詳解STL中的map和hash_map區別
在網上看到有關STL中hash_map的文章,以及一些其他關於STL map和hash_map的資料,總結筆記如下:
1、STL的map底層是用紅黑樹實現的,查詢時間複雜度是log(n);
2、STL的hash_map底層是用hash表儲存的,查詢時間複雜度是O(1);
3、什麼時候用map,什麼時候用hash_map?
這個藥看具體的應用,不一定常數級別的hash_map一定比log(n)級別的map要好,hash_map的hash函式以及解決地址衝突等都要耗時間,而且眾所周知hash表是以空間換時間的,因而hash_map的記憶體消耗肯定要大,一般情況下,如果記錄非常大,考慮hash_map,查詢效率會高很多,如果要考慮記憶體消耗,則要謹慎使用hash_map。
以下內容來自:http://blog.163.com/liuruigong_lrg/blog/static/27370306200711334341781/
0. 為什麼需要hash_map
用過map吧,map提供一個很常用的功能,那就是提供key-value的儲存和查詢功能。例如,我要記錄一個人名和相應的儲存,而且隨時增加,要快速查詢和修改:
嶽不群-華山派掌門人,人稱君子劍
張三丰-武當掌門人,太極拳創始人
東方不敗-第一高手,葵花寶典
.......
這些資訊如果儲存下來並不複雜,但是找起來比較麻煩。例如我要找“張三丰”的資訊,最笨的方法就是取得所有的記錄,然後按照名字一個一個比較。如果要速度快,就需要把這些記錄按照字母順序排列,然後按照二分查詢。但是增加記錄的時間同時需要保持記錄有序,因此需要插入排序。考慮到效率,這就需要用二叉樹。如果你使用STL中map容器,你可以非常方便實現這個功能,而不用關心其他細節。看看map的實現。
map<string, string> namemap;
2.
3. //增加。。。
4. namemap["嶽不群"]="華山派掌門人,人稱君子劍";
5. namemap["張三丰"]="武當掌門人,太極拳創始人";
6. namemap["東方不敗"]="第一高手,葵花寶典";
7. ...
8.
9. //查詢。。
10. if(namemap.find("嶽不群") != namemap.end())
11. {
12. ...
13. }
實現起來比較容易,而且效率很高,100萬條記錄,最多也只要20次的string.compare的比較,就能找到你要找的記錄。
速度永遠滿足不了現實的需求,如果100萬條記錄,需要頻繁的進行搜尋時,20次比較也會成為瓶頸,要是能降到一次或者兩次比較是否有可能?而且當記錄數到200萬的時候也是一次或二次比較,是否有可能?而且還需要和map一樣的方便使用。
答案是肯定的,這時你需要has_map。雖然hash_map目前沒有納入C++標準模板庫中,但幾乎每個版本的STL都提供了相應的實現。而且應用十分廣泛。在正式使用hash_map之前,先看看hash_map的原理。
1、資料結構:hash_map原理
hash_map基於hash table(雜湊表)。雜湊表最大的優點是:把資料儲存和查詢消耗的時間大大降低,幾乎可以看成是常數時間;而代價僅僅是消耗比較多的記憶體。然後在當前可利用記憶體越來越多的情況下,用空間換時間的做法是值得的。另外,編碼比較容易也是它的特點之一。
其基本原理是:使用一個下標範圍比較大的陣列來儲存元素。可以設計一個函式(雜湊函式,也叫雜湊函式),使得每個元素的關鍵字都與一個函式值(即陣列下標,hash值)相對應,於是用這個陣列單元來儲存這個元素;也可以簡單的理解為,按照關鍵字為每一個元素“分類”,然後將這個元素儲存在相應“類”所對應的地方,稱為桶。
但是,這不能夠保證每個元素的關鍵字與函式值是一一對應的,因此極有可能出現對不不同的元素,卻計算出相同的函式值,這樣就產生了“衝突”。換句話說,就是把不同的元素分在了相同的“類”中。總的來說,“直接定址”和“解決衝突”是雜湊表的兩大特點。
hash_map,首先分配一大片記憶體,形成許多桶。是利用hash函式,對key進行對映到不同區域進行儲存。其插入過程:
1、得到key;
2、通過hash函式得到hash值;
3、得到桶號(一般都為hash值對桶數求模);
4、存放key和value在桶內;
其取值過程是:
1、得到key;
2、通過hash函式得到hash值;
3、得到桶號;
4、比較桶的內部元素是否與key相等,若不相等,則沒有找到;
5、取出相等的記錄的value;
hash_map中直接地址用hash函式生成,解決衝突,用比較函式解決。這裡可以看出,如果每個桶內部只有一個元素,那麼查詢的時候只有一次比較。當許多桶沒有值時,許多查詢就會更快了(指查不到的時候)。
由此可見,要實現雜湊表,和使用者相關的是:hash函式和比較函式。這兩個引數剛好是我們在使用hash_map時需要指定的引數。
2、hash_map的使用
2.1 一個簡單的例子
不要急著如何把“嶽不群”用hash_map表示,先看一個簡單的例子:隨你給你一個ID號和ID號相應的資訊,ID號的範圍是1~231。如何快速查詢儲存。
#include <iostream>
2. #include <string>
3. #include <hash_map>
4.
5. using namespace std;
6.
7. int main()
8. {
9. hash_map<int, string> mp;
10. mp[9527] = "唐伯虎點秋香";
11. mp[10000] = "百萬富翁的生活";
12. mp[88888] = "白領的工資底線";
13.
14. if(mp.find(10000) != mp.end())
15. {
16. //....
17. }
18. }
這也是比較簡單的,和map的使用方法一樣。這時你或許會問?hash函式和比較函式呢?不是要指定麼?你說對了,但是在你沒有指定hash函式和比較函式的時候,你會有一個預設的函式,看看hash_map的宣告,你會更加明白。下面是SGI STL的宣告。
template <class _Key, class _Tp, class _HashFcn = hash<_Key>,
2. class _EqualKey = equal_to<_Key>,
3. class _Alloc = __STL_DEFAULT_ALLOCATOR(_Tp) >
4. class hash_map
5. {
6. ...
7. }
也就是說,在上例中,有以下等同關係
...
2. hash_map<int, string> mymap;
3. //等同於:
4. hash_map<int, string, hash<int>, equal_to<int> > mymap;
Alloc這裡不需要關注太多的。
2.2 hash_map的hash函式
hash<int>到底是什麼樣子?看看原始碼:
struct hash<int> {
2. size_t operator()(int __x) const { return __x; }
3. };
原來是個函式物件。咋SGI STL中,提供了以下hash函式:
struct hash<char*>
2. struct hash<const char*>
3. struct hash<char>
4. struct hash<unsigned char>
5. struct hash<signed char>
6. struct hash<short>
7. struct hash<unsigned short>
8. struct hash<int>
9. struct hash<unsigned int>
10. struct hash<long>
11. struct hash<unsigned long>
也就是說,如果你的可以key是以上型別中的一種,你都可以使用預設的hash函式。當然你自己也可以定義自己的hash函式。對於自定義變數,例如對於string,就必須自定義hash函式。例如:
struct str_hash{
2. size_t operator()(const string& str) const
3. {
4. unsigned long __h = 0;
5. for (size_t i = 0 ; i < str.size() ; i ++)
6. __h = 5*__h + str[i];
7. return size_t(__h);
8. }
9. };
10. //如果你希望利用系統定義的字串hash函式,你可以這樣寫:
11. struct str_hash{
12. size_t operator()(const string& str) const
13. {
14. return return __stl_hash_string(str.c_str());
15. }
16. };
在宣告自己的hash函式時要注意以下幾點:
1、使用struct,然後過載operator();
2、返回size_t;
3、引數是你要hash的key的型別;
4、函式是const型別的;
如這些比較難記,最簡單的方法就是照貓畫虎,找一個函式改改就是了。
現在開始對開頭的“嶽不群”進行雜湊化,直接替換成下面的宣告即可。
map<string, string> namemap;
2. //改為:
3. hash_map<string, string, str_hash> namemap;
其他用法都不用管。當然不要忘記了str_hash的宣告以及標頭檔案改為hash_map。
你或許會問:比較函式呢?別急,這裡就開始介紹hash_map中的比較函式。
2.3 hash_map的比較函式
在map中的比較函式,需要提供less函式。如果沒有提供,預設的也是less<key>。在hash_map中,要比較桶內的資料和key是否相等,因此需要的是是否等於的函式equal_to<key>。先看看equal_to的原始碼:
//本程式碼可以從SGI STL
2. //先看看binary_function 函式宣告,其實只是定義一些型別而已。
3. template <class _Arg1, class _Arg2, class _Result>
4. struct binary_function {
5. typedef _Arg1 first_argument_type;
6. typedef _Arg2 second_argument_type;
7. typedef _Result result_type;
8. };
9. //看看equal_to的定義:
10. template <class _Tp>
11. struct equal_to : public binary_function<_Tp,_Tp,bool>
12. {
13. bool operator()(const _Tp& __x, const _Tp& __y) const { return __x == __y; }
14. };
如果你使用一個自定義的資料型別,如struct mystruct或者const char*的字串,如何使用比較函式?使用比較函式,有兩種方法。第一種是:過載==操作符,利用equal_to;看看下面的例子:
struct mystruct{
2. int iID;
3. int len;
4. bool operator==(const mystruct & my) const{
5. return (iID==my.iID) && (len==my.len) ;
6. }
7. };
這樣,就可以使用equal_to<mystruct>作為比較函數了。另一種方法就是使用函式物件。自定義一個比較函式體:
struct compare_str{
2. bool operator()(const char* p1, const char*p2) const{
3. return strcmp(p1,p2)==0;
4. }
5. };
有了compare_str,就可以使用hash_map了。
typedef hash_map<const char*, string, hash<const char*>, compare_str> StrIntMap;
2. StrIntMap namemap;
3. namemap["嶽不群"]="華山派掌門人,人稱君子劍";
4. namemap["張三丰"]="武當掌門人,太極拳創始人";
5. namemap["東方不敗"]="第一高手,葵花寶典";
2.4 hash_map函式
hash_map的函式和map的函式差不多。這裡主要介紹幾個常用函式。
1、hash_map(size_type n) 如果講究效率,這個引數是必須要設定的。n 主要用來設定hash_map 容器中hash桶的個數。桶個數越多,hash函式發生衝突的概率就越小,重新申請記憶體的概率就越小。n越大,效率越高,但是記憶體消耗也越大。
2、const_iterator find(const key_type& k) const. 用查詢,輸入為鍵值,返回為迭代器。
3、data_type& operator[](const key_type& k) . 這是我最常用的一個函式。因為其特別方便,可像使用陣列一樣使用。不過需要注意的是,當你使用[key ]操作符時,如果容器中沒有key元素,這就相當於自動增加了一個key元素。因此當你只是想知道容器中是否有key元素時,你可以使用find。如果你
希望插入該元素時,你可以直接使用[]操作符。
4、insert 函式。在容器中不包含key值時,insert函式和[]操作符的功能差不多。但是當容器中元素越來越多,每個桶中的元素會增加,為了保證效率, hash_map會自動申請更大的記憶體,以生成更多的桶。因此在insert以後,以前的iterator有可能是不可用的。
5、erase 函式。在insert的過程中,當每個桶的元素太多時,hash_map可能會自動擴充容器的記憶體。但在sgi stl中是erase並不自動回收記憶體。因此你呼叫erase後,其他元素的iterator還是可用的。
3、相關hash容器
hash容器除了hash_map外,還有hash_set、hash_multimap、hash_multiset,這些容器使用起來和set、multimap、multiset的區別於hash_map和map的區別一樣。
4、其他
這裡列幾個問題,應該對你理解和使用hash_map比較有幫助。
4.1 hash_map和map的區別在哪裡?
(1)建構函式 hash_map需要hash函式,等於函式;map只需要比較函式(小於函式)。
(2)儲存結構 hash_map採用hash表儲存,map一般採用紅黑樹實現。因此記憶體資料結構是不一樣的。
4.2 什麼時候需要使用hash_map,什麼時候需要map?
總體來說,hash_map 查詢速度會比map快,而且查詢速度基本和資料資料量大小,屬於常數級別;而map的查詢速度是log(n)級別。並不一定常數就比log(n)小,
hash還有hash函式的耗時,明白了吧,如果你考慮效率,特別是在元素達到一定數量級時,考慮考慮hash_map。但若你對記憶體使用特別嚴格,希望 程式儘可能少消耗記憶體,那麼一定要小心,hash_map可能會讓你陷入尷尬,特別是當你的hash_map物件特別多時,你就更無法控制了,而且 hash_map的構造速度較慢。
現在知道如何選擇了嗎?權衡三個因素: 查詢速度, 資料量, 記憶體使用。
4.3 如何在hash_map中加入自己定義的型別?
你只需要做兩件事情:定於hash函式、定義等於比較函式。下面的程式碼是一個例子:
#include <hash_map>
2. #include <string>
3. #include <iostream>
4.
5. using namespace std;
6. //define the class
7. class ClassA{
8. public:
9. ClassA(int a):c_a(a){}
10. int getvalue()const { return c_a;}
11. void setvalue(int a){c_a;}
12. private:
13. int c_a;
14. };
15.
16. //1 define the hash function
17. struct hash_A{
18. size_t operator()(const class ClassA & A)const{
19. // return hash<int>(classA.getvalue());
20. return A.getvalue();
21. }
22. };
23.
24. //2 define the equal function
25. struct equal_A{
26. bool operator()(const class ClassA & a1, const class ClassA & a2)const{
27. return a1.getvalue() == a2.getvalue();
28. }
29. };
30.
31. int main()
32. {
33. hash_map<ClassA, string, hash_A, equal_A> hmap;
34. ClassA a1(12);
35. hmap[a1]="I am 12";
36. ClassA a2(198877);
37. hmap[a2]="I am 198877";
38.
39. cout<<hmap[a1]<<endl;
40. cout<<hmap[a2]<<endl;
41. return 0;
42. }
4.4 如何用hash_map替換程式中已有的map容器?
這個很容易,但需要你有良好的程式設計風格。建議你儘量使用typedef來定義你的型別:
typedef map<Key, Value> KeyMap;
當你希望使用hash_map來替換的時候,只需要修改:
typedef hash_map<Key, Value> KeyMap;
其他的基本不變。當然,你需要注意是否有Key型別的hash函式和比較函式。
4.5 為什麼hash_map不是標準的?
具體為什麼不 是標準的,我也不清楚,有個解釋說在STL加入標準C++之時,hash_map系列當時還沒有完全實現,以後應該會成為標準。如果誰知道更合理的解釋, 也希望告訴我。但我想表達的是,正是因為hash_map不是標準的,所以許多平臺上安裝了g++編譯器,不一定有hash_map的實現。我就遇到了這 樣的例子。因此在使用這些非標準庫的時候,一定要事先測試。另外,如果考慮到平臺移植,還是少用為佳。