學習STL map, STL set之資料結構基礎)

學習STL map, STL set之資料結構基礎(轉)
來源: http://stl.winterxy.com/html/000039.html
作者： winter
摘要：本文列出幾個基本的STL map和STL set的問題，通過解答這些問題講解了STL關聯容器內部的資料結構，最後提出了關於UNIX/LINUX內建平衡二叉樹庫函數和map, set選擇問題，並分析了map, set的優勢之處。對於希望深入學習STL和希望瞭解STL map等關聯容器底層資料結構的朋友來說，有一定的參考價值。
STL map和set的使用雖不複雜，但也有一些不易理解的地方，如：

為何map和set的插入刪除效率比用其他序列容器高？
為何每次insert之後，以前儲存的iterator不會失效？
為何map和set不能像vector一樣有個reserve函數來預分配資料？
當資料元素增多時（10000到20000個比較），map和set的插入和搜尋速度變化如何？
或許有得人能回答出來大概原因，但要徹底明白，還需要瞭解STL的底層資料結構。
C++ STL 之所以得到廣泛的讚譽，也被很多人使用，不只是提供了像vector, string, list等方便的容器，更重要的是STL封裝了許多複雜的資料結構演算法和大量常用資料結構操作。vector封裝數組，list封裝了鏈表，map和set封裝了二叉樹等，在封裝這些資料結構的時候，STL按照程式員的使用習慣，以成員函數方式提供的常用操作，如：插入、排序、刪除、尋找等。讓使用者在STL使用過程中，並不會感到陌生。
C++ STL中標準關聯容器set, multiset, map, multimap內部採用的就是一種非常高效的平衡檢索二叉樹：紅/黑樹狀結構，也成為RB樹(Red-Black Tree)。RB樹的統計效能要好於一般的平衡二叉樹(有些書籍根據作者姓名，Adelson-Velskii和Landis，將其稱為AVL-樹)，所以被STL選擇作為了關聯容器的內部結構。本文並不會介紹詳細AVL樹和RB樹的實現以及他們的優劣，關於RB樹的詳細實現參看紅/黑樹狀結構: 理論與實現(理論篇)。本文針對開始提出的幾個問題的回答，來向大家簡單介紹map和set的底層資料結構。
為何map和set的插入刪除效率比用其他序列容器高？
大部分人說，很簡單，因為對於關聯容器來說，不需要做記憶體拷貝和記憶體移動。說對了，確實如此。map和set容器內所有元素都是以節點的方式來儲存，其節點結構和鏈表差不多，指向父節點和子節點。結構圖可能如下：
           A
          / /
         B   C
        / / / /
       D  E F  G
因此插入的時候只需要稍做變換，把節點的指標指向新的節點就可以了。刪除的時候類似，稍做變換後把指向刪除節點的指標指向其他節點就OK了。這裡的一切操作就是指標換來換去，和記憶體移動沒有關係。
為何每次insert之後，以前儲存的iterator不會失效？
看見了上面答案的解釋，你應該已經可以很容易解釋這個問題。iterator這裡就相當於指向節點的指標，記憶體沒有變，指向記憶體的指標怎麼會失效呢(當然被刪除的那個元素本身已經失效了)。相對於vector來說，每一次刪除和插入，指標都有可能失效，調用push_back在尾部插入也是如此。因為為了保證內部資料的連續存放，iterator指向的那塊記憶體在刪除和插入過程中可能已經被其他記憶體覆蓋或者記憶體已經被釋放了。即使時push_back的時候，容器內部空間可能不夠，需要一塊新的更大的記憶體，只有把以前的記憶體釋放，申請新的更大的記憶體，複製已有的資料元素到新的記憶體，最後把需要插入的元素放到最後，那麼以前的記憶體指標自然就不可用了。特別時在和find等演算法在一起使用的時候，牢記這個原則：不要使用到期的iterator。
為何map和set不能像vector一樣有個reserve函數來預分配資料？
我以前也這麼問，究其原理來說時，引起它的原因在於在map和set內部儲存的已經不是元素本身了，而是包含元素的節點。也就是說map內部使用的Alloc並不是map聲明的時候從參數中傳入的Alloc。例如：
map, Alloc > intmap;
這時候在intmap中使用的allocator並不是Alloc, 而是通過了轉換的Alloc，具體轉換的方法時在內部通過Alloc::rebind重新定義了新的節點分配器，詳細的實現參看徹底學習STL中的Allocator。其實你就記住一點，在map和set內面的分配器已經發生了變化，reserve方法你就不要奢望了。
當資料元素增多時（10000和20000個比較），map和set的插入和搜尋速度變化如何？
如果你知道log2的關係你應該就徹底瞭解這個答案。在map和set 中尋找是使用二分尋找，也就是說，如果有16個元素，最多需要比較4次就能找到結果，有32個元素，最多比較5次。那麼有10000個呢？最多比較的次數為log10000，最多為14次，如果是20000個元素呢？最多不過15次。看見了吧，當資料量增大一倍的時候，搜尋次數只不過多了1次，多了 1/14的搜尋時間而已。你明白這個道理後，就可以安心往裡面放入元素了。
最後，對於map和set Winter還要提的就是它們和一個c語言套件裝庫的效率比較。在許多unix和linux平台下，都有一個庫叫isc，裡面就提供類似於以下聲明的函數:
void tree_init(void **tree);
void *tree_srch(void **tree, int (*compare)(), void *data);
void tree_add(void **tree, int (*compare)(), void *data, void (*del_uar)());
int tree_delete(void **tree, int (*compare)(), void *data,void (*del_uar)());
int tree_trav(void **tree, int (*trav_uar)());
void tree_mung(void **tree, void (*del_uar)());
許多人認為直接使用這些函數會比STL map速度快，因為STL map中使用了許多模板什麼的。其實不然，它們的區別並不在於演算法，而在於記憶體片段。如果直接使用這些函數，你需要自己去new一些節點，當節點特別多，而且進行頻繁的刪除和插入的時候，記憶體片段就會存在，而STL採用自己的Allocator分配記憶體，以記憶體池的方式來管理這些記憶體，會大大減少記憶體片段，從而會提升系統的整體效能。Winter在自己的系統中做過測試，把以前所有直接用isc函數的代碼替換成map，程式速度基本一致。當時間運行很長時間後（例如後台服務程式），map的優勢就會體現出來。從另外一個方面講，使用map會大大降低你的編碼難度，同時增加程式的可讀性。何樂而不為？
最後編輯： jerryhong 編輯於2006/07/05 21:30
Tags： c++ , 資料結構