C # árboles binarios y Diccionarios

Question

C # árboles binarios y Diccionarios

votos

15

Estoy luchando con el concepto de cuándo usar árboles binarios de búsqueda y cuándo usar los diccionarios.

En mi solicitud que hice un pequeño experimento que utilizó la biblioteca C5 TreeDictionary(que creo que es un árbol binario de búsqueda de color rojo-negro), y el diccionario de C #. El diccionario fue siempre más rápido al añadir / encontrar las operaciones y también siempre se utiliza menos espacio de memoria. Por ejemplo, en el 16809 <int, float>entradas, el diccionario utiliza 342 KiB mientras que el árbol utilizado 723 KiB.

Pensé que la BST se supone que de ser más eficiente de la memoria, pero parece que un nodo del árbol requiere más bytes de una entrada en un diccionario. ¿Lo que da? ¿Hay un punto en donde BST son mejores que los de los diccionarios?

Además, como una cuestión lado, ¿alguien sabe si hay una memoria + más eficiente estructura de datos más rápida para almacenar <int, float>pares de acceso tipo de diccionario que cualquiera de las estructuras mencionadas?

c#dictionary binary-search-tree c5

Publicado el 28/01/2010 a las 02:46
fuente por usuario Projectile Fish

En otros idiomas...

6 respuestas

votos

1

Me parece que está haciendo una optimización prematura.

Lo que me gustaría sugerir a usted es para crear una interfaz para aislar la estructura que en realidad estás usando, y luego implementar la interfaz utilizando el diccionario (que parece funcionar mejor).

Si la memoria / rendimiento se convierte en un problema (que probablemente no para 20K- números), entonces usted puede crear otras implementaciones de interfaz, y comprobar cuál funciona mejores. Usted no tendrá que cambiar casi cualquier cosa en el resto del código (excepto los que la aplicación que esté utilizando).

Respondida el 28/01/2010 a las 03:26
fuente por usuario Samuel Carrijo

votos

1

Tiene sentido que un nodo de árbol requeriría más espacio de almacenamiento de una entrada de diccionario. Un nodo de árbol binario necesita almacenar el valor y tanto los subárboles izquierdo y derecho. El genérico Dictionary<TKey, TValue>se implementa como una tabla hash, que - estoy suponiendo - o bien utiliza una lista enlazada para cada segmento (valor más un puntero / referencia) o algún tipo de reasignación (sólo el valor). Tendría que echar un vistazo en el reflector para estar seguro, pero para el propósito de esta pregunta yo no creo que sea tan importante.

La más escasa la tabla hash, la menos eficiente en términos de almacenamiento / memoria. Si crea una tabla hash (diccionario) e inicializar su capacidad de 1 millón, y sólo lo llena de 10.000 elementos, entonces estoy bastante seguro de que iba a comer un montón más memoria que un BST con 10.000 nodos.

Aún así, no me preocupo por nada de esto si la cantidad de nodos / teclas es sólo en los miles. Eso va a ser medido en los kilobytes, en comparación con gigabytes de memoria RAM física.

Si la pregunta es "¿por qué se desea utilizar un árbol binario en lugar de una tabla hash?" A continuación, la mejor respuesta de la OMI es que los árboles binarios se ordenan mientras que las tablas hash no lo son. Sólo se puede buscar en una tabla hash de las claves que son exactamente iguales a algo; con un árbol, se puede buscar un rango de valores, el valor más cercano, etc. Esta es una distinción muy importante si va a crear un índice o algo similar.

Respondida el 28/01/2010 a las 03:39
fuente por usuario Aaronaught

votos

0

La interfaz de un árbol y una tabla hash (que yo supongo es lo que su diccionario se basa uno) debe ser muy similar. Siempre que gira en torno a las búsquedas con clave.

Siempre había pensado que un diccionario era mejor para la creación de las cosas una vez y luego a continuación, hacer un montón de búsquedas en él. Mientras que un árbol era mejor si estaba modificando de manera significativa. Sin embargo, no sé donde recogí esa idea desde.

(Los lenguajes funcionales a menudo usan árboles como base porque ellos colecciones como se puede volver a utilizar la mayor parte del árbol si haces pequeñas modificaciones a la misma).

Respondida el 28/01/2010 a las 03:40
fuente por usuario ligos

votos

0

No está comparando "manzanas con manzanas", un BST le dará una ordenada representación, mientras que un diccionario le permite hacer una búsqueda en un par de valores clave (en su caso).

Yo no esperaría mucho el tamaño de la huella de memoria entre el 2 y el diccionario le dará una búsqueda mucho más rápido. Para buscar un elemento en un BST que (potencialmente) tiene que recorrer todo el árbol. Pero para hacer una búsqueda dictnary simplemente las operaciones de búsqueda basada en la clave.

Respondida el 28/01/2010 a las 04:05
fuente por usuario nixon

votos

0

Un BST equilibrada es preferible si usted necesita para proteger su estructura de datos de los picos de latencia y ataques colisiones hash.

El primero sucede cuando una estructura de matriz con respaldo crece una consigue cambiar el tamaño, la última es una propiedad inevitable de algoritmo de hash como una proyección desde el espacio infinito a un rango entero limitado.

Otro problema en .NET es que hay LOH, y con un diccionario suficientemente grande se encuentra con una fragmentación LOH. En este caso se puede utilizar un BST, el pago de un precio de mayor clase de la complejidad algorítmica.

En resumen, con una BST respaldado por el montón de asignación se obtiene el tiempo peor caso de O (log (n)), la tabla hash se obtiene O (N) peor caso el tiempo.

BST tiene un precio de O (log (n)) tiempo promedio, peor localidad caché y más asignaciones del montón, pero no tiene garantías de latencia y está protegido de ataques de diccionario y la fragmentación de memoria.

Vale la pena señalar que la BST es también un objeto de la fragmentación de memoria en otras plataformas, no usando un recolector de basura de compactación.

En cuanto al tamaño de la memoria, la clase de .NET Dictionary`2 es más eficiente de la memoria, ya que almacena los datos como una lista enlazada fuera del montón, valor que sólo almacena la información de desplazamiento y. BST tiene que almacenar cabecera del objeto (como cada nodo es una instancia de clase en el montón), dos punteros, y algunos datos aumentado a árbol para árboles de equilibrado. Por ejemplo, un árbol rojo-negro tendría un valor lógico interpretado como el color (rojo o negro). Esto es al menos 6 palabras de la máquina, si no me equivoco. Por lo tanto, cada nodo en un árbol rojo-negro en el sistema de 64 bits es un mínimo de:

3 palabras para la cabecera = 24 bytes 2 palabras para los punteros niño = 16 bytes 1 palabra para el color = 8 bytes al menos 1 palabra para el valor 8+ bytes = 24 + 16 + 8 + 8 = 56 bytes (+8 bytes si el árbol utiliza un puntero nodo padre).

Al mismo tiempo, el tamaño mínimo de la entrada del diccionario sería tan sólo 16 bytes.

Respondida el 10/12/2018 a las 13:18
fuente por usuario George Polevoy

Juliet · Accepted Answer · 2010-01-28 04:16

Pensé que la BST se supone que de ser más eficiente de la memoria, pero parece que un nodo del árbol requiere más bytes de una entrada en un diccionario. ¿Lo que da? ¿Hay un punto en donde BST son mejores que los de los diccionarios?

Yo personalmente nunca he oído hablar de tal principio. Aún así, es sólo un principio general, no es un hecho categórico grabado en el tejido del universo.

En general, los diccionarios son realmente sólo un envoltorio de lujo en torno a una serie de listas enlazadas. Se inserta en el diccionario algo como:

LinkedList<Tuple<TKey, TValue>> list =
    internalArray[internalArray % key.GetHashCode()];
if (list.Exists(x => x.Key == key))
    throw new Exception("Key already exists");
list.AddLast(Tuple.Create(key, value));

Por lo que su casi O (1) operación. El diccionario utiliza O (internalArray.Length + n) de la memoria, donde n es el número de elementos de la colección.

En BSTs generales se pueden implementar como:

enlaces-listas, que utilizan O espacio (n), donde n es el número de artículos en la colección.
matrices , que utilizan O (2 ^h - n) espacio donde h es la altura del árbol y n es el número de elementos de la colección.
- Desde árboles rojo-negro tienen una altura limitada de O (1,44 * n), una implementación matriz debe tener un uso limitado de memoria de aproximadamente O (2 ^1.44n - n)

Las probabilidades son, el C5 TreeDictionary se implementa utilizando matrices, lo cual es probablemente responsable de la pérdida de espacio.

¿Lo que da? ¿Hay un punto en donde BST son mejores que los de los diccionarios?

Diccionarios tienen algunas propiedades indeseables:

Puede que no haya suficientes bloques continugous de memoria para almacenar su diccionario, incluso si sus requisitos de memoria son mucho menos de lo que la RAM total disponible.
La evaluación de la función hash puede tomar un tiempo arbitrariamente largo periodo de tiempo. Cuerdas, por ejemplo, utilizar el reflector para examinar el System.String.GetHashCodemétodo - se dará cuenta de hash de una cadena siempre toma tiempo O (n), lo que significa que puede llevar un tiempo considerable para las cadenas muy largas. En la mano, la comparación de cadenas para la desigualdad casi siempre más rápido que el hash, ya que puede requerir mirando sólo los primeros caracteres. Su totalmente posible para las inserciones de los árboles para ser más rápido que los insertos de diccionario si la evaluación código hash toma demasiado tiempo.
- Int32 del GetHashCodemétodo es, literalmente, sólo return this, por lo que había hardpressed para encontrar un caso en una tabla hash con claves int es más lento que un diccionario árbol.

RB árboles tienen algunas propiedades deseables:

Puede encontrar / eliminar los elementos mínimos y máximos en O (log n), en comparación con el tiempo O (n) usando un diccionario.
Si un árbol se implementa como lista enlazada en lugar de una matriz, el árbol es generalmente más eficiente del espacio que un diccionario.
Del mismo modo, su ridícula fácil escribir versiones inmutables de árboles que soportan inserción / lookup / eliminar en un tiempo O (log n). Diccionarios no se adaptan bien a la inmutabilidad, ya que se necesita para copiar toda la matriz interna para cada operación (en realidad, yo he visto algunas implementaciones basadas en matrices de árboles dedos inmutables, una especie de propósito general la estructura de datos de diccionario, pero la implementación es muy complejo).
Se puede recorrer todos los elementos de un árbol en forma ordenada en el espacio y el tiempo constante O (n), mientras que había necesidad de volcar una tabla hash en una matriz y ordenarla para conseguir el mismo efecto.

Por lo tanto, la elección de la estructura de datos realmente depende de las propiedades que necesita. Si lo que desea es una bolsa desordenada y puede garantizar que su función hash evaluar de forma rápida, ir con un diccionario .Net. Si necesita una bolsa ordenada o tener una función hash que ejecuta lentamente, ir con TreeDictionary.