C++ std:：map<；整数，T*>；比std:：vector快<；T*>；？

我正在使用

std:：map

进行频繁的查找和一些定位。没有任何删除。因为我知道int用作键的上限（大约1600万），所以我想我可以使用以下方法为运行时交换一些内存：

std::vector<T*> mapReplacement;
mapReplacement.resize(max_int, nullptr);

std:：向量映射替换；
mapReplacement.resize（max_int，nullptr）；

然而，我的运行时变得非常糟糕，即使没有测量调整大小操作。 向量查找和对已分配空间的“插入”应该是常量，而映射应该有O（log（n））插入和查找。插入的元素数量也有几十万，所以它甚至不是那么稀少。。。我在这里看不到什么

编辑1： 我既不插入向量，也不迭代/搜索向量，只通过索引进行访问。有代表性的用例如下所示：

std::vector<T*> mapReplacement;

struct DataStructure {

    void getInfluenced(int neighbor);

    void doSomeWork(int vertex){
         for (int i : neighbors(vertex)){
            if (influence(vertex, i)){
                if (mapReplacement[i] == nullptr)
                    mapReplacement[i] = new DataStructure();
                mapReplacement[i]->getInfluenced(vertex);
            }
         }
    }
}

int main(){
    mapReplacement.resize(huge_scalar_field.vertex_count);
    for (int i : huge_scalar_field){
         if (isInterestingVertex(i)){
             if (mapReplacement[i] == nullptr)
                  mapReplacement[i] = new DataStructure();
             mapReplacement[i]->doSomeWork(i);
         }
    }
}

std:：向量映射替换；
结构数据结构{
无效（int邻居）；
void doSomeWork（int顶点）{
对于（int i：邻域（顶点））{
if（影响（顶点，i））{
if（mapplacement[i]==nullptr）
mapReplacement[i]=新数据结构（）；
mapReplacement[i]->GetInfected（顶点）；
}
}
}
}
int main（）{
mapReplacement.resize（巨大的标量字段、顶点计数）；
for（int i：巨大的标量场）{
如果（isInterestingVertex（i））{
if（mapplacement[i]==nullptr）
mapReplacement[i]=新数据结构（）；
地图置换[i]>doSomeWork（i）；
}
}
}

基本上，我在一个巨大的标量场上迭代（16777216个顶点）。字段中的一些顶点（矢量/地图中的544008个条目）是“有趣的”，需要“数据结构”来表示它们。 然而，对于每个感兴趣的顶点，该顶点的某些邻域在某种程度上受到它的影响。这些受影响的顶点现在也需要用“数据结构”表示，并且可能也是“有趣的”。 这就是我代码中向量/映射的每一个用法，但是我没有时间测试这是否是我问题的一个最小示例，或者问题是否只是因为与“isInterestingVertex”、“neighbor”、“influence”、“doSomeWork”和“GetInfluded”内容的一些奇怪交互而产生的

编辑2：

---

该系统的规格是：Kubuntu 17.04 64位内核版本4.10.0-42-generic、g++6.3.0-12ubuntu2、Intel Core I7-4770K、16GB DDR3 RAM（其中大约4GB在运行时使用）、导入和使用的库是Boost和Boost（但问题也发生在纯顺序运行中）。

这看起来是一个有趣的问题。请提供一个突出显示问题的示例。如何/在何处插入向量？是否可以添加有关正在运行的环境的更多信息。O/S、RAM、CPU等。插入到映射中是一个查找O（log（n））和插入O（1）{对于一个好的分配器}，这可能非常快，而插入向量需要将每个元素移动到插入位置之上，因此如果使用二进制查找，则是O（log（n）），然后使用O（n/2）进行内存移动。对于小集合，矢量往往会赢，但对于大集合，map将赢。您的访问模式是什么？如果您的密钥是随机的，那么您可能会看到缓存不友好的效果。也许整个

映射

适合缓存，而

向量

不适合缓存。