们是否不能存储可比较的值并对其进行操作？在BST中使用键有什么好处？您完全可以构建一个只使用值而不使用键的BST。一般来说，在讨论数据结构时，我们倾向于使用独立于任何特定编程语言的术语。例如，C++没有一个可比的< /C> >接口，而在C中进行类型比较的方式看起来与java完全不同。 “键”和“值”的概念是在高层次上讨论树存储一组排序的东西（键），每个键都有一个关联的值。实际实现的方式可能是使用一个既存储键

左子树的频率能比右子树的频率大吗 （标题问了一个肯定的问题，而正文问了相应的否定问题，所以我无法回答是或否！） 您可以随意选择left和right，或者根据您的喜好将0和1等效地分配给left和right分支，这样您仍然可以获得最佳代码。所有更改都是代码值。您可以从该树生成128组不同的代码值 在实际应用中，每个代码的长度都是从树中派生出来的，此时树将被丢弃。然后可以使用指定代码值。这将从128个可能的代码中选择一个特定的代码。然后接收器只需要知道每个符号的代码长度就可以解码 顺便说一下，树中还

由于splay树用于缓存，我想知道当我想要高效缓存时，splay树比哈希表有什么优势 什么时候我应该更喜欢splay树而不是哈希表 我想这是一个比BST更特殊的案例，请不要链接到BST vs Hashtable答案。这取决于你所说的效率 如果它位于数据结构所消耗的存储/空间上，则它们将是相同的。另一方面，当我们谈论时间复杂性时，它仍然取决于数据结构的使用方式 如果您的用户使用您的数据结构时，他们每次都会访问非常相似的数据（相关数据），那么使用splay树进行缓存将非常好，因为最坏的情况是围绕O（

我已经看过了DAG的多种定义，它们都说它是一个没有圈的有向图。另外，据说它具有拓扑序 现在下图是有向图，没有圈 但是从边的顺序来看（看边（2,1）），它不是拓扑有序的 这仍然是DAG还是每个边都必须按拓扑顺序排列，才能使该图形成为DAG？？？是，这是DAG。要检查：您不能从一个节点出发，沿着图中的边再次到达该节点。事实上，该图是完全有向无环图，因为它在3个节点的DAG中拥有最大数量的可能边。添加任何新边都会将其转化为循环有向图 对于完整的DAG，只有一个拓扑顺序。在您的情况下，它是0>2>1

我想创建一个数组的defaultdict。问题是，它对每个键使用相同的数组 # using Pkg # Pkg.add("DataStructures") using DataStructures: DefaultDict genome = DefaultDict{Tuple{String, String}, Array{Int64, 1}}(Int64[]) push!(genome["chr1", "+"], 5) # 1-element Array{Int64,1}: # 5 push!

2-3-4树的单个节点可以由8个指针构成：指向最多4个子节点的指针，指向最多3个实际记录的指针，这些记录包含与搜索键匹配或确定要递归到4个子节点中的哪一个的键，以及父节点指针 现在的普通硬件有8字节的指针，即64字节的节点。此外，现代CPU具有64字节缓存线。如果节点与缓存线对齐，则每个节点只需要一次缓存线命中：在引用七个指针中的第一个指针后，所有其余指针都将位于一级缓存中 虽然红黑树的实现要简单得多，小代码应该是快速代码，但树中的每一级下降都有一级缓存丢失的风险。对于1023个对象，2-3-4

我有一个包含“n”个元素的Max Heapified Arraylist，并希望向其中添加更多“m”个元素。如果树高为k，则前2^k个元素的时间复杂度将分别为log n和log（n+1）。如何对此进行推广，并获得添加这些“m”元素的上界 什么是k？你从m和n开始。考虑让你的问题更精确。另外，如果是家庭作业，SO规则要求你声明。这不是家庭作业问题，只是我和我朋友正在研究的设计问题。太好了。那么k是什么呢？通常，我们不需要太多麻烦，只需使用简单的O（m log（m+n））就可以将m元素添加到包含n元

在无序列表中搜索特定元素时访问的平均节点数是多少？在有序列表中？在有序数组中？请注意，列表可以作为链接结构或在数组中实现 我认为答案是： 无序列表：n/2 订购清单：n/2 无序数组：n/2 有序数组：（log n），因为可以对数组进行二进制搜索 有序数组和有序列表之间有什么区别？为什么有序列表不能成为二元搜索树？因为为了到达有序链表中的特定位置（在本例中可能是泛型“列表”所指），必须遍历列表中该位置之前的所有元素 对于类似链表的结构，还有其他数据结构（如跳过列表）可以提供比线性搜索更好的搜索时

我有两棵二叉树。一个，A，我可以访问它的节点和指针（left，right，parent）和B，我无法访问它的任何内部。其思想是通过迭代A的节点并在B中插入，将A复制到BB作为一个AVL树，在a（前序、中序、后序）上是否有一个遍历，以便在B中插入元素时有最小的旋转次数 编辑： 树A是平衡的，我只是不知道具体的实现 树A上的迭代只需要使用指针（编程语言是C，没有我可以使用的队列或堆栈数据结构） 当树的一部分深度超过树的其他部分深度一倍以上时，AVL中会发生重新平衡。因此，为了避免触发重新平衡，您希

二叉树遍历（如前序遍历、有序遍历、后序遍历和级序遍历）是许多IT公司经常遇到的问题 记住预序遍历和顺序遍历的迭代实现让我感到困惑 下面是leetcode的问题 前序遍历： 我们沿着图走，从顶部逆时针走。每次我们经过节点的左侧时，都要大声喊叫。 按顺序遍历： 我们沿着图走，从顶部逆时针走。当你越过底部时，每次都要喊。 后序遍历 我们沿着图走，从顶部逆时针走。每次过马路时喊一声 如果您想查看更多递归和迭代实现的详细信息，请阅读我记得它是关于根节点的 顺序->表示根介于左右之间 PreOrd