STL系列之六 set与hash set

STL系列之六 set与hash_set

set和hash_set是STL中比较重要的容器，有必要对其进行深入了解。在STL中，set是以红黑树（RB-tree）作为底层数据结构的，hash_set是以Hash table（哈希表）作为底层数据结构的。set可以在时间复杂度为O(logN)情况下插入、删除和查找数据。hash_set操作的时间复杂度则比较复杂，这取决于哈希函数和哈希表的负载情况。下面列出set和hash_set的常用函数：

set和hase_set的更多函数请查阅MSDN。

set的使用范例如下（hash_set类似）：

// by MoreWindows( http://blog.csdn.net/MoreWindows )
#include <set>
#include <ctime>
#include <cstdio>
using namespace std;

int main()
{
	printf("--set使用 by MoreWindows( http://blog.csdn.net/MoreWindows ) --\n\n");
	const int MAXN = 15;
	int a[MAXN];
	int i;
	srand(time(NULL));
	for (i = 0; i < MAXN; ++i)
		a[i] = rand() % (MAXN * 2);

	set<int> iset;   
	set<int>::iterator pos; 

	//插入数据 insert()有三种重载
	iset.insert(a, a + MAXN);

	//当前集合中个数 最大容纳数据量
	printf("当前集合中个数: %d     最大容纳数据量: %d\n", iset.size(), iset.max_size());

	//依次输出
	printf("依次输出集合中所有元素-------\n");
	for (pos = iset.begin(); pos != iset.end(); ++pos)
		printf("%d ", *pos);
	putchar(‘\n‘);

	//查找
	int findNum = MAXN;
	printf("查找 %d是否存在-----------------------\n", findNum);
	pos = iset.find(findNum);
	if (pos != iset.end())
		printf("%d 存在\n", findNum);
	else
		printf("%d 不存在\n", findNum);

	//在最后位置插入数据，如果给定的位置不正确，会重新找个正确的位置并返回该位置
	pos  = iset.insert(--iset.end(), MAXN * 2); 
	printf("已经插入%d\n", *pos);

	//删除
	iset.erase(MAXN);
	printf("已经删除%d\n", MAXN);

	//依次输出
	printf("依次输出集合中所有元素-------\n");
	for (pos = iset.begin(); pos != iset.end(); ++pos)
		printf("%d ", *pos);
	putchar(‘\n‘);
	return 0;
}

运行结果如下：

下面试下在set中使用类（结构体也可以类似这样做）。这个类很简单，只有一个成员变量，及设置和获取这个成员变量的成员函数。

//在set中使用类要重载‘<’并实现拷贝构造函数
// by MoreWindows( http://blog.csdn.net/MoreWindows )
#include <set>
#include <ctime>
#include <cstdio>
using namespace std;
class Node
{
public:
	Node(int nAge = 0)
	{
		m_nAge = nAge;
	}
	Node(const Node &na)  //拷贝构造函数
	{
		m_nAge = na.GetAge();
	}
	int GetAge()
	{
		return m_nAge;
	}
private:
	int m_nAge;
};
//不能写成类的成员函数
inline bool operator < (const Node &na, const Node &nb) 
{
	return na.GetAge() < nb.GetAge();
}
int main()
{
	int i;
	set<Node> nset;
	for (i = 0; i < MAXN; ++i)
		nset.insert(Node(i));
	return 0;
}

编译，直接报了3个错误！！1个在拷贝构造函数，2个在operator<()函数。如下图所示：

3个错误都是一样的：

error C2662: “Node::GetAge”: 不能将“this”指针从“const Node”转换为“Node &” 转换丢失限定符

这是怎么回事呀？分析下，拷贝构造函数与operator<()函数出错，错误都指向了GetAge()函数，有点古怪，比较下它们与GetAge()函数，可以发现最大的不同点在于这2个函数都用到了const而GetAge()函数没有使用const。难道是这个导致报错了吗？先给GetAge()函数加个const看看，如下：

       int GetAge()  const //增加这个const

       {

              returnm_nAge;

       }

再编译，不报错了。再查下资料，原因如下——因为那2个函数都使用了const修饰的对象，但GetAge()没有加上const以保证它不修改对象，编译器认为这种写法是不安全的，所以就毫不犹豫报了个错误。

这种错误如果不亲身体会下，到笔试面试时很可能写了个错误程序而自己还处于一无所知中（死在这些小细节上最不值得）。另外，如果使用VC6.0则不会提示详细的错误信息——“转换丢失限定符”。

STL还为set提供了一些集合运算的函数，如交集set_intersection()、并集set_union()、差集set_difference()和对称差集set_symmetric_difference()。这些就不详细介绍了，有兴趣可以自己动手试一试。

下面开始对set和hash_set作个性能测试（Win7 +VS2008Release下）。

测试代码如下：

// by MoreWindows( http://blog.csdn.net/MoreWindows )
#include <set>
#include <hash_set>
#include <iostream>
#include <ctime>
#include <cstdio>
#include <cstdlib>
using namespace std;
using namespace stdext;  //hash_set

// MAXN个数据 MAXQUERY次查询
const int MAXN = 10000, MAXQUERY = 5000000;
int a[MAXN], query[MAXQUERY];

void PrintfContainertElapseTime(char *pszContainerName, char *pszOperator, long lElapsetime)
{
	printf("%s 的%s操作 用时 %d毫秒\n", pszContainerName, pszOperator, lElapsetime);
}

int main()
{
	printf("set VS hash_set 性能测试 数据容量 %d个 查询次数 %d次\n", MAXN, MAXQUERY);
	const int MAXNUM = MAXN * 4;
	const int MAXQUERYNUM = MAXN * 4;
	printf("容器中数据范围 [0, %d) 查询数据范围[0, %d)\n", MAXNUM, MAXQUERYNUM);
	printf("--by MoreWindows( http://blog.csdn.net/MoreWindows ) --\n\n");
	
	//随机生成在[0, MAXNUM)范围内的MAXN个数
	int i;
	srand(time(NULL));
	for (i = 0; i < MAXN; ++i)
		a[i] = (rand() * rand()) % MAXNUM;
	//随机生成在[0, MAXQUERYNUM)范围内的MAXQUERY个数
	srand(time(NULL));
	for (i = 0; i < MAXQUERY; ++i)
		query[i] = (rand() * rand()) % MAXQUERYNUM;

	set<int>       nset;
	hash_set<int> nhashset;
	clock_t  clockBegin, clockEnd;


	//insert
	printf("-----插入数据-----------\n");

	clockBegin = clock();  
	nset.insert(a, a + MAXN); 
	clockEnd = clock();
	printf("set中有数据%d个\n", nset.size());
	PrintfContainertElapseTime("set", "insert", clockEnd - clockBegin);

	clockBegin = clock();  
	nhashset.insert(a, a + MAXN); 
	clockEnd = clock();
	printf("hash_set中有数据%d个\n", nhashset.size());
	PrintfContainertElapseTime("hase_set", "insert", clockEnd - clockBegin);


	//find
	printf("-----查询数据-----------\n");

	int nFindSucceedCount, nFindFailedCount; 
	nFindSucceedCount = nFindFailedCount = 0;
	clockBegin = clock(); 
	for (i = 0; i < MAXQUERY; ++i)
		if (nset.find(query[i]) != nset.end())
			++nFindSucceedCount;
		else
			++nFindFailedCount;
	clockEnd = clock();
	PrintfContainertElapseTime("set", "find", clockEnd - clockBegin);
	printf("查询成功次数： %d    查询失败次数： %d\n", nFindSucceedCount, nFindFailedCount);
	
	nFindSucceedCount = nFindFailedCount = 0;
	clockBegin = clock();  
	for (i = 0; i < MAXQUERY; ++i)
		if (nhashset.find(query[i]) != nhashset.end())
			++nFindSucceedCount;
		else
			++nFindFailedCount;
	clockEnd = clock();
	PrintfContainertElapseTime("hash_set", "find", clockEnd - clockBegin);
	printf("查询成功次数： %d    查询失败次数： %d\n", nFindSucceedCount, nFindFailedCount);
	return 0;
}

在数据容量100万，查询次数500万时，程序运行结果如下：

由于查询的失败次数太多，这次将查询范围变小使用再测试下：

由于结点过多，80多万个结点，set的红黑树树高约为19(2^19=524288，2^20=1048576)，查询起来还是比较费时的。hash_set在时间性能上比set要好一些，并且如果查询成功的几率比较大的话，hash_set会有更好的表现。想知道为什么hash_set会有优良的性能表现，请看继集——《STL系列之九 探索hash_set》。

注1．   MSDN上讲set的erase()是有返回值的，但在VS2008中查看set的源代码，erase()函数的三个重载版本中，有二个返回值都为void即无返回值，另一个返回size_type。 可以通过http://msdn.microsoft.com/zh-cn/library/8h4a3515(v=VS.90).aspx查看MSDN上对set的erase()说明。

转载请标明出处，原文地址：http://blog.csdn.net/morewindows/article/details/7029587