c ++哈希表，其中键是字符串，值是字符串的向量答案

【问题标题】：c++ hashtable where keys are strings and values are vectors of stringsc ++哈希表，其中键是字符串，值是字符串的向量
【发布时间】：2011-06-15 20:55:17
【问题描述】：

我有大量独特的字符串（大约 500k）。每个字符串都与一个字符串向量相关联。我目前将此数据存储在

map<string, vector<string> >

它工作正常。但是，我希望对地图的查找比 log(n) 更快。在这些受限的情况下，如何创建支持 O(1) 查找的哈希表？似乎这应该是可能的，因为我提前知道所有的键......并且所有的键都是唯一的（所以我不必考虑冲突）。

干杯！

【问题讨论】：

完美的哈希应该有助于提高速度。听起来您具备所有先决条件en.wikipedia.org/wiki/Perfect_hash_function

标签： c++ string data-structures hashtable lookup

【解决方案1】：

您可以使用boost::unordered_map、std::tr1::unordered_map 或（在 C++0x 编译器上）std::unordered_map 创建哈希表。这几乎是零努力。 Google sparsehash 可能更快，并且往往占用更少的内存。（删除可能会很痛苦，但您似乎不需要。）

如果代码仍然不够快，您可以按照其他人的建议，利用具有最小完美哈希的密钥的先验知识来获得保证的 O(1) 性能。所花费的代码生成工作是否值得取决于您；将 500k 个密钥放入像 gperf 这样的工具中可能需要一个代码生成器。

您可能还想查看CMPH，它在运行时生成一个完美的哈希函数，虽然通过一个 C API。

【讨论】：

使用 Google Sparsehash 或 MCT and 没有 C++0x 的移动构造函数，您需要小心重新散列。基本上，每次重新散列都会导致移动内部数据数组，在 C++0x 之前，它使用复制，因此对于向量来说可能非常慢。

【解决方案2】：

我会考虑为您的桌子创建一个Perfect Hash Function。这将保证没有冲突，这是一个昂贵的操作来解决。 Perfect Hash Function Generators 也可以。

【讨论】：

【解决方案3】：

您要查找的是Perfect Hash。 gperf 经常被用来生成这些，但我不知道它对这么大的字符串集合的效果如何。

【讨论】：

gperf 在您进入庞大的集合时会有些限制，因为它会为哈希器输出一些静态的 C 代码。我已经将它与大约 2k 条目一起使用，没有任何大惊小怪。不知道 500k。

【解决方案4】：

如果您不希望已知密钥集合发生冲突，您正在寻找perfect hash。 CMPH library（我为 C 而不是 C++ 道歉）已经成熟，可以为相当大的数据集生成最小的完美哈希。

【讨论】：

CMPH 看起来很有趣，尤其是那句话 “billion of keys”。我想知道导出生成的哈希函数有多难？
@Mark：它会输出一个对其进行编码的文件，您可能可以将其“退回”到一个巨大的.c 文件中。