set vs unordered_set用於最快的迭代

Question

在我的申請中，我有以下要求 -

1. 數據結構將僅使用一些值（不是鍵/值對）填充一次。 值可能會重復，但我希望數據結構只存儲一次。

2. 我將通過上面創建的數據結構的所有元素迭代100次。 元素在迭代中出現的順序並不重要。

約束1表明我將不得不使用set或unordered_set，因為數據不是鍵值對的形式。

現在set插入比unordered_set插入更昂貴，但數據結構只在我的程序開頭填充一次。

我相信決定因素是我可以多快地迭代數據結構的所有元素。 我不確定set或unordered_set對於此目的是否會更快。 我相信標准沒有提到這個事實，因為這個操作對於任一數據結構都是O（n）。 但我想知道iterator.next（）哪個數據結構會更快。

Answer 1

有幾種方法。

1. 對你的問題的評論建議保持一個std::unordered_set ，它具有最快的O(1)查找/插入和O(N)迭代（就像每個容器一樣）。 如果您的數據變化很大，或需要大量隨機查找，這可能是最快的。 但測試 。
2. 如果需要迭代100次而不進行中間插入，則可以對std::vector執行單個O(N)復制，並從連續的內存布局中獲取100次。 測試這是否比常規std::unordered_set更快。
3. 如果在迭代之間進行少量中間插入，則可以使用專用向量。 如果你可以使用Boost.Container ，請嘗試使用boost::flat_set ，它提供了一個帶有std::vector存儲后端的std::set接口（即一個非常緩存和預取友好的連續內存布局）。 再次， 測試這是否能提高其他兩個解決方案的速度。

對於最后的解決方案，請參閱Boost文檔以獲取一些權衡（了解所有其他問題，如迭代器失效，移動語義和異常安全性）：

Boost.Container flat_ [multi] map / set容器是基於Austern和Alexandrescu指南的基於有序矢量的關聯容器。 這些有序的向量容器最近也受益於向C ++添加移動語義，大大加快了插入和擦除時間。 扁平關聯容器具有以下屬性：

• 比標准關聯容器更快的查找
• 迭代比標准關聯容器快得多
• 小對象（如果使用shrink_to_fit，對於大對象）的內存消耗更少
• 改進的緩存性能（數據存儲在連續的內存中）
• 非穩定迭代器（插入和擦除元素時迭代器無效）
• 不能存儲不可復制和不可移動的值類型
• 比標准關聯容器更弱的異常安全性（復制/移動構造函數在擦除和插入時移動值時可以拋出）
• 比標准關聯容器更慢的插入和擦除 （特別是對於不可移動的類型）

注意 ：使用更快的查找，這意味着flat_set在連續內存上執行O(log N)而不是對常規std::set O(log N)指針追蹤。 當然， std::unordered_set執行O(1)查找，對於大N會更快。

Answer 2

我建議你使用set或unordered_set進行“過濾”，當你完成后，將數據移動到固定大小的向量

Answer 3

如果數據結構的構建不考慮性能問題（或者至少只是略微考慮），請考慮將數據保存到std::vector ：沒有什么可以打敗它。

為了加速數據結構的初始構建，您可能首先插入到std::unordered_set或者至少使用一個用於在插入之前檢查是否存在。

在第二種情況下，它不需要包含元素，但可以包含例如索引。

std::vector<T> v;
auto h = [&v](size_t i){return std::hash<T>()(v[i]);};
auto c = [&v](size_t a, size_t b){return v[a] == v[b];};
std::unordered_set<size_t, decltype(h), decltype(c)> tester(0, h, c);

Answer 4

我強烈建議你不要在這種情況下使用。 set是二叉樹， unordered_set是哈希表 - 所以它們使用大量內存，迭代速度慢，引用局部性差。 如果你必須經常插入/刪除/查找數據， set或unordered_set不錯的選擇，但現在你只需要讀取，存儲，排序數據一次， 只需多次使用數據。

在這種情況下， 排序后的矢量可以是一個很好的選擇。 vector是動態數組 ，因此開銷很低。

直接看看代碼。

std::vector<int> data;

int input;
for (int i = 0; i < 10; i++)
{
    std::cin >> input;
    data.push_back(input); // store data
}

std::sort(data.begin(), data.end()); // sort data

就這樣。 您的所有數據都准備好了。

如果您需要刪除像set這樣的重復項，只需在排序后使用unique - erase 。

data.erase(
    std::unique(data.begin(), data.end()),
    data.end()
    );

請注意，您應該使用lower_bound ， upper_bound和equal_range而不是find或find_if來使用排序數據的好處。

Answer 5

無序集使用散列表來提供近O（1）時間搜索。 這是通過使用鍵的散列來計算從數據集的開頭搜索的元素（鍵）的偏移量來完成的。 除非您的數據集很小（如char ），否則不同的鍵可能具有相同的哈希值（碰撞）。

為了最大限度地減少沖突，無序集必須保持數據存儲相當稀疏。 這意味着找到一個鍵最多是O（1）時間（除非發生碰撞）。

但是當迭代遍歷散列表時，我們的迭代器將在我們的數據存儲區中遇到大量未使用的空間，這會減慢迭代器對下一個元素的查找速度。 我們可以使用額外的指針鏈接散列表中的相鄰元素，但我不認為無序集合會這樣做。

鑒於上述情況，我建議您使用排序向量作為“集合”。 使用二分法，您可以在O（log n）時間搜索商店，並且遍歷列表是微不足道的。 向量具有額外的優勢，即內存是連續的，因此您不太可能遇到緩存未命中。