C++ c+中map和无序#u map的性能差异+；

我有一个简单的要求，我需要一个类型的地图。然而，我需要最快的理论上可能的检索时间

我使用了来自tr1的map和新提议的无序_map 我发现，至少在解析文件和创建映射时，通过每次插入一个元素可以做到这一点

地图只花了2分钟，而无序地图只花了5分钟

因为它将是Hadoop集群上执行的代码的一部分，并且将包含约1亿个条目，所以我需要尽可能短的检索时间

还有另一个有用的信息： 当前插入的数据（键）是1,2，。。。大约1000万

我还可以强制用户指定最大值并使用上述顺序，这会显著影响我的实现吗？（我听说map是基于rb树的，按递增顺序插入会导致更好的性能（或最差的性能？）

这是密码

map<int,int> Label // this is being changed to unordered_map  
fstream LabelFile("Labels.txt");  


// Creating the map from the Label.txt  
if (LabelFile.is_open())  
{  
    while (! LabelFile.eof() )  
    {             
        getline (LabelFile,inputLine);  
        try  
        {  
            curnode=inputLine.substr(0,inputLine.find_first_of("\t"));  
            nodelabel=inputLine.substr(inputLine.find_first_of("\t")+1,inputLine.size()-1);  
            Label[atoi(curnode.c_str())]=atoi(nodelabel.c_str());  
        }  
        catch(char* strerr)  
        {  
            failed=true;  
            break;  
        }  
    }  
    LabelFile.close(); 
}

map Label//这是一张无序的地图
fstream LabelFile（“Labels.txt”）；
//从Label.txt创建地图
if（LabelFile.is_open（））
{  
而（！LabelFile.eof（））
{             
getline（LabelFile，inputLine）；
尝试
{  
curnode=inputLine.substr（0，inputLine.find_first_of（“\t”）；
nodelabel=inputLine.substr（inputLine.find\u优先于（“\t”）+1，inputLine.size（）-1）；
Label[atoi（curnode.c_str（））]=atoi（nodelabel.c_str（））；
}  
捕获（字符*strerr）
{  
失败=真；
打破
}  
}  
不稳定。关闭（）；
}

---

P>试探性的解答：在评论和回答之后，我相信动态C++是最好的选择，因为实现将使用密键。感谢

无序映射的插入应该是O（1），检索应该大致是O（1），（它本质上是一个哈希表）

因此，您的计时非常不准确，或者您的无序地图的实施或使用出现了一些错误

您需要提供更多信息，可能还需要提供如何使用容器

根据n1836第6.3节，插入/检索的复杂性如下：

你应该考虑的一个问题是，你的实现可能需要不断地<强>重整< /强>结构，如你所说的，你有100MII+项。在这种情况下，当实例化容器时，如果您大致知道将有多少“唯一”元素插入容器中，您可以将其作为参数传递给构造函数，容器将相应地用适当大小的桶表实例化。

无序映射（至少在大多数实现中）提供快速检索，但与地图相比插入速度相对较差。当数据按随机顺序排列时，树通常处于最佳状态，而当数据按顺序排列时，树处于最差状态（您不断地在树的一端插入，增加了重新平衡的频率）

考虑到总共有1000万个条目，您可以分配一个足够大的数组，并获得非常快速的查找——假设有足够的物理内存，它不会导致抖动，但按照现代标准，这并不是一个巨大的内存量

编辑：是的，向量基本上是一个动态数组

Edit2：你添加了一些问题的代码。当（！LabelFile.eof（））被破坏时，您的

。您通常希望执行类似于
while（LabelFile>>inputdata）
的操作。您读取数据的效率也有点低——您显然期望的是两个数字之间用一个标签隔开。在这种情况下，我会编写如下循环：

while (LabelFile >> node >> label)
    Label[node] = label;

加载无序_映射的额外时间是由于动态调整数组大小。调整大小计划是在表格超过其负载系数时，将每个单元格的数量增加一倍。因此，从一个空表中，期望得到整个数据表的O（lgn）个拷贝。您可以通过预先调整哈希表的大小来消除这些额外副本。具体地

Label.reserve(expected_number_of_entries / Label.max_load_factor());

除以max_load_因子可以计算出哈希表运行所需的空单元格。
问题是我希望扩展实现以处理大约十亿个条目。它将处理十亿个以上节点的网络。地图包含网络中每个节点的标签，代码将以流模式在hadoop上实现。@Mitch:是的，这正是我说的@akshayubha：问题不是条目的数量，而是密钥的密度。如果有10亿个键在10到10亿之间运行，那么一个数组就可以了。如果是10亿个密钥，每个密钥（比如）128位，那么一个数组根本不起作用。是的，根据我在python中的dict经验，哈希表应该比基于二叉树的映射更快，然而，至少对于插入，我发现map比无序的_map快。是的，重新灰化可能会导致插入时间的显著增加，因为我没有提供关于可能的元素数量的任何提示。那么，插入时是否保证为O（1），我说不清？那家伙做错了什么？