STL的map和hashmap比较

时间:2021-02-18 20:47:55

来自:https://blog.csdn.net/qq51931373/article/details/44196859

在网上看到有关STL中hash_map的文章,以及一些其他关于STL map和hash_map的资料,总结笔记如下:
    1、STL的map底层是用红黑树实现的,查找时间复杂度是log(n);
    2、STL的hash_map底层是用hash表存储的,查询时间复杂度是O(1);
    3、什么时候用map,什么时候用hash_map?
    这个药看具体的应用,不一定常数级别的hash_map一定比log(n)级别的map要好,hash_map的hash函数以及解决地址冲突等都要耗时间,而且众所周知hash表是以空间换时间的,因而hash_map的内存消耗肯定要大,一般情况下,如果记录非常大,考虑hash_map,查找效率会高很多,如果要考虑内存消耗,则要谨慎使用hash_map。
    以下内容来自:http://blog.163.com/liuruigong_lrg/blog/static/27370306200711334341781/
 
0. 为什么需要hash_map
    用过map吧,map提供一个很常用的功能,那就是提供key-value的存储和查询功能。例如,我要记录一个人名和相应的存储,而且随时增加,要快速查找和修改:
    岳不群-华山派掌门人,人称君子剑
    张三丰-武当掌门人,太极拳创始人
    东方不败-第一高手,葵花宝典
    .......
    这些信息如果保存下来并不复杂,但是找起来比较麻烦。例如我要找“张三丰”的信息,最笨的方法就是取得所有的记录,然后按照名字一个一个比较。如果要速度快,就需要把这些记录按照字母顺序排列,然后按照二分查找。但是增加记录的时间同时需要保持记录有序,因此需要插入排序。考虑到效率,这就需要用二叉树。如果你使用STL中map容器,你可以非常方便实现这个功能,而不用关心其他细节。看看map的实现。

[cpp]  view plain  copy
  1. map<string, string> namemap;  
  2.    
  3. 2.   
  4.   
  5. 3. //增加。。。  
  6.   
  7. 4. namemap["岳不群"]="华山派掌门人,人称君子剑";  
  8.   
  9. 5. namemap["张三丰"]="武当掌门人,太极拳创始人";  
  10.   
  11. 6. namemap["东方不败"]="第一高手,葵花宝典";  
  12.   
  13. 7. ...  
  14.   
  15. 8.   
  16.   
  17. 9. //查找。。  
  18.   
  19. 10. if(namemap.find("岳不群") != namemap.end())  
  20.   
  21. 11. {  
  22.   
  23. 12.         ...  
  24.   
  25. 13. }   


实现起来比较容易,而且效率很高,100万条记录,最多也只要20次的string.compare的比较,就能找到你要找的记录。
    速度永远满足不了现实的需求,如果100万条记录,需要频繁的进行搜索时,20次比较也会成为瓶颈,要是能降到一次或者两次比较是否有可能?而且当记录数到200万的时候也是一次或二次比较,是否有可能?而且还需要和map一样的方便使用。
    答案是肯定的,这时你需要has_map。虽然hash_map目前没有纳入C++标准模板库中,但几乎每个版本的STL都提供了相应的实现。而且应用十分广泛。在正式使用hash_map之前,先看看hash_map的原理。

1、数据结构:hash_map原理
    hash_map基于hash table(哈希表)。哈希表最大的优点是:把数据存储和查询消耗的时间大大降低,几乎可以看成是常数时间;而代价仅仅是消耗比较多的内存。然后在当前可利用内存越来越多的情况下,用空间换时间的做法是值得的。另外,编码比较容易也是它的特点之一。
    其基本原理是:使用一个下标范围比较大的数组来存储元素。可以设计一个函数(哈希函数,也叫散列函数),使得每个元素的关键字都与一个函数值(即数组下标,hash值)相对应,于是用这个数组单元来存储这个元素;也可以简单的理解为,按照关键字为每一个元素“分类”,然后将这个元素存储在相应“类”所对应的地方,称为桶。
    但是,这不能够保证每个元素的关键字与函数值是一一对应的,因此极有可能出现对不不同的元素,却计算出相同的函数值,这样就产生了“冲突”。换句话说,就是把不同的元素分在了相同的“类”中。总的来说,“直接定址”和“解决冲突”是哈希表的两大特点。
    hash_map,首先分配一大片内存,形成许多桶。是利用hash函数,对key进行映射到不同区域进行保存。其插入过程:
    1、得到key;
    2、通过hash函数得到hash值;
    3、得到桶号(一般都为hash值对桶数求模);
    4、存放key和value在桶内;
    其取值过程是:
    1、得到key;
    2、通过hash函数得到hash值;    
    3、得到桶号;
    4、比较桶的内部元素是否与key相等,若不相等,则没有找到;
    5、取出相等的记录的value;
    hash_map中直接地址用hash函数生成,解决冲突,用比较函数解决。这里可以看出,如果每个桶内部只有一个元素,那么查找的时候只有一次比较。当许多桶没有值时,许多查询就会更快了(指查不到的时候)。
    由此可见,要实现哈希表,和用户相关的是:hash函数和比较函数。这两个参数刚好是我们在使用hash_map时需要指定的参数。

2、hash_map的使用
2.1 一个简单的例子

    不要急着如何把“岳不群”用hash_map表示,先看一个简单的例子:随你给你一个ID号和ID号相应的信息,ID号的范围是1~231。如何快速查找保存。

[cpp]  view plain  copy
  1. #include <iostream>  
  2.    
  3. 2. #include <string>  
  4.   
  5. 3. #include <hash_map>  
  6.   
  7. 4.   
  8.   
  9. 5. using namespace std;  
  10.   
  11. 6.   
  12.   
  13. 7. int main()  
  14.   
  15. 8. {  
  16.   
  17. 9.     hash_map<int, string> mp;  
  18.   
  19. 10.     mp[9527] = "唐伯虎点秋香";  
  20.   
  21. 11.     mp[10000] = "百万富翁的生活";  
  22.   
  23. 12.     mp[88888] = "白领的工资底线";  
  24.   
  25. 13.   
  26.   
  27. 14.     if(mp.find(10000) != mp.end())  
  28.   
  29. 15.     {  
  30.   
  31. 16.         //....  
  32.   
  33. 17.     }  
  34.   
  35. 18. }   

这也是比较简单的,和map的使用方法一样。这时你或许会问?hash函数和比较函数呢?不是要指定么?你说对了,但是在你没有指定hash函数和比较函数的时候,你会有一个缺省的函数,看看hash_map的声明,你会更加明白。下面是SGI STL的声明。

[cpp]  view plain  copy
  1. template <class _Key, class _Tp, class _HashFcn = hash<_Key>,  
  2.    
  3. 2. class _EqualKey = equal_to<_Key>,  
  4.   
  5. 3. class _Alloc = __STL_DEFAULT_ALLOCATOR(_Tp) >  
  6.   
  7. 4. class hash_map  
  8.   
  9. 5. {  
  10.   
  11. 6.         ...  
  12.   
  13. 7. }   


也就是说,在上例中,有以下等同关系

[cpp]  view plain  copy
  1. ...  
  2.    
  3. 2. hash_map<int, string> mymap;  
  4.   
  5. 3. //等同于:  
  6.   
  7. 4. hash_map<int, string, hash<int>, equal_to<int> > mymap;   


 Alloc这里不需要关注太多的。
2.2 hash_map的hash函数
    hash<int>到底是什么样子?看看源代码:

[cpp]  view plain  copy
  1. struct hash<int> {  
  2.    
  3. 2.         size_t operator()(int __x) const { return __x; }  
  4.   
  5. 3. };   


原来是个函数对象。咋SGI STL中,提供了以下hash函数:

[cpp]  view plain  copy
  1. struct hash<char*>  
  2.    
  3. 2. struct hash<const char*>  
  4.   
  5. 3. struct hash<char>   
  6.   
  7. 4. struct hash<unsigned char>   
  8.   
  9. 5. struct hash<signed char>  
  10.   
  11. 6. struct hash<short>  
  12.   
  13. 7. struct hash<unsigned short>   
  14.   
  15. 8. struct hash<int>   
  16.   
  17. 9. struct hash<unsigned int>  
  18.   
  19. 10. struct hash<long>   
  20.   
  21. 11. struct hash<unsigned long>   


也就是说,如果你的可以key是以上类型中的一种,你都可以使用缺省的hash函数。当然你自己也可以定义自己的hash函数。对于自定义变量,例如对于string,就必须自定义hash函数。例如:

[cpp]  view plain  copy
  1. struct str_hash{  
  2.    
  3. 2.         size_t operator()(const string& str) const  
  4.   
  5. 3.         {  
  6.   
  7. 4.                 unsigned long __h = 0;  
  8.   
  9. 5.                 for (size_t i = 0 ; i < str.size() ; i ++)  
  10.   
  11. 6.                 __h = 5*__h + str[i];  
  12.   
  13. 7.                 return size_t(__h);  
  14.   
  15. 8.         }  
  16.   
  17. 9. };  
  18.   
  19. 10. //如果你希望利用系统定义的字符串hash函数,你可以这样写:  
  20.   
  21. 11. struct str_hash{  
  22.   
  23. 12.         size_t operator()(const string& str) const  
  24.   
  25. 13.         {  
  26.   
  27. 14.                 return return __stl_hash_string(str.c_str());  
  28.   
  29. 15.         }  
  30.   
  31. 16. };   


在声明自己的hash函数时要注意以下几点:
    1、使用struct,然后重载operator();
    2、返回size_t;
    3、参数是你要hash的key的类型;
    4、函数是const类型的;
    如这些比较难记,最简单的方法就是照猫画虎,找一个函数改改就是了。
    现在开始对开头的“岳不群”进行哈希化,直接替换成下面的声明即可。

[cpp]  view plain  copy
  1. map<string, string> namemap;   
  2.    
  3. 2. //改为:  
  4.   
  5. 3. hash_map<string, string, str_hash> namemap;   


其他用法都不用管。当然不要忘记了str_hash的声明以及头文件改为hash_map。
    你或许会问:比较函数呢?别急,这里就开始介绍hash_map中的比较函数。
2.3 hash_map的比较函数
    在map中的比较函数,需要提供less函数。如果没有提供,缺省的也是less<key>。在hash_map中,要比较桶内的数据和key是否相等,因此需要的是是否等于的函数equal_to<key>。先看看equal_to的源码:

[cpp]  view plain  copy
  1. //本代码可以从SGI STL  
  2.    
  3. 2. //先看看binary_function 函数声明,其实只是定义一些类型而已。  
  4.   
  5. 3. template <class _Arg1, class _Arg2, class _Result>  
  6.   
  7. 4. struct binary_function {  
  8.   
  9. 5.         typedef _Arg1 first_argument_type;  
  10.   
  11. 6.         typedef _Arg2 second_argument_type;  
  12.   
  13. 7.         typedef _Result result_type;  
  14.   
  15. 8. };  
  16.   
  17. 9. //看看equal_to的定义:  
  18.   
  19. 10. template <class _Tp>  
  20.   
  21. 11. struct equal_to : public binary_function<_Tp,_Tp,bool>  
  22.   
  23. 12. {  
  24.   
  25. 13.         bool operator()(const _Tp& __x, const _Tp& __y) const { return __x == __y; }  
  26.   
  27. 14. };   


 如果你使用一个自定义的数据类型,如struct mystruct或者const char*的字符串,如何使用比较函数?使用比较函数,有两种方法。第一种是:重载==操作符,利用equal_to;看看下面的例子:

[cpp]  view plain  copy
  1. struct mystruct{  
  2.    
  3. 2.         int iID;  
  4.   
  5. 3.         int len;  
  6.   
  7. 4.         bool operator==(const mystruct & my) const{  
  8.   
  9. 5.                 return (iID==my.iID) && (len==my.len) ;  
  10.   
  11. 6.         }  
  12.   
  13. 7. };   


这样,就可以使用equal_to<mystruct>作为比较函数了。另一种方法就是使用函数对象。自定义一个比较函数体:

[cpp]  view plain  copy
  1. struct compare_str{  
  2.    
  3. 2.         bool operator()(const char* p1, const char*p2) const{  
  4.   
  5. 3.                 return strcmp(p1,p2)==0;  
  6.   
  7. 4.         }  
  8.   
  9. 5. };   

 有了compare_str,就可以使用hash_map了。
[cpp]  view plain  copy
  1. typedef hash_map<const char*, string, hash<const char*>, compare_str> StrIntMap;  
  2.    
  3. 2. StrIntMap namemap;  
  4.   
  5. 3. namemap["岳不群"]="华山派掌门人,人称君子剑";  
  6.   
  7. 4. namemap["张三丰"]="武当掌门人,太极拳创始人";  
  8.   
  9. 5. namemap["东方不败"]="第一高手,葵花宝典";   


2.4 hash_map函数
    hash_map的函数和map的函数差不多。这里主要介绍几个常用函数。
    1、hash_map(size_type n) 如果讲究效率,这个参数是必须要设置的。n 主要用来设置hash_map 容器中hash桶的个数。桶个数越多,hash函数发生冲突的概率就越小,重新申请内存的概率就越小。n越大,效率越高,但是内存消耗也越大。
    2、const_iterator find(const key_type& k) const. 用查找,输入为键值,返回为迭代器。
    3、data_type& operator[](const key_type& k) . 这是我最常用的一个函数。因为其特别方便,可像使用数组一样使用。不过需要注意的是,当你使用[key ]操作符时,如果容器中没有key元素,这就相当于自动增加了一个key元素。因此当你只是想知道容器中是否有key元素时,你可以使用find。如果你 希望插入该元素时,你可以直接使用[]操作符。
    4、insert 函数。在容器中不包含key值时,insert函数和[]操作符的功能差不多。但是当容器中元素越来越多,每个桶中的元素会增加,为了保证效率, hash_map会自动申请更大的内存,以生成更多的桶。因此在insert以后,以前的iterator有可能是不可用的。
    5、erase 函数。在insert的过程中,当每个桶的元素太多时,hash_map可能会自动扩充容器的内存。但在sgi stl中是erase并不自动回收内存。因此你调用erase后,其他元素的iterator还是可用的。

3、相关hash容器
    hash容器除了hash_map外,还有hash_set、hash_multimap、hash_multiset,这些容器使用起来和set、multimap、multiset的区别于hash_map和map的区别一样。

4、其他
    这里列几个问题,应该对你理解和使用hash_map比较有帮助。
4.1 hash_map和map的区别在哪里?
    (1)构造函数  hash_map需要hash函数,等于函数;map只需要比较函数(小于函数)。
    (2)存储结构  hash_map采用hash表存储,map一般采用红黑树实现。因此内存数据结构是不一样的。
4.2 什么时候需要使用hash_map,什么时候需要map?
    总体来说,hash_map 查找速度会比map快,而且查找速度基本和数据数据量大小,属于常数级别;而map的查找速度是log(n)级别。并不一定常数就比log(n)小, hash还有hash函数的耗时,明白了吧,如果你考虑效率,特别是在元素达到一定数量级时,考虑考虑hash_map。但若你对内存使用特别严格,希望 程序尽可能少消耗内存,那么一定要小心,hash_map可能会让你陷入尴尬,特别是当你的hash_map对象特别多时,你就更无法控制了,而且 hash_map的构造速度较慢。
    现在知道如何选择了吗?权衡三个因素: 查找速度, 数据量, 内存使用。
4.3 如何在hash_map中加入自己定义的类型?
    你只需要做两件事情:定于hash函数、定义等于比较函数。下面的代码是一个例子:

[cpp]  view plain  copy
  1. #include <hash_map>  
  2.    
  3. 2. #include <string>  
  4.   
  5. 3. #include <iostream>  
  6.   
  7. 4.   
  8.   
  9. 5. using namespace std;  
  10.   
  11. 6. //define the class  
  12.   
  13. 7. class ClassA{  
  14.   
  15. 8.         public:  
  16.   
  17. 9.         ClassA(int a):c_a(a){}  
  18.   
  19. 10.         int getvalue()const { return c_a;}  
  20.   
  21. 11.         void setvalue(int a){c_a;}  
  22.   
  23. 12.         private:  
  24.   
  25. 13.         int c_a;  
  26.   
  27. 14. };  
  28.   
  29. 15.   
  30.   
  31. 16. //1 define the hash function  
  32.   
  33. 17. struct hash_A{  
  34.   
  35. 18.         size_t operator()(const class ClassA & A)const{  
  36.   
  37. 19.                 // return hash<int>(classA.getvalue());  
  38.   
  39. 20.                 return A.getvalue();  
  40.   
  41. 21.         }  
  42.   
  43. 22. };  
  44.   
  45. 23.   
  46.   
  47. 24. //2 define the equal function  
  48.   
  49. 25. struct equal_A{  
  50.   
  51. 26.         bool operator()(const class ClassA & a1, const class ClassA & a2)const{  
  52.   
  53. 27.                 return a1.getvalue() == a2.getvalue();  
  54.   
  55. 28.         }  
  56.   
  57. 29. };  
  58.   
  59. 30.   
  60.   
  61. 31. int main()  
  62.   
  63. 32. {  
  64.   
  65. 33.         hash_map<ClassA, string, hash_A, equal_A> hmap;  
  66.   
  67. 34.         ClassA a1(12);  
  68.   
  69. 35.         hmap[a1]="I am 12";  
  70.   
  71. 36.         ClassA a2(198877);  
  72.   
  73. 37.         hmap[a2]="I am 198877";  
  74.   
  75. 38.           
  76.   
  77. 39.         cout<<hmap[a1]<<endl;  
  78.   
  79. 40.         cout<<hmap[a2]<<endl;  
  80.   
  81. 41.         return 0;  
  82.   
  83. 42. }   

4.4 如何用hash_map替换程序中已有的map容器?
     这个很容易,但需要你有良好的编程风格。建议你尽量使用typedef来定义你的类型:
     typedef map<Key, Value> KeyMap;
     当你希望使用hash_map来替换的时候,只需要修改:
     typedef hash_map<Key, Value> KeyMap;
     其他的基本不变。当然,你需要注意是否有Key类型的hash函数和比较函数。
4.5 为什么hash_map不是标准的?

    具体为什么不 是标准的,我也不清楚,有个解释说在STL加入标准C++之时,hash_map系列当时还没有完全实现,以后应该会成为标准。如果谁知道更合理的解释, 也希望告诉我。但我想表达的是,正是因为hash_map不是标准的,所以许多平台上安装了g++编译器,不一定有hash_map的实现。我就遇到了这 样的例子。因此在使用这些非标准库的时候,一定要事先测试。另外,如果考虑到平台移植,还是少用为佳。


在实际工作中,我们使用多叉树进行号码分析,每个号码为一个树节点,使用数组下标直接偏移查找,使用递归进行。每个节点存是否有效值标记,值指针,是否叶子节点。每个线程有自己单独多叉树,实测性能比sqlite内存库性能好(内存卡单线程,大家不能并行)。注意多叉树的索引上的增删改查需要加锁。pthread_mutex_lock进行加锁。