我目前正在开发一个嵌入式设备项目，我遇到了性能问题。分析已经找到了我想要消除的O（N）操作。
我基本上有两个数组int A[N]和short B[N]。 A中的条目是唯一的，并由外部约束排序。最常见的操作是检查a中是否显示特定值A[]。不太常见但仍然常见的是对A[]元素的更改。新值与之前的值无关。
由于最常见的操作是查找，这就是B[]的位置。它是A[]中的排序索引数组，当{且仅当A[B[i]] < A[B[j]]时i<j }。这意味着我可以使用二进制搜索在A中找到值。
当然，当我更新A[k]时，我必须在k中找到B并将其移至新位置，以维持搜索顺序。由于我知道A[k]的旧值和新值，因此memmove()的旧位置和新位置之间只有B[]的{{1}}个k。这是我需要解决的O（N）操作;由于A[k]的旧值和新值基本上是随机的，我平均在 N / 2 N / 3元素上移动。
我使用std::make_heap作为谓词来查看[](int i, int j) { return A[i] < A[j]; }。在这种情况下，我可以轻松地使B[0]指向A的最小元素，而更新B现在是一种廉价的O（log N）重新平衡操作。但是，我通常不需要A的最小值，我需要查找是否存在任何给定值。现在，这是B中的O（N log N）搜索。 （我的N个元素中有一半是堆深度log N，四分之一（log N）-1等），这与直接在A中的哑O（N）搜索相比没有任何改进。
考虑到std::set有O（log N）插入和查找，我想说应该可以在这里获得相同的性能以进行更新和查找。但是我该怎么做？我需要B的其他订单吗？另一种类型？
B目前是short [N]，因为A和B一起大约是我的CPU缓存的大小，而我的主内存要慢得多。从6 * N到8 * N字节不是很好，但如果我的查找和更新都转到O（log N），那么仍然可以接受。
答案 0 :(得分：7)
如果唯一的操作是（1）检查值'a'是否属于A和（2）更新A中的值，为什么不使用哈希表代替已排序的阵列B？特别是如果A不会增大或缩小尺寸而且值只会改变，这将是一个更好的解决方案。哈希表不需要比数组多得多的内存。 （或者，B应该更改为堆而不是二进制搜索树，可以自我平衡，例如splay树或红黑树。但是，树需要额外内存，因为左右指针。）
增加内存使用从6N到8N字节的实用解决方案是针对准确的50％填充哈希表，即使用由2N短路阵列组成的哈希表。我建议实施 Cuckoo Hashing 机制（参见http://en.wikipedia.org/wiki/Cuckoo_hashing）。进一步阅读文章，你会发现你可以通过使用更多的哈希函数来获得高于50％的负载因子（即将内存消耗从8N推向7N）。 “只使用三个哈希函数可将负载增加到91％。”
来自维基百科：
Zukowski等人的一项研究。已经表明杜鹃散列很多 对于小的，缓存驻留的哈希表而言，比链式哈希更快 现代处理器。肯尼斯罗斯已经展示了bucketized版本 cuckoo散列（使用包含多个存储桶的变体） key）比传统方法更快也适用于大哈希 表，当空间利用率很高时。的表现 Askitis进一步调查了bucketized cuckoo hash table， 其性能与其他散列方案相比较。
答案 1 :(得分：1)
std::set通常使用二叉搜索树提供 O（log（n））插入和删除。不幸的是，这对于大多数基于指针的实现使用3 * N空间。假设字大小的数据，1表示数据，2表示每个节点上左右子节点的指针。
如果你有一个常数N并且可以保证ceil(log2(N))小于字大小的一半，你可以使用每个2 * N大小的固定长度的树节点数组。使用1表示数据，1表示两个子节点的索引，存储为单词的上半部分和下半部分。这是否会让您使用某种方式的自平衡二叉搜索树取决于您的N和字大小。对于16位系统，您只能获得N = 256，但是对于32，它是65k。
答案 2 :(得分：0)
由于你的N有限，你不能std::set<short, cmp, pool_allocator> B使用Boost's pool_allocator吗？