Question

我需要跟踪大文本文件中的索引。我一直在保留std::map索引和附带数据作为快速入侵。如果用户在文本中的字符230,400上，我可以显示文本的任何元数据。

现在我的地图越来越大，我遇到了一些速度问题（如预期的那样）。

例如，如果在开头修改了文本，我需要将地图中该位置之后的索引增加一个O（N）操作。

将此更改为O（log N）复杂度的好方法是什么？我一直在关注AVL Arrays，这很接近。

我希望O（log n）时间进行更新和搜索。例如，如果用户在文本数组中处于字符500,000，我想非常快速地找到该字符是否有任何元数据。

（忘记添加：用户可以随时添加元数据）

Answer 1

易。制作偏移的二叉树。

任何偏移的值都是通过遍历树从叶到根来计算的，只要节点是正确的子节点，就会增加偏移量。

然后，如果您在文件的早期添加文本，则只需更新作为更改偏移的父项的节点的偏移量。也就是说，您在第一个偏移量之前添加了文本，添加了添加到根节点的字符数。现在已经纠正了一半的补偿。现在遍历到左边的子节点并再次添加偏移量。现在已经更新了3/4的偏移量。继续遍历左子项添加偏移量，直到更新所有偏移量。

@OP：

假设您有一个包含8个字符的文本缓冲区，以及4个奇数字节的偏移量：

the tree:              5
                      / \
                     3   2
                    / \ / \
                    1 0 0 0
sum of right
children (indices) 1  3 5  7

现在说你在偏移量4处插入了2个字节。缓冲区是：

01234567

现在是

0123xx4567

因此，您只修改支配更改的数组部分的节点。在这种情况下根节点需要修改。

the tree:              7
                      / \
                     3   2
                    / \ / \
                    1 0 0 0
sum of right
children (indices) 1  3 7  9

求和规则是从一个叶子走到另一个根据我自己的总和，如果我是那个父母的正确孩子，我父母的价值。

要查找我当前位置是否有索引，我从根开始询问此偏移是否小于我的位置。如果是的话，我向左移动并且什么都不添加。如果没有我遍历正确并将值添加到我的索引。如果在遍历结束时，我的值等于我的索引，那么是有一个注释。您可以使用最小和最大索引执行类似的traveral，以找到支配该范围内所有索引的节点，找到我正在显示的文本的所有索引。

哦..这只是一个玩具的例子。实际上，您需要定期重新平衡树，否则如果您继续在文件的一个部分中添加新索引，您将获得一个失去平衡的树，最坏情况下的性能将不再是O（ log2 n）但是将是O（n）。为了保持树的平衡，你需要实现一个平衡的二叉树，如“红/黑树”。这将保证O（log2 n）性能，其中N是元数据的数量。

Answer 2

不要存储指数！没有办法可能做到这一点并且同时具有比O(n)更好的性能 - 在数组的开头添加一个字符，你将不得不增加n - 1个索引，无法绕过它。

但是，如果您存储子字符串长度，则只需更改每个树结构级别一个，最多可达O(log n)。我的（未经测试的）解决方案是使用带有元数据的Rope连接到节点 - 您可能需要稍微玩一下，但我认为它是一个坚实的基础。

希望有所帮助！

O（log n）索引更新和搜索

2 个答案: