C++ 如果键存在于块中且块之间有间隙，则使用什么数据结构？

我必须在键（整数）遵循如下模式的位置存储数据：

1,2,4,5,60,61,63

也就是说，关键点有时会聚集在数百个关键点的块中，其中的间隙很少，但块之间可能存在较大的间隙。偶尔，在无处的中央有孤独的钥匙或小块。

目前，

std:：map

用于存储密钥，但它在分析中显示为查找密钥需要时间。这是因为我们需要随机访问密钥，并且有数千个密钥

到目前为止，最大密钥是16位，所以我尝试用

std:：vector

替换，在调试模式下，它的速度提高了约10%（整个程序的性能）。发布模式的改变可以忽略不计，但我们在调试模式下做了很多长时间的工作

但现在密钥的长度可能高达32位，所以这是不可能的

我尝试了

std:：unordered\u map

，但这比

std:：map

的性能差！我对哈希映射没有太多经验，所以也许我可以调整哈希策略，但我不知道如何调整

关于此任务的有效数据结构有什么建议吗

---

谢谢。

我不会从编程方面回答你，而是从数学方面回答你

也许创建堆分析器是一个很好的解决方案（一切都取决于您必须使用的真实数据），它将把您的数千个数字拆分为数百个堆

请记住最低堆数为“堆基”。 对于每个堆，您可以创建指向数据的指针向量，其中N元素的数字为“heap base”+N（因此，一些指针将为nullptr，但这些向量不会很长）

然后，您可以创建“heap base”编号的映射（每个编号都与其堆向量相连接）。从向量中访问N个元素需要O（1），它必须非常快。在地图堆中搜索也会更快，因为您将搜索数百个堆，而不是数千个数字

使用“lower_bound”，您将能够找到最接近您正在搜索的数字的堆，然后在该堆中搜索它

如果您的中等堆由K个数字组成，您将以Log（2）K的形式提高速度，K=8-三倍。你将失去搜索和其他一些行动的时间，但可能会在速度上大获全胜

如果您只需要创建一次数据存储，然后使用它，那么它可以成为解决方案

根据示例中的数字，您必须收到： （其中T是您正在搜索的对象）

向量a={obj1，obj2，nullptr，obj4，obj5}
向量b={obj60，obj61，nullptr，obj63}
地图我的地图；
追加（对（1，a））；
追加（对（60，b））；

（其中objN是T*）

---

然后使用bounds方法搜索数字，例如63。获取向量，并从中提取数字为63的元素-“基”（即数字为3）

如果键或多或少地不断分散（在大范围内），则可以创建树结构并在每一层中将数据分组在一起

例如，您的密钥范围从0到1000000，那么您将在第一层中拥有：

1) all keys from 0 to 99,000
2) from 100,000 to 199,999
3) ...
10) from 900,00 to 1,000,000

---

然后你继续到较低的层，在那里你再次拆分子组。在最底层，有一个向量，其中包含该组中实际可用的键。通过有3个这样的层，您可以将要通过的关键点数量减少约1/1000倍于原始数量。这将大大缩短某个键的查找时间。

我真的有点惊讶您的

std:：：无序的\u map

遇到了您所述的性能问题。通过对密钥的分布分析，可以很好地确定您是否可以调整哈希值算法以更好地分布数据。在大多数基于密钥的算法中没有银弹，但我。。。惊讶

std:：map

的性能优于

std:：unordered_map

。你看过了吗？恐怕键在大尺度上是不同源的。对于无符号int_32t:UINT_MAX/1000=4.294.967，大尺度是（假设你引入了3个层，每个层有10个子组）。如果此长度间隔内的关键点数量大致相同，则可以。如果在较小的时间间隔内有累积，我建议您找出这些时间间隔的边界，并将其作为上述程序的“起始”时间间隔。如果您必须在运行期间添加密钥，并且在动态更改容器的边界之前不知道任何累积，则每个容器中的密钥数相等。您可以按规则创建堆（数字不超过N）。然后用N=2、4、6、10、20、100测试堆的创建。查看您得到的堆的数量，以及有多少堆由一个元素/少于M的元素组成（当您拥有尽可能多的堆且由少于M的元素组成时，最好是N）。在你找到N之后，你可以一直使用它，即使每个程序开始时你都会收到不同的数字，它们来自相同的规则，你从这样的分析中选择的N必须足够好）。

1) all keys from 0 to 99,000
2) from 100,000 to 199,999
3) ...
10) from 900,00 to 1,000,000