Question

我最近才开始关注boost和它的容器，我在网上和stackoverflow上阅读了一些文章，boost :: unordered_map是大型集合中表现最快的容器。所以，我有这个类State，它必须在容器中是唯一的（没有重复），并且容器中将有数百万甚至数十亿个状态。因此，我一直在尝试优化它以实现小尺寸和尽可能少的计算。之前我正在使用boost :: ptr_vector，但是当我在stackoverflow上读到时，只要没有那么多对象，向量就是好的。在我的情况下，状态描述来自机器人的感觉运动信息，因此可能存在大量状态，因此快速查找是最重要的。在boost documentation for unordered_map之后，我意识到我可以做两件事来加快速度：使用hash_function，并使用等于运算符根据hash_function比较状态。因此，我实现了一个私有hash（）函数，它接收状态信息并使用boost :: hash_combine，创建一个std :: size_t哈希值。 operator ==基本上比较状态的哈希值。所以：

是std :: size_t足以覆盖数十亿可能的hash_function 组合？为了避免我打算使用的重复状态他们的hash_values。
创建state_map时，我应该使用State *或hash作为键价值？即：boost::unordered_map<State*,std::size_t> state_map; 要么 boost::unordered_map<std::size_t,State*> state_map;
查询时间是否为boost :: unordered_map :: iterator = state_map.find（）比通过boost :: ptr_vector更快比较每个迭代器的键值？
最后，有关如何优化此类无序地图的任何提示或技巧对于速度和快速查找将非常感激。

编辑：我已经看到了不少答案，一个不是使用boost而是使用C ++ 0X，另一个不使用unordered_set，但说实话，我还是想看看boost :: unordered_set是如何使用的哈希函数。我已经按照boost的文档进行了实现，但我仍然无法弄清楚如何在有序集合中使用boost的哈希函数。

Answer 1

这有点混乱。

你说的不是“你可以做的事情来加快速度”;相反，它们是您的类型的强制性要求，有资格作为无序地图的元素类型，也适用于无序集合（您可能更愿意）。
您需要提供一个比较运算符来比较对象，而不是哈希值。相等的重点是区分具有相同散列的元素。
size_t是无符号整数类型，x86为32位，x64为64位。既然你需要“数十亿元素”，这意味着数GB的数据，我认为你还有一台坚固的x64机器。
关键是你的哈希函数好，即碰撞很少。
你想要一套，而不是一张地图。将对象直接放在集合中：std::unordered_set<State>。如果要将映射到某些内容，请使用地图，即将状态映射到其他内容。哦，如果可以，请使用C ++ 0x，而不是提升。
使用hash_combine很好。

宝贝示例：

struct State
{
  inline bool operator==(const State &) const;
  /* Stuff */
};

namespace std
{
  template <> struct hash<State>
  {
    inline std::size_t operator()(const State & s) const
    {
      /* your hash algorithm here */
    }
  };
}

std::size_t Foo(const State & s) { /* some code */ }

int main()
{
  std::unordered_set<State> states; // no extra data needed
  std::unordered_set<State, Foo> states; // another hash function
}

Answer 2

unordered_map是一个哈希表。你不存储哈希;它在内部完成，作为存储和查找方法。

根据您的要求，unordered_set可能更合适，因为您的对象是唯一要存储的项目。

虽然你有点困惑 - 相等运算符和哈希函数不是真正的性能项，但是对于容器才能正常工作的非平凡对象是必需的。一个好的哈希函数会将您的节点均匀地分布在桶中，并且相等运算符将用于根据哈希函数消除关于匹配的任何歧义。

std :: size_t适用于散列函数。请记住，没有哈希是完美的;将发生碰撞，这些碰撞项目存储在该铲斗位置的链接列表中。

因此，.find（）在最佳情况下为O（1），在平均情况下非常接近O（1）（在最坏的情况下为O（N），但是一个不错的散列函数将避免这种情况。）

您没有提及您的平台或架构;在数十亿条目中，你仍然可能不得不担心内存不足的情况，具体取决于那些和State对象的大小。

Answer 3

忘记哈希;没有任何东西（至少从你的问题中）表明你有一把有意义的钥匙;

让我们退后一步，重新定义您的实际绩效目标：

您希望快速验证任何状态对象都不存在重复项

如果我需要添加其他人，请发表评论。

从上述目标和你的评论我建议你实际使用ordered_set而不是unordered_map。是的，有序搜索使用二进制搜索O（log（n）），而无序使用查找O（1）。

然而，不同之处在于，使用此方法时，您需要ordered_set ONLY 来检查当您要创建新的时，已经存在类似的状态 >，即州创建时。

在所有其他查找中，您实际上不需要查看ordered_set！因为你已经有了钥匙;状态*，键可以通过魔术解引用运算符访问该值：* key

因此，使用此方法，您只使用ordered_set作为 index 来仅在创建时验证状态。在所有其他情况下，您可以使用指针值键的解引用运算符访问您的State。

如果上述所有内容都不足以说服你，那么这就是使用哈希快速确定平等的想法的最后一个钉子;哈希函数具有较小的碰撞概率，但随着状态数量的增加，该概率将变得完全确定。因此，根据您的容错程度，您将处理状态冲突（从您的问题和您希望处理的国家数量，似乎您将处理其中的很多）

为了实现这一点，你显然需要比较谓词来测试你所有状态的内部属性（giroscope，推进器，加速度计，质子射线等）。

C ++关于boost :: unordered_map＆amp;的一些问题提高::哈希

3 个答案: