SortedSet<T> 与 HashSet<T>

Posted 2023-02-25

【中文标题】SortedSet<T> 与 HashSet<T>

【英文标题】：SortedSet<T> vs HashSet<T>

【发布时间】：2011-06-05 02:19:21

【问题描述】：

我的问题是，当我们拥有SortedSet<T> 时，HashSet<T> 的需要是什么！所有 HashSet 的方法都在 SortedSet 中可用，而且 SortedSet 的优势在于它已经以排序的方式提供了集合！即使这样 HashSet 也存在。那它有什么用呢？

【问题讨论】：

HashSet 如果您希望项目未排序且唯一？来自 MSDN > HashSet 类提供 > 高性能集合操作。集合 > 是不包含 > 重复元素的集合，并且其元素 > 没有特定顺序。 msdn.microsoft.com/en-us/library/bb359438.aspx

如果你有一组一开始就没有良好排序的东西怎么办？例如，您将如何在三个空间中创建一组 排序 点？你会按什么排序？

在使用 HashSet<T> 时需要知道的一个有用（有时）的事情：即使在 64 位应用程序中，它也可以存储多达 ~4800 万个 Guids 或 longs 或 ~95数百万ints，然后抛出OutOfMemoryException。 SortedSet<T> 似乎有更高的容量限制。如果出于某种原因您需要在内存中保留数亿个项目，HashSet<T> 可能不是一个好的选择。

@Vladimir：根据文档，“对于非常大的 HashSet 对象，您可以通过设置 配置元素在运行时环境中为 true。"

【参考方案1】：

HashSet<T> 和 SortedSet<T> 都在实现 interface ISet<T>，这是一个包含独特元素的数据结构。

它们之间的主要区别在于它们用于存储数据的底层数据结构。 HashSet<T> 使用哈希表，而SortedSet<T> 使用红黑树，这是一种平衡二叉树。

使用哈希表的HashSet<T> 执行基本操作（即添加、删除、搜索）的速度比SortedSet<T> 快，因为HashSet<T> 的复杂度为 O(1)，这意味着它将执行独立于在恒定时间段内输入数据的大小，而SortedSet<T> 的复杂度为 log(N)，这意味着取决于输入的大小，它将执行对数的基本操作。例如，如果输入数据的大小为 1,000，则程序分 10 步执行基本操作，如果输入数据为 1,000,000，则程序分 20 步执行基本操作。

结论：使用HashSet<T>如果您不需要对元素进行排序否则使用SortedSet<T>。这意味着使用HashSet<T> 是首选，除非您需要排序。

【讨论】：

这是这个问题下的最佳答案。非常有用，谢谢分享。

【参考方案2】：

这是关于为工作选择正确的工具。取决于您使用收藏的方式。

This page 有一个很好的表格，详细说明了各种集合类之间的差异。

以下是该表中关于您所询问的集合的摘录：

集合订购连续存储？直接访问？查找效率 操纵效率 SortedSet Sorted No Via Key Key:O(log n) O(log n) HashSet Unordered Yes Via Key Key:O(1) O(1)

【讨论】：

我看到您链接到的文章将基于 Hashtable 的类型（Dictionary<TKey,TValue> 和 HashSet<T>）列为“连续” - 但它们不会将密钥连续存储在其内部（即通常sparse) 键数组，而 SortedDictionary 和 SortedSet 使用密集树，所以我很惊讶这篇文章没有涉及不同数量的键的 SortedSet 与 HashSet 的内存使用情况。

@Svisstack 从技术上讲，在哈希集中查找是 O(m)，其中 m 是哈希函数的平均哈希冲突率。对于一个完全均匀分布的散列函数，这导致查找为 O(1)，对于一个总是碰撞的完全错误的散列函数，这将使查找 O(n)，其中 n 是集合的大小。您通常只使用具有良好散列函数的类型的散列集，在大多数实际情况下使其成为 O(1)。是什么让你认为它是 O(log(n))？

@Svisstack “你不能假设你的散列函数很好”好吧，你可以。大多数人都这样做。如果你不能正确地散列对象你不应该在基于散列的集合中使用它。有些人会在这个符号上加上一个星号，表示它假设一个好的散列，因为你是对的，它是在陈述 O(1) 时做出的假设，即使它是一个有效的假设。 “如果你有碰撞，那么你基本上有 Set” 不，那么你有一个列表。通过它进行搜索需要线性搜索，即 O(m)，其中 m 是该哈希桶中的项目数。

@Svisstack 很少 很少有数据结构被设计成在项目数超过 int.MaxValue 时能够正常工作，甚至根本不能正常工作。说如果你有比 int.MaxValue 更多的项目操作不再是 O(1) 是非常没有意义的，因为它从一开始就不是受支持的用例，所以它不是一个有用的考虑点。诸如HashSet、List 和Dictionary 之类的东西实际上会崩溃，因为数组不允许那么大，而且它们都由一个大数组支持。

@Svisstack "如果我们想在这个世界上那样，将一个项目放入哈希集中，您将拥有相同的包含时间，就像您将最大随机项目放入同一个哈希集中一样。"是的。 这是绝对正确的，假设该项目具有明确定义的散列函数。这就是哈希集如此有用的原因。检查一个项目是否在集合中需要大约相同的时间，而不管集合中有多少项目。它对您何时可以执行此操作有限制（该项目需要有效地进行哈希处理），但这是通常可以实现的条件。

【参考方案3】：

如果您不需要排序，则不应使用进行排序的类，因为这意味着您的应用程序将完成比它需要的更多的工作。 （换句话说，这将使您的应用程序更快）。

【讨论】：

更重要的是，算法会跑得更快。散列是 O(1)，而排序集可能使用二叉搜索树，在平均情况下是 O(log n) - 性能要差得多。

Set 用于唯一项目，List 可能包含重复条目。 msdn.microsoft.com/en-us/library/bb359438.aspx 用于 HashSet 文档。它说：集合是一个集合，它包含没有重复元素，并且其元素没有特定的顺序。

它是算法计算强度的粗略指标。见en.wikipedia.org/wiki/Big_O_notation

@Novice：通俗地说，在O(1) 中运行的算法意味着无论输入的大小如何，它都在相同的时间内运行。否则，时间取决于输入n 的大小，并表示为n 的函数。例如，线性的：O(n)，二次的：O(n^2) 等。big-O wiki 页面可能很难阅读，this 总结得很好。

@BlueMonkMN，与您的旧错误版本相比，在线版本 (MSDN) 显然已修复。 SortedSet<> 在 O(log n) 时间内执行查找，HashSet<> 在 O(1) 时间内执行查找，List<> 在 O(n) 时间内执行。