是否有针对大量部分副本优化的 C++ STL 关联数据结构的版本？

Question

我有一棵大树，随着算法的进展而增长。每个节点都包含集合，我想它是作为平衡二叉搜索树实现的。每个节点的集合在创建该节点之后，在用于创建该节点的子节点之前，应保持固定。

不过，我担心复制每组的成本过高。相反，我希望每个新创建的节点集都利用父节点集的所有适当部分。简而言之，我很乐意复制 O(log n) 的集合，而不是 O(n)。

是否有任何 STL 关联数据结构的变体提供这种部分复制优化？也许在 Boost 中？这样的数据结构在 Haskell 或 OCaML 中实现当然是微不足道的，但在 C++ 中需要更多的努力。

Answer 1

我知道建议一种不同的语言通常不会有成效，但 Haskell 的标准容器库正是这样做的。我记得看过一个视频（是 Simon Peyton Jones 吗？）谈论这个确切的问题，以及对于给定的程序员工作，Haskell 解决方案最终如何比 C++ 解决方案快得多。当然，这是针对一个特定问题，它有很多集合和很多共享元素。

对这个主题有相当多的研究。如果您正在寻找关键字，我建议搜索“功能数据结构”而不是“不可变数据结构”，因为大多数功能范式通常受益于不变性。 finger tree 等结构正是为了解决这个问题而开发的。

我知道没有实现这些数据结构的 C++ 库。没有什么可以阻止您阅读相关论文（或 Haskell 源代码，Data.Set 包括测试大约 1k 行）并自己实现它，但我知道这不是您想听到的。您还需要对共享节点进行某种引用计数，对于如此深的结构，这可能比简单的垃圾收集器具有更高的开销。

Answer 2

这在 C++ 中几乎是不可能的，因为不可变的概念 容器不存在。你可能知道你不会做任何改变， 并且某种共享表示会更可取，但是 编译器和库没有，也没有办法传达这个 给他们。

Answer 3

每个节点都包含集合，我认为它是平衡的 二叉搜索树。之后每个节点的集合应保持固定 节点的创建，在它用于创建该节点的子节点之前。

这是一个非常独特的案例。我建议改用 std::vector 。 （真的没有！）创建节点的代码仍然可以使用set，并在最后一秒切换到vector。但是，vector 更小，并且只占用少量内存分配（如果您使用 reserve，则分配一个），使得算法快得多。

typedef unsigned int treekeytype;
typedef std::vector<unsigned int> minortreetype;
typedef std::pair<treekeytype, minortreetype> majornode
typedef std::set<treekeytype, minortreetype> majortype;
majortype majortree;

void func(majortype::iterator perform) {
     std::set<unsigned int> results;
     results.assign(perform->second.begin(), perform->second.end());
     majortree[perform->first+1].assign(results.begin(), results.end()); //the only change is here
     majortype::iterator next = majortree.find(perform->first+1);
     func(next);
}

您甚至可以使用std::lower_bound 和std::upper_bound 仍然获得O(log(n)) 次内存访问，因为它的排序仍然与集合相同，因此您不会失去任何效率。只要您不需要频繁插入/删除，这就是纯粹的收获。

不过，我担心复制每一组的成本太高了。

如果这种担心是因为每个集合都包含与其父节点大部分相同的节点，并且数据成本很高（复制或内存中的任何一个），只有少数节点发生了变化，则让子树包含std::shared_pointers数据本身。这意味着数据本身不会被复制，只会复制指针。

我意识到这不是您提出问题的目的，但正如 JamesKanze 所说，我知道没有这样的容器。除了可能对 STL 的 rope 类进行奇怪和危险的使用之外。请注意，我说的是 STL，而不是标准 C++ 库。它们是不同的。