C++ 在C+；中使用std:：vector的性能损失是什么+；？

通常，我感兴趣的是了解标准模板库是否会导致数值/科学计算代码的性能/速度开销

例如。 正在将数组声明为

double 2dmatrix [10][10]

会给我比以前更多的表现吗

std::vector<std::vector<double> > 2dmatrix(10,std::vector<double>(10,0.0))

std:：vector矩阵（10，std:：vector（10,0.0））

?

我也会理解一些C语言在科学计算中的性能是否优于C++。我用STL和C++11编写了非常面向对象的代码。我开始考虑是否应该开始研究纯C，如果它运行得更快。

---

欢迎对此有任何想法。

std:：vector的开销是：

• 堆栈上的3个指针
• 动态分配（惰性地，即在需要之前不分配任何内容）

堆栈分配的数组在某些情况下可能更快（对于少量数据）。为此，您可以使用

std:：array

---

如果您需要一个二维网格，我将在单个向量中分配数据：

std:：vector（width*height）。然后，您可以编写许多辅助函数，以通过x和y坐标获得元素。（或者您可以编写一个。）
如果您没有理由调整数组的大小，并且在编译过程中知道它的大小（正如您在第一个示例中所做的），STL模板的更好选择是
std:：array
模板。它为您提供了与C样式阵列相同的所有好处

double 2dmatrix[10][10];

// would become

std::array<std::array<double, 10>, 10> 2dmatrix;

double-2dmatrix[10][10]；
//将成为
std：：阵列矩阵；
< >代码> < P> <强>提供了，C++ >代码> STD:：vector < /C> >：它在堆栈上有3个指针，动态分配的数据在线性增长场景中平均每1个元素重新分配（因为调整大小会使容量超过比例，因子为1.5到2）。p>
使用
malloc（）。此外，
std:：vector
允许用户定义的性能调整通过（基于池、堆栈分配等），这在C++11中不像在C++98中那样难以使用

如果不需要动态调整大小，可以在C和C++中同时对静态数组（或C++中的代码> STD:：数组）进行代码编写。p>
一般来说，对于高性能计算，特别是通过使用可以内联的函数对象（与常规C函数指针相反）。
int comp（常数无效*a，常数无效*b）{
返回/*您在此处的比较*/；
}
//C风格排序
qsort（arr、大尺寸、sizeof（int）、comp）；
^^^^如果您事先知道大小，并且性能是一个瓶颈，请使用C++11中的
std:：array
。它的性能与C风格阵列完全相同，因为它在内部看起来像

template<typename T, int N>
struct array {
  T _data[N];
};

模板
结构数组{
T_数据[N]；
};

这是一种在现代C++中使用栈分配数组的方法。如果你有一个现代的编译器，千万不要使用C风格的数组
 人们会说“这取决于你在做什么”

他们是对的

有一个例子，使用
std:：vector
传统设计的程序通过一系列六个阶段进行性能调整，其执行时间从每单位工作2700微秒减少到3.7秒，加速系数为730x

所做的第一件事是注意到，很大一部分时间都花在不断增长的数组和从中删除元素上。
因此使用了不同的数组类，这大大减少了时间

所做的第二件事是注意到大部分时间仍在进行与数组相关的活动。
因此，数组被完全消除，而使用链表，产生了另一个巨大的加速

然后其他的事情会占用剩余时间的很大一部分，比如
new
ing和
delete
ing对象。
然后，这些对象在免费列表中被回收，产生了另一个巨大的加速。
经过几个阶段后，决定停止尝试，因为越来越难找到需要改进的地方，而且加速被认为是足够的

关键是，不要只是选择一些强烈推荐的东西，然后抱着最好的希望。
而是以这种或那种方式构建它，然后像这样进行性能调优，并愿意在数据结构设计中进行重大更改，这取决于您所看到的大部分时间都花在了哪些方面。
并对其进行迭代。
您可以将存储方案从A更改为B，然后从B更改为C。
这很好。
在科学计算中，错误和次优代码特别令人沮丧，因为大量数据被错误处理，浪费了宝贵的时间

std:：vector
可能是您的瓶颈或最佳执行者，这取决于您对其内部工作原理的了解。特别注意
reserve（）
，
insert（）
，
erase（）
；如果程序被线程化，考虑学习对齐和处理器缓存。

如果您试图自己进行所有内存管理，特别是当您逐步向软件添加功能时，请考虑一下您必须花费多少时间来确保一致性，以及以后寻找bug。在最后一天，STD的开销：：向量将是你的问题中的最小问题。
 < P>科学计算，使用专用的C++矩阵库，你会更好。这不仅为您提供了快速的数组处理，还提供了许多经过彻底调试的线性代数运算

除了性能原因，使用专用C++矩阵库也将大大减少代码的冗长，使MI变小。
template<typename T, int N>
struct array {
  T _data[N];
};