我需要用C_存储4000个固定大小(8字符)的字符串，但我不知道关于添加和检索项的空间和时间，最好使用什么：bloom过滤器、哈希表或字典？有人能帮我吗

在这个问题中，由于C中的字典是使用哈希表实现的，所以在C中实际上只有两个数据结构。所以我们将字典和哈希表都称为哈希表。如果您使用其中一个，那么您可能需要字典，因为这里介绍的类型安全性和性能：为什么字典比哈希表更受欢迎？但是，由于字典是使用哈希表实现的，所以这两种方法都没有很大的区别。

但真正的问题是哈希表(字典)和Bloom过滤器。以前有人问过相关问题，使用布卢姆过滤器有什么好处？他们还链接到bloom过滤器的维基百科页面，这是非常有用的：https://en.wikipedia.org/wiki/bloom_filter答案的简短版本是bloom过滤器更小更快。然而，它们确实有与此相关的成本：它们并不完全准确。在哈希表中，始终存储原始字符串以进行精确比较。首先散列值，这会告诉您表中要查找的位置。在表中查找完之后，您将对照正在搜索的值检查位于表中的值。在Bloom过滤器中，使用多个散列计算一组位置。如果在所有这些位置都有1，那么考虑找到字符串。这意味着有时会"找到"最初未插入的字符串。如果表太小，事实上，您可以达到饱和点，在那里您尝试的任何字符串都将出现在Bloom过滤器中。因为您知道要插入多少字符串，所以可以适当地调整表的大小以避免这种情况。

让我们看看涉及的尺寸。为了让数字清晰地显示出来，我将假装您正好有4096个字符串。为了使哈希表的冲突相对较低，您希望您的表至少与字符串的数量一样大。因此，实际上(假设为32位(4字节)指针)，在本例中，您将看到表的大小为4096*4字节=16K，列表节点(下一个指针+字符串指针)和字符串的大小为4096*(4+4+8)=64K。所以，总的来说，大概是80K左右，在大多数情况下，在使用C_的情况下，这可能不是很大的内存。

对于布卢姆过滤器，我们必须在尺寸计算中确定我们想要达到的误差率。当我们讨论1%的错误率时，这意味着在每100个未插入Bloom过滤器的字符串中，会有1个错误地表示存在。插入的字符串将始终正确地指示为已插入。利用公式m=-n*ln(p)/(ln(2)^2)，我们可以计算出最小尺寸，从而得出一定的误差率。在这个方程中，m是表中的槽数，p是错误率，n是要插入的字符串数。所以，如果我们将p设置为0.01(1%的错误)，那么我们得到大约9.6*4096位=9.6*512字节=4.8K，这显然要小一些。但是，事实上，1%的错误率有点高。因此，更实际地说，我们应该选择更像0.0001%的值，得出28.8*4096b位=28.8*512字节=14.4K。显然，这两个值都大大小于我们为哈希表计算的80K。但是，哈希表的错误率为0，明显小于1%或0.0001%。

所以，真的，这取决于你是否，在你的情况下，为了获得一点速度和一点时间而失去一些准确度的权衡是值得的。实际上，任何一种选择都可能足够小，足够快，足以应付绝大多数现实世界的情况。

字典是一种抽象数据类型，表示从一种类型到另一种类型的映射。它没有指定字典的实现是什么——它可以由哈希表、平衡二进制搜索树、跳过列表或许多其他结构中的一个来支持。这里可能不合适，因为字典将一种类型的元素与另一种类型相关联。你没有这样做-你只关心存储元素-所以这可能是不适当的。

布卢姆滤波器是一种概率数据结构，它可以很好地检查一个元素是否确实不在集合中，但不能确切地告诉您某个元素是否在集合中。它通常用于分布式系统，以避免不必要的网络读取。每台计算机都可以存储一个bloom过滤器来过滤数据库中可能存在的条目，如果某个条目被过滤器排除，则可以通过不查询远程系统来过滤掉明显不必要的网络调用。这对你想做的事情不是很好，因为误报可能会破坏交易。

不过，哈希表是一个很好的数据结构，可以满足您的需要。它支持元素的快速查找和插入，并且通过良好的实现，可以非常节省内存。但是，它不按排序顺序存储元素，这可能是一个问题，具体取决于您的应用程序。

如果确实需要排序顺序，还有两个可能需要考虑的结构。首先是一个平衡的二进制搜索树，它支持快速查找和删除，并按排序顺序存储元素。有许多好的实现；实际上所有好的编程语言都附带一个实现。另一个是trie，它支持非常快速的查找和访问，并保持排序顺序。根据字符串的分布，它可能有点空间效率低下，但可能正是您要查找的内容。

希望这有帮助！

.NET 1.0中的System.Collections.Hashtable实际上与.NET 2.0中引入的System.Collections.Generic.Dictionary完全相同。

我建议您使用字典，因为它是类型安全的，通过指定您的键和值类型。哈希表只接受对象类型，每次检索数据时都必须将其转换回字符串。