可变长度 int C++

Question

我有一个程序，它接收一个只是集合列表的文件，每个集合都有自己的整数标识符，然后按成员数对集合进行排序。

文件格式（R后面的数字为ID）：

R1

0123

0000

R2

0321

R3

0002

...

struct CodeBook {
   string Residue; //stores the R lines
   vector<string> CodeWords; //stores the lines between the R lines
};

vector<CodeBook> DATA;

随着我运行的每个文件，集合的数量越来越大，目前我只是将所有内容存储到巨大的矢量数据中。我最新的文件足够大，我已经接管了服务器的内存并流入交换。这将是我在可能切换到对 RAM 更友好的算法之前处理的最后一个文件。使用该文件，集合的数量大于无符号的 32 字节 int。

我可以计算会有多少，集合的数量对于计算目的很重要，所以溢出不是一个选项。一直到 unsigned long long int 也不是一种选择，因为我已经几乎用尽了内存使用量。

如何实现可变长度整数来更有效地存储所有内容，从而更有效地计算所有内容？

例如：小的 id 整数得到 1 或 2 个字节，最大的整数得到 5 个字节

PS：考虑到我正在使用的规模，如果可以提供帮助，速度也是一个因素，但这不是最重要的问题：/

Answer 1

将所有内容存储在两个巨大的向量中。

定义两个带有关联向量的结构体：

struct u { int id; unsigned count };
struct ull { int id, unsigned long long count };

std::vector<u> u_vector;
std::vector<ull> ull_vector;

将计数读入 unsigned long long。如果计数适合无符号数，则将其存储在 u_vector 中，否则存储在 ull_vector 中。对两个向量进行排序；输出u_vector第一和ull_vector第二。

不要试图用 unsigned char 做同样的事情 - 结构将与 u 大小相同（因为填充使 id 对齐）。