什么时候使用哈希表？
When to use hash tables?
在什么情况下使用哈希 table 可以提高性能，什么情况下不能？什么情况下使用散列 table 不适用？
我们使用哈希表来获取 O(1) 的访问时间。想象一下字典。当您正在寻找一个词时，例如“happy”，您会直接跳到 'H'。这里的哈希函数由起始字母表决定。然后你在 H 桶中寻找快乐（实际上是 H 桶，然后是 HA 桶，然后是 HAP 桶，等等）。
当您的数据已排序或需要像已排序的数字一样排序时，使用哈希表没有意义。 （字母顺序为 ABCD....XYZ，但如果您切换 A 和 Z 并不重要，只要您知道它已在您的字典中切换。）
What are the cases when using hash table can improve performance, and when it does not?
如果您有理由关心，请使用散列 tables 和您正在考虑的任何其他内容来实施，将您的实际数据放在一起，并衡量哪个表现更好。
也就是说，如果散列 tables 具有您需要的操作（即您不希望按排序顺序迭代它，或将它快速与另一个散列 table 进行比较），并且有数百万或更多（数十亿，万亿...）元素，那么它可能是您的最佳选择，但很大程度上取决于哈希 table 实现（尤其是封闭哈希与开放哈希的选择） ，对象大小，哈希函数质量和计算成本/运行时间），比较成本，计算机在不同缓存级别的内存性能的奇怪之处......简而言之：太多的事情使得即使是有根据的猜测也比测量更好的选择，当它很重要。
and what are the cases when using hash tables are not applicable?
主要是在：
无法对输入进行哈希处理（例如，你得到了二进制 blob，不知道其中哪些位是重要的，但你确实有一个 int cmp(const T&, const T&) 函数，你可以用于 std::map) 或
available/possible 哈希函数很容易发生冲突，或者
您想避免最坏情况下的性能命中：
处理大量散列冲突元素（可能 "engineered" 是有人试图让您的软件崩溃或减慢速度）
调整散列的大小table：除非预先设置得足够大（当使用过多的内存时这可能是浪费和缓慢的），大多数实现将超出他们正在使用的数组对于散列 table 时不时地，然后分配一个更大的数组并复制内容：这可以使导致此重新散列的特定插入比正常的 O(1) 行为慢得多，即使平均仍然是 O(1)；如果您在所有情况下都需要更一致的行为，可以使用平衡二叉树之类的东西
您的访问模式非常专业（例如，经常对具有某些特定排序顺序的 "nearby" 键的元素进行操作），因此缓存效率对于其他存储模型来说更好它们在内存中附近（例如桶排序元素），即使您并不完全依赖排序顺序，例如迭代
在什么情况下使用哈希 table 可以提高性能，什么情况下不能？什么情况下使用散列 table 不适用？
我们使用哈希表来获取 O(1) 的访问时间。想象一下字典。当您正在寻找一个词时，例如“happy”，您会直接跳到 'H'。这里的哈希函数由起始字母表决定。然后你在 H 桶中寻找快乐（实际上是 H 桶，然后是 HA 桶，然后是 HAP 桶，等等）。
当您的数据已排序或需要像已排序的数字一样排序时，使用哈希表没有意义。 （字母顺序为 ABCD....XYZ，但如果您切换 A 和 Z 并不重要，只要您知道它已在您的字典中切换。）
What are the cases when using hash table can improve performance, and when it does not?
如果您有理由关心，请使用散列 tables 和您正在考虑的任何其他内容来实施，将您的实际数据放在一起，并衡量哪个表现更好。
也就是说，如果散列 tables 具有您需要的操作（即您不希望按排序顺序迭代它，或将它快速与另一个散列 table 进行比较），并且有数百万或更多（数十亿，万亿...）元素，那么它可能是您的最佳选择，但很大程度上取决于哈希 table 实现（尤其是封闭哈希与开放哈希的选择） ，对象大小，哈希函数质量和计算成本/运行时间），比较成本，计算机在不同缓存级别的内存性能的奇怪之处......简而言之：太多的事情使得即使是有根据的猜测也比测量更好的选择，当它很重要。
and what are the cases when using hash tables are not applicable?
主要是在：
无法对输入进行哈希处理（例如，你得到了二进制 blob，不知道其中哪些位是重要的，但你确实有一个
int cmp(const T&, const T&)函数，你可以用于std::map) 或available/possible 哈希函数很容易发生冲突，或者
您想避免最坏情况下的性能命中：
处理大量散列冲突元素（可能 "engineered" 是有人试图让您的软件崩溃或减慢速度）
调整散列的大小table：除非预先设置得足够大（当使用过多的内存时这可能是浪费和缓慢的），大多数实现将超出他们正在使用的数组对于散列 table 时不时地，然后分配一个更大的数组并复制内容：这可以使导致此重新散列的特定插入比正常的 O(1) 行为慢得多，即使平均仍然是 O(1)；如果您在所有情况下都需要更一致的行为，可以使用平衡二叉树之类的东西
您的访问模式非常专业（例如，经常对具有某些特定排序顺序的 "nearby" 键的元素进行操作），因此缓存效率对于其他存储模型来说更好它们在内存中附近（例如桶排序元素），即使您并不完全依赖排序顺序，例如迭代