Update Q&A of hash_table and time_complexity Chapter (#1760)

* Update summary.md

@Richard-Zhao93 的回答非常好,同时觉得"如果在开头能了解到这部分s，对初学者来说，可能更容易接受这些陌生的概念。"的建议很有道理

* Update QA of time_complexity

* Enhance explanation of hash tables vs arrays

Clarify the advantages of hash tables over arrays for key-value mapping.

* Update summary.md

---------

Co-authored-by: Yudong Jin <krahets@163.com>

docs/chapter_computational_complexity/summary.md

@@ -47,3 +47,9 @@
 假设取 $n = 8$ ，你可能会发现每条曲线的值与函数对应不上。这是因为每条曲线都包含一个常数项，用于将取值范围压缩到一个视觉舒适的范围内。
 
 在实际中，因为我们通常不知道每个方法的“常数项”复杂度是多少，所以一般无法仅凭复杂度来选择 $n = 8$ 之下的最优解法。但对于 $n = 8^5$ 就很好选了，这时增长趋势已经占主导了。
+
+**Q** 是否存在根据实际使用场景，选择牺牲时间（或空间）来设计算法的情况？
+
+在实际应用中，大部分情况会选择牺牲空间换时间。例如数据库索引，我们通常选择建立 B+ 树或哈希索引，占用大量内存空间，以换取 $O(\log n)$ 甚至 $O(1)$ 的高效查询。
+
+在空间资源宝贵的场景，也会选择牺牲时间换空间。例如在嵌入式开发中，设备内存很宝贵，工程师可能会放弃使用哈希表，选择使用数组顺序查找，以节省内存占用，代价是查找变慢。