std::multiset<int> vs. std::map<int, std::size_t> 用于保持多个可重复的整数值答案

【问题标题】：std::multiset<int> vs. std::map<int, std::size_t> for keeping multiple repeatable integer valuesstd::multiset<int> vs. std::map<int, std::size_t> 用于保持多个可重复的整数值
【发布时间】：2012-05-30 09:40:57
【问题描述】：

我想创建一个记录来保存关于

的信息

a) 存在什么样的元素和
b) 存在的每种元素的数量

在树的一个节点中。我将只为叶节点显式存储此信息，而父节点的信息可以通过组合所有子节点的信息来获得（例如，孩子 1 有 3 个 A 对象，1 个 B 对象，孩子 2 有 1 A 的对象，C 的 2 个对象 -- parent 有 A 的 4 个对象，B 的 1 个对象和 C 的 2 个对象。

在向父节点请求此信息时，我会小心，不要先请求、使用和丢弃子节点的信息，然后再请求其父节点，但向上构造将是常见的手术。其他两个常见的操作直接来自我存储的内容：X 种类的对象是否存在？和X 种类的对象有多少？以及如何存在多种对象？

对象种类以整数表示，对象编号始终为整数值。什么是更好的选择（以及所选选择的论据）：

使用std::multiset<int>，并使用std::multiset::count() 和std::multiset::find() 操作（更容易合并但元素重复，难以获得不同元素的总数）
使用std::map<int, std::size_t>，类型作为键，对象数量作为值（没有重复的元素，std::map::find() 函数存在，大小给出了存储的对象类型的正确数量，但访问不存在的元素会增加尺寸无意）

感谢您的建议！

【问题讨论】：

@larsmns 我无法在工作环境中测试它们（我正在实施一件大事，这个组件将用于尚未实施的事情，也许还没有计划中的事情） .而且，我无法预测操作的确切比例，因此我无法模拟工作环境。谢谢你的size_t。
@larsmans 虽然我不是“总是不加推理地配置文件”的大朋友——参数，+1 用于传播无符号类型。有符号类型比无符号类型更有意义的情况通常要少得多。
@ChristianRau：你说的很对，很抱歉。我仔细考虑了这个问题并发布了答案； map 和 multiset 实际上可以具有不同的空间复杂度，具体取决于键的分布。

标签： c++ stl containers

【解决方案1】：

要根据比较谓词存储总共 n 个具有 k 个不同值的项目，std::multiset 分配 n 个二叉搜索树节点(*)。 std::map 仅分配 k（稍大）节点。

当您的比较谓词可以认为两个项目相等但仍必须显式存储时，您将使用std::multiset，因为它们在比较谓词不检查的某些方面有所不同。此外，迭代 multiset 会生成 n 个项目中的每一个，而 map 将生成每个 k 个不同的项目以及每个项目的计数。

如果项目只是整数，请使用std::map。然后，您的“有多少不同的项目”查询将只是对 size 的调用，它会在恒定时间内运行。

仅当您使用operator[] 访问节点时，您声称“访问不存在的元素会无意中增加大小”才是正确的。 find 没有表现出这种行为。

(*) C++ 标准不保证这些容器被实现为（平衡的）BST，但在我见过的所有实现中，它们都是。

【讨论】：

【解决方案2】：

排序后的std::vector<int> 怎么样？您需要的操作可以满足如下：

X 种类的对象存在吗？ std::binary_search
有多少种 X 的对象？ std::equal_range，从 .second 中减去 .first
目前有多少种对象？
- std::unique_copy 后跟 size() 的副本，或者...
- 使用单独的计数器，在插入向量之前调用std::binary_search

与树状结构相比，这种方法的优点是缓存局部性（所有数据都是连续的）和更低的内存占用。在不了解您的数据的情况下，我无法确定它会更快还是更慢。您必须对其进行剖析才能找到答案，但我预感它的性能会比您预期的要好。

这里最大的权衡是表现力。 std::map 方法可能在逻辑上传达您正在做的事情方面做得更好，即对象 ID 和计数之间的关系。

【讨论】：