Question

给定一系列索引（标识符），我想将每个索引映射到一个布尔值，即：

// interface pseudocode
interface bitmap {
  bool identifier_is_set(unsigned int id_idx) const;
  void set_identifier(unsigned int id_idx, bool val) const;
};

这样我可以设置和查询每个ID（索引）是否已设置，您希望用什么来实现它？

我认为这称为位数组或位图或bitset，如果我错了，请纠正我。

假设最大标识符是预定的并且不大于1e6（1m），可能小得多（10k - 100k）。（这意味着sizeof（int）* maximum_id_idx使用的大小很容易适合进入记忆。）

到目前为止我看到的可能的解决方案：

std::set<size_t> - 根据需要将标识符添加或删除。只要我们有稀疏位图，这将允许任意大的标识符。
std::vector<bool> - 调整为适当的最大值，为每个id_idx存储true或false。
std::vector<char> - 同样的事情，但没有遭遇奇怪的std::vector<bool>问题。使用的内存少于vector<int>。
std::vector<int> - 使用int作为布尔标志，使用机器的自然字大小来容纳容器。（如果可以产生影响，则不知道。）

请根据上面引用的最大ID限制，特别是考虑查询位图的性能方面，回答您更喜欢的容器类型及其原因（插入性能无关紧要））。

注意：vector与set的界面使用无关紧要，因为无论如何它都会隐藏在它的包装类后面。

编辑：添加到关于std :: bitset的讨论中：std :: bitset将整个数组大小合并到对象中，即sizeof（std :: bitset＆lt; 1m＆gt;）将是大约1的大小/ 8兆字节，这使得一个巨大的单个对象成为一个你不能再堆叠的东西（可能相关或不相关）。

Answer 1

在不知道运行此代码的平台和您的访问模式的情况下，很难说vector<bool>是否会快于vector<char>（或vector<int>）甚至{{1 }或set<int>。

例如，如果您有一个非常稀疏的数组，那么仅包含索引集的unordered_set<int>的线性搜索可能是最佳答案。（See Mike Abrash's article on optimizing Pixomatic for x86.）

另一方面，您可能有一个有点稀疏的数组。有点稀疏，我的意思是设置元素的数量远大于L1或L2。在这种情况下，更多低级细节开始发挥作用，以及您的实际访问模式。

例如，在某些平台上，可变位移动非常昂贵。因此，如果您要查询一组随机标识符，则执行此操作的频率越高，vector<int>或vector<char>变得比vector<int>或bitset<...>更好。（后两者使用位移位来查找位。）另一方面，如果按顺序迭代稀疏位向量并且只想设置位，则可以优化该迭代以消除变量移位的开销。

此时，您可能还想知道稀疏标识符的实际分布情况。如果它们聚集在一起，您需要知道最佳内存读取大小和一次读取字符之间的权衡。这将决定是否更频繁地访问缓存将抵消非原生大小数据的读取。

如果标识符分散，您可以通过使用哈希集（vector<bool>）而不是位向量来获得显着的胜利。然而，这取决于负载。

Answer 2

你检查过boost :: dynamic_bitset吗？

http://www.boost.org/doc/libs/1_36_0/libs/dynamic_bitset/dynamic_bitset.html

Answer 3

假设最大标识符是预先确定的且不大于1e6（1m）

如果您有硬限制，请使用std::bitset：

std::bitset<1000000> bits;
bits.set(1000);

Answer 4

如果按性能表示最快查找的那个，那么std :: bitset可能足够快，因为它的查找是常量时间。将所有位设置为零有一个初始开销。矢量＆lt;诠释＆GT;可能会明显更快，并且设置比特会有更大的开销，因为在32位系统中它们的数量是32倍。

矢量＆lt; BOOL＆GT;就像你的实现中的bitset一样，如果你需要的话，它具有可调整大小的优点，虽然通常我会避免使用vector，如果我需要调整大小，可以使用boost的dynamic_bitset。

在查找和插入/删除中，

std :: set将是O（log N），尽管它在内存使用中是最具可扩展性的，如果该集合不是特别满，则占用较少。 std :: set不受范围限制。

如果您的数据更稀疏，某种形式的散列也是一种选择，通常是O（1）设置和查找，尽管可能存在一些碰撞处理的开销。

Answer 5

最快的似乎是使用位掩码。你应该构造一个std::vector<int>，并使其大小足够（N除以sizeof（int）* 8，向上舍入）。

对于大型数据集，这似乎比std::vector<bool>（或类似）更快。因为实际上使用的内存要少得多，因此缓存利用率更高

Answer 6

你总是可以拥有一个std::vector<std::bitset<sizeof(size_t)> >，然后你的查找就是简单的计算（虽然模运算相对较慢），但你有这个优势可以增长...我会冒这个空间明智的，以上可能也是最优的...

在set <int>与vector <bool>和vector <boolean_t>之间选择用作位图（bitset / bit array）</boolean_t> </bool> </int>

6 个答案: