我目前正在学习不同的数据结构，我面临一个小问题。使用二进制搜索树实现的有序映射有什么用？我的意思是，什么时候这样做才好？一个实用的例子就太好了！
平衡BST有很多不同的用例，我不可能在这里列出所有用例，但这里有一些好的用例：
-
BST支持范围查询，您可以高效地询问两个值之间的所有条目。具体来说，在一个有n个条目的BST中，如果执行一个将返回k个元素的范围查询，则运行时为O(log n+k)。将其与使用哈希表进行比较，其中运行时为O(n)。如果您有兴趣对一组数据进行时间序列分析，并希望探索特定范围内的数据，则可以使用此方法。
-
BST支持继承者和继承者查询。给定BST，您可以在时间O(logn)中要求最小的元素大于某个值，或者要求最大的元素小于某个值。总的来说，这可以让你在BST中找到在时间O(logn)中最接近某个目标值的元素，如果你得到有噪声的数据并想将其映射到数据集中最接近的条目，这会很有用。将其与哈希表进行比较，其中这将花费时间O(n)。
-
BST在最坏情况下是有效的。许多常见类型的二进制搜索树，如红/黑树和AVL树，对其操作成本提供了最坏情况下的保证。与此形成对比的是哈希表，其中期望查询花费恒定的时间，但可能会因为糟糕的哈希函数或运气不好而降级。此外，哈希表不时需要重新哈希，这可能需要一段时间，但红/黑树和AVL树没有这样的情况。(有一些类型的平衡BST，如八字树和替罪羊树，在最坏的情况下效率并不高，但情况不同。)
-
BST可以方便地访问时间O(logn)中的最小值和最大值，即使插入和删除是混合的。哈希表无法支持这些操作。
-
BST支持有序迭代，因此，如果您有一个应用程序，希望按排序顺序查看数据，则可以使用BST"免费"获得数据。例如，如果您正在加载学生数据，并希望按排序顺序查看分数，则会出现这种情况。哈希表不支持这一点——你必须提取数据并对其进行排序，才能按排序顺序返回。
-
BST可以扩充。如果你参加了一门算法课程，你可能会学到一种名为树扩充的技术，在这种技术中，你可以在BST的每个节点中添加额外的信息，以比最初看起来更快的速度解决大量问题。例如，你可以扩充BST，使其能够立即读取中值元素或最接近的一对点，或者在底层数据改变时有效地解决许多算法问题。哈希表不支持这些操作。
-
BST支持高效的拆分和联接。红/黑树和展开树有一个有趣的特性，即给定两棵树，其中一棵树中的所有键都小于另一棵树的键，这些树可以在时间O(logn)内组合成一棵树——比访问树的所有元素快得多！您还可以将任何红/黑树或展开树拆分为两个较小的树，方法是在时间O(logn)中将树划分为"小于某个值的元素"或"大于某个值"。做这件事不是小事，但它是可能的。哈希表上相应操作的时间界限是O(n)。
如果我想其他什么，我会更新这个列表。希望这能有所帮助！