- mongodb - 在 MongoDB mapreduce 中,如何展平值对象?
- javascript - 对象传播与 Object.assign
- html - 输入类型 ="submit"Vs 按钮标签它们可以互换吗?
- sql - 使用 MongoDB 而不是 MS SQL Server 的优缺点
我想在内存中存储 integer
键到 float
值的映射。
我有大约 1.3 亿个键(相应地,有 1.3 亿个值)。
我的重点是查找性能——我必须进行很多很多次的查找。
C++ STL 库有一个用于此类关联数组的 map
类。我有几个关于 map
的问题。
对于上述大小的数据集,map
的存储开销是多少?通常,map
的存储开销如何扩展?
看起来 map
的底层数据结构是一个红黑平衡的二叉树。听起来像真实世界 performance因为这是 O(log n)
用于插入和检索。
它提到 O(1)
用于暗示插入。我的输入是预先排序的,所以我相信我应该能够为插入事件提供提示。我将如何使用列出的方法提供此提示 here ?
是否有提供更好查找性能的 STL 容器?
是否有其他公开可用的开源框架,其关联数组类使用比 STL map
性能更好的底层数据结构?
如果编写自己的容器类可以提供更好的查找性能,我可以研究哪些数据结构?
我使用 GCC 4 来完成这项任务,在 Linux 或 Mac OS X 下运行。
如果这些是愚蠢的问题,我提前道歉。谢谢你的建议。
最佳答案
鉴于你所说的,我会非常努力地考虑使用 std::vector<pair<int, float> >
, 并使用 std::lower_bound
, std::upper_bound
, 和/或 std::equal_range
查找值。
而std::map
的精确 开销可以(并且确实)变化,几乎没有或没有问题的余地,它通常会消耗额外的内存并且查找值比 vector 中的二进制搜索更慢。正如您所注意到的,它通常(并且几乎不可避免地)实现为某种平衡树,这会增加指针和平衡信息的开销,并且通常意味着每个节点也是单独分配的。由于您的节点非常小(通常为 8 个字节),因此额外数据可能至少与您实际存储的数据一样多(即至少 100% 的开销)。单独的分配通常意味着引用的局部性较差,从而导致缓存使用率低。
std::map
的大多数实现使用红黑树。如果您打算使用 std::map
,使用 AVL 树的实现可能更适合您的目的 - AVL 树对平衡的约束稍微更严格。这以稍慢的插入和删除为代价提供了稍快的查找(因为它必须更频繁地重新平衡以保持其对“平衡”的更严格解释)。但是,只要您的数据在使用期间保持不变,std::vector
仍然几乎可以肯定更好。
另一个值得注意的可能性:如果您的 key 至少相当分布均匀,您可能想尝试使用插值而不是二分法进行查找。即不是总是从 vector 的中间开始,而是进行线性插值以猜测查找的最可能起点。当然,如果你的键遵循一些已知的非线性分布,你可以使用匹配插值代替。
假设键合理地均匀分布(或至少遵循一些可预测的可插值模式),插值搜索的复杂度为 O(log log N)。对于 1.3 亿个 key ,大约需要 4 次探测才能找到一个项目。为了比使用(正常/非完美)散列做得更好,您需要一个好的算法,并且您需要将表中的负载因子保持在相当低的水平(通常约为 75% 左右 - 即您需要允许类似于表中的 3200 万个额外(空)点,以将预期的复杂性从四个探针提高到三个)。我可能只是过时了,但这让我觉得很多额外的存储空间可以用于如此小的速度提升。
OTOH,确实这几乎是完美散列的理想情况——集合是提前知道的,而且 key 非常小(很重要,因为散列通常在 key 大小上是线性的)。即便如此,除非 key 分布相当不均匀,否则我不会期望有任何巨大的改进——完美的哈希函数通常(通常?)相当复杂。
关于C++ map 插入和查找性能和存储开销,我们在Stack Overflow上找到一个类似的问题: https://stackoverflow.com/questions/1822114/
在这段令人惊叹的视频 ( https://www.youtube.com/watch?v=udix3GZouik ) 中,Alex Blom 谈到了 Ember 在移动世界中的“黑客攻击”。 在 22
我们希望通过我们的应用收集使用情况统计信息。因此,我们希望在服务器端的某个地方跟踪用户操作。 就性能而言,哪个选项更合适: 在 App Engine 请求日志中跟踪用户操作。即为每个用户操作写入一个日
在针对对象集合的 LINQ 查询的幕后究竟发生了什么?它只是语法糖还是发生了其他事情使其更有效的查询? 最佳答案 您是指查询表达式,还是查询在幕后的作用? 查询表达式首先扩展为“普通”C#。例如: v
我正在构建一个简单的照片库应用程序,它在列表框中显示图像。 xaml 是:
对于基于 Web 的企业应用程序,使用“静态 Hashmap 存储对象” 和 apache java 缓存系统有何优缺点?哪一个最有利于性能并减少堆内存问题 例如: Map store=Applica
我想知道在性能方面存储类变量的最佳方式是什么。我的意思是,由于 Children() 函数,存储一个 div id 比查找所有其他类名更好。还是把类名写在变量里比较好? 例如这样: var $inne
我已经阅读了所有这些关于 cassandra 有多快的文章,例如单行读取可能需要大约 5 毫秒。 到目前为止,我不太关心我的网站速度,但是随着网站变得越来越大,一些页面开始需要相当多的查询,例如一个页
最近,我在缓存到内存缓存之前的查询一直需要很长时间才能处理!在这个例子中,它花费了 10 秒。在这种情况下,我要做的就是获得 10 个最近的点击。 我感觉它加载了所有 125,592 行然后只返回 1
我找了几篇文章(包括SA中的一些问题),试图找到基本操作的成本。 但是,我尝试制作自己的小程序,以便自己进行测试。在尝试测试加法和减法时,我遇到了一些问题,我用简单的代码向您展示了这一点
这个问题在这里已经有了答案: Will Java app slow down by presence of -Xdebug or only when stepping through code? (
我记得很久以前读过 with() 对 JavaScript 有一些严重的性能影响,因为它可能对范围堆栈进行非确定性更改。我很难找到最近对此的讨论。这仍然是真的吗? 最佳答案 与其说 with 对性能有
我们有一个数据仓库,其中包含非规范化表,行数从 50 万行到 6 多万行不等。我正在开发一个报告解决方案,因此出于性能原因我们正在使用数据库分页。我们的报告有搜索条件,并且我们已经创建了必要的索引,但
我有一条有效的 SQL 语句,但需要很长时间才能处理 我有一个 a_log 表和一个 people 表。我需要在 people 表中找到给定人员的每个 ID 的最后一个事件和关联的用户。 SELECT
很难说出这里问的是什么。这个问题是含糊的、模糊的、不完整的、过于宽泛的或修辞性的,无法以目前的形式得到合理的回答。如需帮助澄清此问题以便重新打开它,visit the help center 。 已关
通常当我建立一个站点时,我将所有的 CSS 放在一个文件中,并且一次性定义与一组元素相关的所有属性。像这样: #myElement { color: #fff; background-
两者之间是否存在任何性能差异: p { margin:0px; padding:0px; } 并省略最后的分号: p { margin:0px; padding:0px } 提前致谢!
我的应用程序 (PHP) 需要执行大量高精度数学运算(甚至可能出现一共100个数字) 通过这个论坛的最后几篇帖子,我发现我必须使用任何高精度库,如 BC Math 或 GMP,因为 float 类型不
我一直在使用 javamail 从 IMAP 服务器(目前是 GMail)检索邮件。 Javamail 非常快速地从服务器检索特定文件夹中的消息列表(仅 id),但是当我实际获取消息(仅包含甚至不包含
我非常渴望开发我的第一个 Ruby 应用程序,因为我的公司终于在内部批准了它的使用。 在我读到的关于 Ruby v1.8 之前的所有内容中,从来没有任何关于性能的正面评价,但我没有发现关于 1.9 版
我是 Redis 的新手,我有一个包含数百万个成员(member) ID、电子邮件和用户名的数据集,并且正在考虑将它们存储在例如列表结构中。我认为 list 和 sorted set 可能最适合我的情
我是一名优秀的程序员,十分优秀!