《STL基础之vector、list、deque》

【vector、list、deque导读】vector、list、deque这三种序列式的容器,算是比较的基础容器,也是大家在日常开发中常用到的容器,因为底层用到的数据结构比较简单,笔者就将他们三者放到一起做下对比分析,介绍下基本用法,对比下三者的性能。

     

1. vector特性和原理   

     vector是个很基础的容器,其内部也就是一段连续的内存空间,具有动态扩容的能力,支持随机访问容器中的元素,查找元素的时间复杂度是O(1),插入、删除元素(除开尾部,而且vector还有备用空间的情况)会引起内存的拷贝,存在性能问题。vector提供常用的元素操作接口有:push_back、pop_back、erase、clear、insert。还有获取vector大小的size()接口、容量的capacity()接口。

    下面给出一些示例,演示vector是如何去操作元素的?

#include <iostream>
#include <algorithm>
#include <vector>
using namespace std;class A
{
public:A() {cout << "A()" << endl;}~A(){cout << "~A()" << endl;}A(const A& other){cout << "A(const A& other)" << endl;}A& operator=(const A& other){cout << "A& operator=(const A& other)" << endl;}A(const A&& other){cout << "A(const A&& other)" << endl;}A& operator= (const A&& other){cout << "A& operator= (const A&& other)" << endl;}
};int main()
{A aa;vector<A> iv(2, aa);std::cout << "size: " << iv.size() << " capacity: " << iv.capacity() << endl;std::cout << "after push back" << std::endl;iv.push_back(aa);std::cout << "size: " << iv.size() << " capacity: " << iv.capacity() << endl;return 0;
}

运行结果如下:

图片

    iv初始化的时候,往容器中插入了两个A类对象,调用了A的拷贝构造函数两次,此时iv元素个数和容量大小都是2,随后又往iv尾部插入一个A类对象,因为iv没有多余的剩余空间,那么此时vector另外寻找了个新的空间,大小为3,并把之前的两个A类对象拷贝到新的空间中去。为啥动态扩容之后,vector的大小变成了3,而不是原来大小的两倍?很炸裂,那我们就调试最新的STL源码。

图片

    很震惊,STL做了优化和改进,动态扩容不再是两倍的扩充了,而是根据元素的实际个数来扩充,所以以前老旧的观念需要改正。

std::cout << "after pop back" << std::endl;
iv.pop_back();
iv.pop_back();
std::cout << "size: " << iv.size() << " capacity: " << iv.capacity() << endl;
 

这个时候,我们在尾部弹出两个元素,那么此时又是一种什么结果?

图片

     弹出两个元素,引起A类对象的析构,元素个数变成了1,容量的大小依然是3。

     vector的删除接口erase,有按照范围删除、也有删除指定位置的元素,这两个接口的源码如下:


iterator erase(iterator first, iterator last)
{iterator i = copy(last, finish, first);destory(i, finish);finish = finish - (last - first);return first;
}iterator erase(iterator position)
{if (position + 1 != end())copy(position + 1, finish, position);--finish;destory(finish);return position;      
}

        可以看出无论是删除指定范围的元素还是删除指定位置的元素,都会涉及到元素的拷贝或者移动赋值;以下示例程序也能验证我们的结论。

std::cout << " after erase " << std::endl;
iv.erase(iv.begin(), iv.begin() + 1);
std::cout << "size: " << iv.size() << " capacity: " << iv.capacity() << endl;

图片

    从上述运行结果可以看到,删除iv容器中首个元素,引起了后面两个元素的移动,也即第二个元素挪到第一个位置去,第三个元素挪到第二个位置去。

2、 list特性和原理

     list背后的数据结构是环状双向链表,支持元素的双向遍历查找,因此list容器在元素查找上的时间复杂度为O(n),但是插入元素、删除元素的时间复杂度始终为O(1)。list支持的元素操作有push_front、push_back、erase、pop_front、pop_back、remove、unique、merge、reverse、sort,其实这些操作,无非就是对底层的链表进行头部插入、尾部删除、翻转、排序、合并等操作。


#include <iostream>
#include <list>int main()
{list<A> li;std::cout << li.size() << endl;A a;li.push_back(a);li.push_back(a);li.insert(li.begin(), a);li.erase(li.begin());return 0;
}

  运行结果:

图片

    可以看出往list容器中push元素或者insert元素,都会引起元素的拷贝构造。

3、 deque特性和原理

    deque 是由一段一段定量连续的空间构成,一旦需要在deque的前面或者尾端增加新空间,此时只需申请一段定量的连续空间,串接在deque的头部或者尾端。deque的整体架构图如下:

图片

       map并不是键值对map,而是一个指针数组,里面存储的是一个个指针,里面每个指针指向一段段连续的内存空间,这些分段的内存分别用来存储数据。虽然内存是分段的,但是给外部的表象是连续的内存空间,原因在于deque的迭代器设计的很巧妙。


template<class T, class Ref, class Ptr, size_t BufSiz>
struct __deque_iterator
{typedef T** map_pointer;  //指向管控中心maptypedef __deque_iterator self;T* cur;  //指向缓冲区当前的元素T* first; //指向缓冲区一个元素T* last; //指向缓冲区最后一个元素map_pointer node; //管控中心的节点
}

      假设我们在遍历元素的时候,走到了第二个缓冲区的末尾节点,此时,应该如何跳转到下一个缓冲区,且看deque的源码。


void set_node(map_pointer new_node)
{node = new_node;//下一个节点的首位元素便是firstfirst = *new_node;last = first + difference_type(buffer_size());
}self& operator++()
{++cur;if (cur == last){//跳转到下一个节点set_node(node + 1);cur = first;}return *this;
}

     好,再验证下deque插入元素,是否会涉及到插入对象的拷贝。


A a;
deque<A> idque(2, a);
idque.push_back(a);
idque.push_front(a);
idque.insert(idque.begin(), a);
idque.insert(idque.end(), a);

图片

      在头部、尾部插入元素,只会拷贝当前的对象,并不会涉及到其它对象的拷贝或者移动。那如果在容器的中间端插入对象呢?


cout << "after insert" << endl;
idque.insert(idque.begin() + 2, a);

图片

    可以清晰看到,在中间部位插入对象,还是会影响到其它元素的移动,现在新版的STL倒是做了优化和改进,使用移动构造或者移动赋值的方式去搬移对象,而不是单纯地拷贝构造或赋值。

4、 性能比对

int main()
{// 获取当前时间作为示例auto start = std::chrono::system_clock::now();A a;deque<A> idque;time_t t1 = time(NULL);for (int i = 0; i < 100 * 10000; ++i){idque.push_front(a);}// 计算差值auto end = std::chrono::system_clock::now();auto duration = end - start;cout << "deque: " << duration.count() << endl;list<A> li;start = std::chrono::system_clock::now();for (int i = 0; i < 100 * 10000; ++i){li.push_back(a);}end = std::chrono::system_clock::now();duration = end - start;cout << "list: " << duration.count() << endl;vector<A> iv;start = std::chrono::system_clock::now();for (int i = 0; i < 100 * 10000; ++i){iv.push_back(a);}end = std::chrono::system_clock::now();duration = end - start;cout << "vector: " << duration.count() << endl;return 0;
}

图片

本文来自互联网用户投稿,该文观点仅代表作者本人,不代表本站立场。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如若转载,请注明出处:http://www.rhkb.cn/news/9059.html

如若内容造成侵权/违法违规/事实不符,请联系长河编程网进行投诉反馈email:809451989@qq.com,一经查实,立即删除!

相关文章

一组开源、免费、Metro风格的 WPF UI 控件库

前言 今天大姚给大家分享一个开源、免费、Metro风格的 WPF UI 控件库&#xff1a;MahApps.Metro。 项目介绍 MahApps.Metro 是一个开源、免费、Metro风格的 WPF UI 控件库&#xff0c;提供了现代化、平滑和美观的控件和样式&#xff0c;帮助开发人员轻松创建具有现代感的 Win…

网易云音乐歌名可视化:词云生成与GitHub-Pages部署实践

引言 本文将基于前一篇爬取的网易云音乐数据, 利用Python的wordcloud、matplotlib等库, 对歌名数据进行深入的词云可视化分析. 我们将探索不同random_state对词云布局的影响, 并详细介绍如何将生成的词云图部署到GitHub Pages, 实现数据可视化的在线展示. 介绍了如何从原始数据…

通义灵码插件保姆级教学-IDEA(安装及使用)

一、JetBrains IDEA 中安装指南 官方下载指南&#xff1a;通义灵码安装教程-阿里云 步骤 1&#xff1a;准备工作 操作系统&#xff1a;Windows 7 及以上、macOS、Linux&#xff1b; 下载并安装兼容的 JetBrains IDEs 2020.3 及以上版本&#xff0c;通义灵码与以下 IDE 兼容&…

工业级 RAG 实现 - QAnything

文章目录 1. QAnything简介2. QAnything 安装教程2. 1 安装软件包2.2 运行QAnything框架2.3 访问前端页面 3. QAnything 简单使用3.1 创建知识库3.2 创建聊天机器人3.3 关联知识库3.4 测试 4. QAnything 的分析&#xff1a;4. 1 QAnything 架构4. 2 两阶段检索4. 2.1 一阶段检索…

Cross-Resolution知识蒸馏论文学习

TPAMI 2024&#xff1a;Pixel Distillation: Cost-Flexible Distillation Across Image Sizes and Heterogeneous Networks 教师模型使用高分辨率输入进行学习&#xff0c;学生模型使用低分辨率输入进行学习 学生蒸馏损失&#xff1a;Lpkd和Lisrd Lpkd&#xff1a;任务损失lo…

Versal - 基础3(AXI NoC 专题+仿真+QoS)

目录 1. 简介 2. 示例 2.1 示例说明 2.2 创建项目 2.2.1 平台信息 2.2.2 AXI NoC Automation 2.2.3 创建时钟和复位 2.3 配置 NoC 2.4 配置 AXI Traffic 2.5 配置 Memory Size 2.6 Validate BD 2.7 添加观察信号 2.8 运行仿真 2.9 查看结果 2.9.1 整体波形 2.9…

【PostgreSQL内核学习 —— (WindowAgg(一))】

WindowAgg 窗口函数介绍WindowAgg理论层面源码层面WindowObjectData 结构体WindowStatePerFuncData 结构体WindowStatePerAggData 结构体eval_windowaggregates 函数update_frameheadpos 函数 声明&#xff1a;本文的部分内容参考了他人的文章。在编写过程中&#xff0c;我们尊…

RubyFPV开源代码之系统简介

RubyFPV开源代码之系统简介 1. 源由2. 工程架构3. 特性介绍&#xff08;软件&#xff09;3.1 特性亮点3.2 数字优势3.3 使用功能 4. DEMO推荐&#xff08;硬件&#xff09;4.1 天空端4.2 地面端4.3 按键硬件Raspberry PiRadxa 3W/E/C 5. 软件设计6. 参考资料 1. 源由 RubyFPV以…

MySQL(单表访问)

今天是新年&#xff0c;祝大家新年快乐&#xff0c;但是生活还是得继续。 后面也会持续更新&#xff0c;学到新东西会在其中补充。 建议按顺序食用&#xff0c;欢迎批评或者交流&#xff01; 缺什么东西欢迎评论&#xff01;我都会及时修改的&#xff01; 大部分截图和文章采…

汇编的使用总结

一、汇编的组成 1、汇编指令&#xff08;指令集&#xff09; 数据处理指令: 数据搬移指令 数据移位指令 位运算指令 算术运算指令 比较指令 跳转指令 内存读写指令 状态寄存器传送指令 异常产生指令等 2、伪指令 不是汇编指令&#xff0c;但是可以起到指令的作用&#xff0c;伪…

汇编基础语法及其示例

1.汇编指令 1.1汇编指令的基本格式 <opcode>{<cond>}{s} <Rd> , <Rn> , <shifter_operand> <功能码>{<条件码>}{cpsr影响位} <目标寄存器> , <第一操作寄存器> , <第二操作数> 注&#xff1a;第一操作寄存器…

FLTK - FLTK1.4.1 - 搭建模板,将FLTK自带的实现搬过来做实验

文章目录 FLTK - FLTK1.4.1 - 搭建模板&#xff0c;将FLTK自带的实现搬过来做实验概述笔记my_fltk_test.cppfltk_test.hfltk_test.cxx用adjuster工程试了一下&#xff0c;好使。END FLTK - FLTK1.4.1 - 搭建模板&#xff0c;将FLTK自带的实现搬过来做实验 概述 用fluid搭建UI…

基于物联网设计的疫苗冷链物流监测系统

一、前言 1.1 项目开发背景 随着全球经济的发展和物流行业的不断创新&#xff0c;疫苗和生物制品的运输要求变得越来越高。尤其是疫苗的冷链物流&#xff0c;温度、湿度等环境因素的控制直接关系到疫苗的质量和效力&#xff0c;因此高效、可靠的冷链监控系统显得尤为重要。冷…

JVM对象分配内存如何保证线程安全?

大家好&#xff0c;我是锋哥。今天分享关于【JVM对象分配内存如何保证线程安全?】面试题。希望对大家有帮助&#xff1b; JVM对象分配内存如何保证线程安全? 1000道 互联网大厂Java工程师 精选面试题-Java资源分享网 在JVM中&#xff0c;对象的内存分配是通过堆内存进行的。…

移动光猫怎么自己改桥接模式?

环境&#xff1a; 型号H3-8s 问题描述&#xff1a; 家里宽带用的是H3-8s 光猫&#xff0c;想改桥接模式。 解决方案&#xff1a; 1.默认管理员账号和密码&#xff1a; 账号&#xff1a;CMCCAdmin 密码&#xff1a;aDm8H%MdAWEB页面我试了登陆不了&#xff0c;显示错误 …

大数据Hadoop入门3

第五部分&#xff08;Apache Hive DML语句和函数使用&#xff09; 1.课程内容大纲和学习目标 2.Hive SQL-DML-load加载数据操作 下面我们随机创建文件尝试一下 先创建一个hivedata文件夹 在这个文件夹中写一个1.txt文件 下面使用beeline创建一张表 只要将1.txt文件放在t_1文件…

2025.1.26机器学习笔记:C-RNN-GAN文献阅读

2025.1.26周报 文献阅读题目信息摘要Abstract创新点网络架构实验结论缺点以及后续展望 总结 文献阅读 题目信息 题目&#xff1a; C-RNN-GAN: Continuous recurrent neural networks with adversarial training会议期刊&#xff1a; NIPS作者&#xff1a; Olof Mogren发表时间…

基于物联网的火灾报警器设计与实现(论文+源码)

1 总体方案设计 本次基于物联网的火灾报警器&#xff0c;其系统总体架构如图2.1所示&#xff0c;采用STM32f103单片机作为控制器&#xff0c;通过DS18B20传感器实现温度检测&#xff1b;通过MQ-2烟雾传感器实现烟雾检测&#xff1b;.通过火焰传感器实现火焰检测&#xff0c;当…

ResNeSt: Split-Attention Networks论文学习笔记

这张图展示了一个名为“Split-Attention”的神经网络结构&#xff0c;该结构在一个基数组&#xff08;cardinal group&#xff09;内进行操作。基数组通常指的是在神经网络中处理的一组特征或通道。图中展示了如何通过一系列操作来实现对输入特征的注意力机制。 以下是图中各部…

模糊综合评价

模糊综合评价的特点主要体现在以下几个方面&#xff1a; 一、系统性强 模糊综合评价法能够综合考虑多种因素的影响&#xff0c;将定性指标和定量指标相结合&#xff0c;对评价对象进行全面、系统的分析。这种方法避免了单一指标评价的片面性&#xff0c;提高了评价的准确性和…