本文作者为 GXZlegend ，转载请注明 出处 ，谢谢！
〇、序言
前些日子闲的蛋疼做了个平衡树性能测试。。。
主要是因为学会的平衡树越来越多，做题时却不知道写哪个。。。
本想结合效率和代码复杂度来决定通常情况下写哪个，
然而在网上没有查到有关平衡树性能的相关信息（也许是我查的姿势不太对吧。。。）
于是最终决定自己动手测试，造福自己和他人，毕竟时间是检验真理的唯一标准嘛。。。
废话不多说，直接开始~
一、测试成员（按字典序从小到大排序）
Multiset
SBT
Splay
Treap
替罪羊树
权值线段树+动态开点
权值线段树+离线离散化
非旋转Treap
另外为了卖萌还加入了BST（逃
二、测试题目
支持$10^6$次插入一个$[-10^7,10^7]$范围内的数、删除一个当前序列中的数。
这里之所以没有选择各种各样的查询操作，是因为平衡树的瓶颈不在于一般BST的查询操作。只有插入和删除才能体现出平衡树的效率。
三、测试数据
共放了12组测试数据。
其中1、2号数据是随机数据（1号只有插入，2号在插入后删除掉）；
3~8号数据是按某一特定顺序将1~n（或n/2）这些数插入（并删除）；
9号数据是插入1~n/2后不断插入并删除$10^7$&$-10^7$；
10、11号数据是插入1、-1、2、-2…和n/2、-n/2、n/2-1、-(n/2-1)…；
12号数据是插入n个1。
具体的数据可以在下面的测试包中查看。
四、测试结果
测试环境为GXZ的电脑
使用Win10系统，g++4.8.4，并在Lemon下进行评测。评测结果如下：
注：总时间不具有非常大的参考价值！
注：总时间不具有非常大的参考价值！
注：总时间不具有非常大的参考价值！
开O2：
不开O2：
五、具体描述与分析（顺序为不开O2总时间倒序）
1.非旋转Treap真心慢。。。而且最慢的是随机数据1、2号点，其中只有插入的1号点更慢一些。与其功能相似的Splay比其发挥更好一些。构造数据的效率还好（其中11号点稍微慢一些）。非常吃数据。
2.替罪羊树作为倒数第二可能不服，不过事实上替罪羊树在随机数据上表现良好，而在构造数据上表现得稍微差一些。总体上不是很吃数据。
3.权值线段树+离散化在不开O2情况下很慢，但是开O2情况下效率仅次于权值线段树+动态开点。因此其效率取决于排序的复杂度，不吃数据。
4.Multiset效率和想象中一样，开O2时飞起，不开O2时奇慢。。。（想到我的NoiD1T2，哈希非要多个map，白白挂了40' QAQ）不吃数据。
5.Splay在随机数据上效率极低（仅略优于非旋转Treap），而在构造数据上跑得飞快。具体原因是在插入时把插入的数旋转了上去，使得下次插入复杂度变为近似$O(1)$。非常吃数据。
6.Treap在随机数据上较慢，其余效率较高。吃数据。（另外一个小插曲，在Linux下Treap非常快，效率接近于权值线段树+动态开点，猜想可能与随机数的范围有关。然而我在Windows下改用了rand()*rand()却发现更慢了。。。）
7.SBT随机数据比Treap略快，构造数据比Treap略慢。。。略吃数据。
8.权值线段树+动态开点是最快的“平衡树”，所有数据都较快，略吃数据。
9.BST不解释，随随便便即可卡掉。
六、对比总结
对于任何情况，权值线段树都是最快的，并且也是最好写的。它的唯二缺点：不支持定点插入、空间消耗较大（作为树套树内层时多1个log）。但是它的高效以及支持多棵同时二分，使得它的用途非常之广泛，大多数情况可以代替Treap和SBT。
SBT和Treap的效率不会差很多，因此不必纠结于学哪种，掌握较简单的就行（个人倾向于SBT一些）
在不开O2情况下少用set，开O2时可以大胆使用。
尽量不直接使用替罪羊树，个人建议替罪羊树的唯一使用情况就是放到树套树的外层（无旋转避免了pushup）
Splay不要用于维护全序集，最好用于维护有序序列，效果较好。
非旋转Treap效率真的不如Splay，唯一好处就是时间复杂度非均摊，可以可持久化
七、测试包下载
https://pan.baidu.com/s/1geQGMEf
希望大家再写平衡树时就有一个参考辣~