Question

我已经读过，vector - of - vector s在给定固定的2 ^nd维度时是不好的，但我无法找到有关问题的明确解释http://www.stackoverflow.com

有人可以解释为什么在单个vector上使用二维索引优于使用vector - of - vector s用于固定的2 ^nd维度？

另外，我假设vector - of - vector s是具有变量2 ^nd维度的2D数组的首选数据结构？如果有任何相反的证据，我很乐意看到。

Answer 1

对于std::vector，底层数组是从堆中动态分配的。如果您有例如std::vector<std::vector<double>>，那么你的外部矢量看起来像

{v1, v2, v3, v4, ... vn}

这个看起来就像每个内部向量都在连续的内存中，它们会，但它们的底层数组将不是连续的。请参阅this post中的内存布局图。换句话说，你不能说那个

&(v1.back()) + 1 == &(v2.front()) // not necessarily true!

相反，如果您使用带有striding的单个向量，那么您将获得数据位置，并且它本身会更加cache friendly，因为您的所有数据都是连续的。

为了完整起见，如果矩阵稀疏，我会使用这两种方法的，因为more elegant and efficient storage schemes比直的1D或2D数组。虽然你提到你有一个＆＃34;固定的第二维＆＃34;我会假设这不是这种情况。

Answer 2

我将以一个简单的类比回答。

这两件事中的“更好”是什么？

将所有数据保存在一个大blob中，在计算机缓存中更简单，更明智，更容易。其中包含 N 向量的向量在操作上更复杂（请记住，每个向量都需要动态分配和大小管理操作！）;一个向量就是一个向量。您没有将工作负荷乘以 N 。

唯一的缺点是，要使用1D底层数据存储来模拟2D阵列访问，您需要编写外观。幸运的是，这很容易。

现在主观部分：总的来说，除非你真的真的并且你的代码质量并不特别重要，否则我认为这是值得的。

Answer 3

使用矢量矢量：

通常，使用单个向量会更好，因为内存管理更简单。但是如果你的矩阵很大，你可能会遇到问题，因为很难获得一个大的连续块。

如果您的阵列可以调整大小，那么我仍然坚持使用单个向量：可以在一个可以优化的函数中隔离调整大小的复杂性。

当然，最好的解决方案是使用Boost中提供的线性代数库（BLAS）之类的东西。这也可以很好地处理大型稀疏矩阵。