用矢量声明C++中的三维数组结构 我是一名研究C++科学计算的研究生。我们的一些研究侧重于算法的速度，因此构建足够快的阵列结构非常重要

我见过两种构建3D阵列的方法。 第一种是使用向量库

vector<vector<vector<double>>> a (isize,vector<double>(jsize,vector<double>(ksize,0)))

这给出了大小为isize x jsize x ksize的3D阵列结构

另一个是使用

新的双精度[isize*jsize*ksize]。要轻松访问i、j、k的特定位置，必须使用运算符重载，对吗

根据我的经验，第一个要快得多，因为它可以很容易地访问位置I，j，k，而后一个必须计算位置并返回值。但我看到一些人更喜欢后者而不是前者。为什么他们更喜欢后者？使用第一个有什么缺点吗

---

感谢您的支持。

在我看来，std:：vector比普通平面阵列有太多的优势

简言之，以下是一些：

使用std:：vector创建内存泄漏要困难得多。这一点本身就是最大的优势之一。这与性能无关，但应始终予以考虑。 向量是STL的一部分。C++的这一部分是最常用的部分之一。成千上万的人使用STL，因此他们每天都要接受测试。在过去的几年里，它们得到了彻底的优化，不再缺乏任何性能。如果我看错了，请纠正我 使用std：：vector处理像1、2、3这样简单。没有指针处理没有什么。。。只需通过方法或使用[]-运算符和更多其他方法访问它。

---

首先，在你的vec^3中直接访问i，j，k的想法有点缺陷。您拥有的是一个指针结构，在此结构中，您需要在整个过程中取消引用三个指针。注意，我不知道这比计算一维数组中的位置快还是慢。您需要对此进行测试，这可能取决于数据的大小，尤其是数据是否适合一个数据块

其次，向量^3需要指针和向量大小，这需要更多内存。在许多情况下，这与图像的立方增长无关，但内存差异只是二次增长，但如果你的算法真的要填满任何可用内存，这可能很重要

第三，原始数组将所有内容存储在连续内存中，这有利于流式处理，并且由于缓存访问速度快，因此对某些算法也有好处。例如，将一个三维图像添加到另一个三维图像时

请注意，所有这些都是关于您可能不需要的超级优化。skratchi.at在他的回答中指出的向量的优点是非常强大的，我补充了向量通常增加可读性的优点。如果你没有很好的理由不使用向量，那么就使用它们

---

如果您决定使用原始阵列，在任何情况下，请确保包装良好，并保持类的小型化和简单化，以解决与泄漏等相关的问题。

这些问题的主要区别在于布局：

vector<vector<vector<T>>>

这将得到一维向量数组。 每个项目将是一个一维向量数组。 这些一维数组中的每一项都是T的一维数组

关键是，向量本身不存储其内容。它管理一块内存，并将内容存储在那里。这有许多不良后果：

对于维度为X·Y·Z的矩阵，最终将分配1+X+X·Y内存块。这是可怕的缓慢，并将垃圾堆。想象一下：一个大小为20的立方体矩阵将触发421个对new的调用！ 要访问单元格，您有3个间接级别： 必须访问vector对象才能获取指向顶级内存块的指针。 然后，必须访问vector对象以获取指向第二级内存块的指针。 然后，必须访问vector对象以获取指向叶内存块的指针。 只有这样，您才能访问T数据。 这些内存块将分布在堆中，导致大量缓存未命中并降低总体计算速度。 如果你在某一点上弄错了，那么你的矩阵中的一些线可能会有不同的长度。毕竟，它们是独立的一维阵列。 另一方面，具有类似于new T[X*Y*Z]的连续存储器块给出：

分配1个内存块。没有堆垃圾，O1。 您只需要访问指向内存块的指针，就可以直接找到所需的元素。 所有矩阵在内存中都是连续的，这是缓存友好的。 在那些日子里，一次缓存丢失意味着几十个或数百个计算周期的丢失，不要低估缓存友好性。

顺便说一句，有一种可能更好的方法您没有提到：使用众多矩阵库中的一种，它将自动为您处理此问题，并提供良好的支持工具，如 SSE加速矩阵运算。有一个这样的图书馆，但还有很多其他的

→ 你想做科学计算吗？让一个库处理样板文件和基础知识，这样您就可以专注于科学计算部分。

欢迎使用so

如果你所有的东西都是两种选择，那么第一种可能会更好

<>你应该避免使用C++的纯数组，因为你需要管理你自己的内存分配/重新分配，比如新的/Delphi和其他样板代码，比如跟踪大小/检查边界。很明显，C数组不太安全，并且没有数组和向量的优势

然而，第一种选择有一些重要的缺点。我想强调的是：

std::vector<std::vector<std::vector<T>>>

不是三维矩阵。在矩阵中，所有行的大小必须相同。另一方面，在向量的向量中，不能保证所有嵌套向量具有相同的长度。原因是向量是@spectras答案中指出的线性一维结构。因此，为了避免所有类型的不良或意外行为，您必须在代码中包含保护以获得保证的矩形不变量

幸运的是，第一种选择并不是你手中唯一的选择

例如，可以用std:：array替换c样式数组：

const int n = i_size * j_size * k_size;

std::array<int, n> myFlattenMatrix;

或者使用std：：vector，以防矩阵尺寸发生变化

通过元素的3个坐标访问元素

关于你的问题

要方便地访问i、j、k的特定位置，请选择操作员 超载是必要的，对吗

不完全是。由于std:：vector和array都没有3参数运算符，所以不能重载它。但是您可以创建一个模板类或函数来包装它。在任何情况下，都必须遵从3个向量或计算线性存储中元素的展平索引

考虑到不要在实验中使用第三部分矩阵库，如Eigen

您编写代码不是为了生产，而是为了研究。特别是，您的研究正是关于算法的性能。在这种情况下，我不建议绝对使用第三方库，比如Eigen。当然，这在很大程度上取决于你愿意收集什么样的算法速度指标，但例如，艾根会在幕后做很多事情，这会对你的实验产生巨大的影响。由于您很难控制这些看不见的优化，这些库的特性可能会导致您对算法得出错误的结论

算法性能与大o表示法

---

通常情况下，算法的性能是通过使用一个不考虑实际花费的时间、硬件速度或编程语言特性等因素来分析的。Adam Drozdek的C++中的数据结构和算法可以提供更多的细节。

TIPS：TyPulf STD:：向量T3DMatL.；使用t3DMatrix=std:：vector；因为C++17左右是better@skratchi.at来自C++11，相关：使用实际的矩阵库。但是，使用连续内存的一个主要缺点是，对大量内存的请求可能会失败。即使请求相对适中的30-40MB数据块，也常常会失败。内存很快就会变得碎片化，大的块分配可能会失败。需要注意的是，64位寻址并不是什么大问题，即使实际减少到48位，物理内存也可以使用页表拼凑起来。这取决于实现，但当数据块变大时，libstdc++的默认分配器将切换到基于mmap的分配，完全避免内存碎片。其大的概念是动态的和可配置的，但从128kB开始。很可能其他实现也有类似的机制。