什么'；在C+；中反序列化树的最快方法是什么+； 我正在用C++实现的一个不那么小的树结构（它是内存中的Burkhard Keller Tree，100 MB）。指向每个节点的子节点的指针存储在QHash中

每个节点x有n个子节点y[1]。。。y[n]，子节点的边用编辑距离d（x，y[i]）标记，因此使用散列存储节点是一个明显的解决方案

class Node {
    int value;
    QHash<int, Node*> children;
    /* ... */
};

因此，造成延迟的肯定不是我的新调用，而是每个节点上QHash对象的重建。这基本上是通过以下方式完成的：

 QDataStream in(&infile);
 in >> node.hash;

---

我必须深入QHash看看引擎盖下面发生了什么吗？我认为最好的解决方案是一个哈希对象，它可以通过一次读写操作进行序列化，而无需重建内部数据结构。

我强烈建议使用。它应该与您正在使用的解决方案配合使用。

绝对最快的序列化/反序列化方法是如您所说将一块连续内存写入磁盘。如果您更改了树结构来创建它（可能使用自定义分配例程），这将非常容易

不幸的是，我不太熟悉QHash，但从它的外观来看，它看起来像一个哈希表，而不是一棵树。我误解你了吗？您正在使用此映射重复节点吗

---

我会使用一个分析器（我曾经使用Quantify，现在称为Rational PurifyPlus，但是有很多）来查找您使用时间的位置，但我猜它要么是多个内存分配而不是单个分配，要么是多个读取而不是单个读取。要解决这两个问题，您需要事先知道（因为您存储了它）需要多少节点，然后写入/读取一个长度正确的节点数组，其中每个指针都是数组的索引，而不是内存中的指针。

另一个解决方案是使用您自己的内存分配器，它将使用一个连续的内存空间。然后您就可以按原样转储内存并重新加载。它对平台（即big-endian/little-endian，32位/64位）敏感。

正如您所说，为对象分配新数据可能会很慢。这可以通过分配对象池，然后使用预先分配的对象来改进，直到池耗尽。您甚至可以通过重载相关类的new/delete操作符来在后台实现这一点。

首先，对应用程序进行分析，以便了解需要花费的时间-将怀疑建立在新的基础上，因为您已经在某个地方读到它可能很慢，或者通过树进行迭代是不够的

有可能是IO操作造成的-可能是您的文件格式不正确/效率低下

也许你只是在某个地方有缺陷

或者可能在某个地方有一个二次循环，你不记得是什么导致了这些问题？：）

---

在您的情况下，衡量真正需要时间的是什么，然后解决问题-这将为您节省大量时间，并避免在找到真正原因之前破坏您的设计/代码来修复不存在的性能问题。

使用重载运算符new（）和delete（）分配您自己的内存是一个低成本的选项（开发时间）。 但是，这只影响内存分配时间，而不影响Ctor时间。

---

您的里程数可能有所不同，但可能值得一试。

我将进一步阐述我的评论：

由于您的分析表明QHash序列化花费的时间最多，因此我相信用QList替换QHash将在反序列化速度方面产生显著的改进

QHash序列化只输出键/值对，但反序列化构造了一个hash数据结构

---

即使您说您需要快速子查找，我还是建议您尝试使用QList>替换QHash作为测试。如果每个节点的子节点不多（比如少于30个），那么即使使用QList，查找速度也应该足够快。如果您发现QList不够快，您仍然可以将其用于（反）序列化，然后在加载树后将其转换为哈希。

另一种方法是序列化指针并在加载时还原它们。我的意思是：

序列化：

nodeList = collectAllNodes();

for n in nodelist:
 write ( &n )
 writeNode( n ) //with pointers as-they-are.

//read all nodes into a list.
while ( ! eof(f))
    read( prevNodeAddress)
    readNode( node )
    fixMap[prevNodeAddress] = &node;
    nodeList.append(node);

//fix pointers to new values.
for n in nodeList:
    for child in n.children:
        child->node = fixMap[child->node]

反序列化：

nodeList = collectAllNodes();

for n in nodelist:
 write ( &n )
 writeNode( n ) //with pointers as-they-are.

//read all nodes into a list.
while ( ! eof(f))
    read( prevNodeAddress)
    readNode( node )
    fixMap[prevNodeAddress] = &node;
    nodeList.append(node);

//fix pointers to new values.
for n in nodeList:
    for child in n.children:
        child->node = fixMap[child->node]

---

这样，如果您不插入或删除新节点，您可以一次性分配一个向量并使用该内存，从而减少对映射的分配（正如rpg所说，使用列表甚至向量可能更快）。

树的每个节点都有一个键和一个哈希表到其叶。每个叶都被任意数解引用。精确地说：一个节点x有n个叶子y_1。。。y_n，从x到y_i的每条边都标有从d（x，y_i）的编辑距离（参见）。-1对于这个想法：您提到了一些问题，但事实上这也是一个问题，优化级别和调试/发布敏感-更不用说将来扩展树并很好地处理迁移了。+1到偏移量：使用合适的抽象级别，这当然是可能的-例如使用迭代器，存储偏移量而不是指针。特别是对于“构建一次，永不修改”的竞技场分配器，效率极高。平台可移植性是一个问题，但它可能无法解决OP的问题。我完全同意。在进行优化之前，请始终进行配置。即使您的gues是正确的，您也会确切地知道给定优化的收益。每个节点都存储有一个重载的

I second this:Boost是一个很好的解决方案，可以自动处理所有的子/父关系。考虑到基准测试显示QHash（当前针对儿童/家长的解决方案）在大多数情况下都会被消耗掉，因此值得研究。它也可以在各种平台上使用。另一方面，我不知道Boost与QT的配合有多好。您需要快速访问特定节点y[I]吗？尝试使用QList而不是QHash，在I/O方面使用它应该更快。