常用的提高读写效率的数据结构：哈希表，有序数组，搜索树

哈希表：
key-value的存储结构，把值放在数组中，用一个哈希函数把key换算成确定的位置，然后把value放在数组的这个位置，不可避免多个key值经过哈希算法后出现同一个值的情况，处理这种情况的一种方式就是，拉出一个链表。
数组空间越小，哈希表值重复的概率就越大，对单链表的线性查找频率就越高。反过来，如果数组空间过来，又会出现很多闲置的空间，所以合理合计数组的大小很重要。

但是注意，哈希函数算法的特性导致存储的value是无序的，所以用哈希表的数据结构用作索引的情况下，做区间查询是非常慢的。所以哈希表哈希索引适用于等值查询的情况，比如Memcached及其他一些NoSql引擎。

https://baijiahao.baidu.com/s?id=1671247611862752442&wfr=spider&for=pc

 

 

有序数组：

 以身份证为例，将数据按照身份证号的大小，有序存储。查找的时候，只需要二分查找就可以定位到数据。时间复杂度是log(N)。//2的x次方等于N。比如N=8。那二分查找的时间复杂度就是3，N=16，就是4以此类推。

有序数组在等值查找和区间查找都很优秀，但是却有一个致命问题，当有序找到需要插入数据的位置时，需要挪动这个数据后面所有的数据，所以有序数组只适合用静态数据的引擎。比如2017商城订单的信息，这种不会再改变的数据信息。

 

 

搜索树：

我们可以由浅入深先理解下二叉搜索树。二叉搜索树的特点是，左边子节点小于父节点，父节点又小于右边子节点。查找的时间复杂度为log(N)，为了保持这颗树为平衡二叉树，更新的时间复杂度也是log(N)。

 

二叉树是搜索效率最高的，但是实际上大多数的数据库存储却并不使用二叉树。其原因是，索引不止存在内存中，还要写到磁盘上。

你可以想象一下一棵 100 万节点的平衡二叉树，树高 20。一次查询可能需要访问 20 个数据块。在机械硬盘时代，从磁盘随机读一个数据块需要 10 ms 左右的寻址时间。也就是说，对于一个 100 万行的表，如果使用二叉树来存储，单独访问一个行可能需要 20 个 10 ms 的时间，这个查询可真够慢的。