STL容器类vector,list,deque性能的比较

 http://hi.baidu.com/shirley_wheat/blog/item/84a3b5f59389eb61dcc47441.html

 

C++的STL模板库中提供了3种容器类：vector,list,deque
对于这三种容器，在觉得好用的同时，经常会让我们困惑应该选择哪一种来实现我们的逻辑。
在少量数据操作的程序中随便哪一种用起来感觉差别并不是很大，
但是当数据达到一定数量后，会明显感觉性能上有很大差异。

本文就试图从介绍，以及性能比较两个方面来讨论这个问题。

1. vector - 会自动增长的数组
2. list - 擅长插入删除的链表
3. deque - 拥有vector和list两者优点的双端队列
4. 性能竞技场
5. 性能总结与使用建议
6. 测试程序清单

vector - 会自动增长的数组

vector又称为向量数组，他是为了解决程序中定义的数组是
不能动态改变大小这个缺点而出现的。
一般程序实现是在类创建的时候同时创建一个定长数组，
随着数据不断被写入，一旦数组被填满，则重新开辟一块更大的内存区，
把原有的数据复制到新的内存区，抛弃原有的内存，如此反复。

由于程序自动管理数组的增长，对于我们程序员来说确实轻松了不少，
只管把数据往里面插就行了，当然把物理内存和虚拟内存插爆掉了
就是操作系统来找你麻烦了:-)

vector由于数组的增长只能向前，所以也只提供了后端插入和后端删除，
也就是push_back和pop_back。当然在前端和中间要操作数据也是可以的，
用insert和erase，但是前端和中间对数据进行操作必然会引起数据块的移动，
这对性能影响是非常大的。

对于所有数组来说，最大的优势就是随机访问的能力。
在vector中，提供了at和[]运算符这两个方法来进行随机访问。
由于每个数据大小相同，并且无间隔地排列在内存中，
所以要对某一个数据操作，只需要用一个表达式就能直接计算出地址：
address = base + index * datasize

同样，对vector进行内存开辟，初始化，清除都是不需要花大力气的，
从头到尾都只有一块内存。

list - 擅长插入删除的链表

有黑必有白，世界万物都是成对出现的。
链表对于数组来说就是相反的存在。
数组本身是没有动态增长能力的（程序中也必须重新开辟内存来实现），
而链表强悍的就是动态增长和删除的能力。
但对于数组强悍的随机访问能力来说的话，链表却很弱。

list是一个双向链表的实现。
为了提供双向遍历的能力，list要比一般的数据单元多出两个指向前后的指针。
这也是没办法的，毕竟现在的PC内存结构就是一个大数组，
链表要在不同的环境中实现自己的功能就需要花更多空间。

list提供了push_back，push_front，pop_back，pop_front四个方法
来方便操作list的两端数据的增加和删除，不过少了vector的at和[]运算符的
随机访问数据的方法。并不是不能实现，而是list的设计者
并不想让list去做那些事情，因为他们会做得非常差劲。

对于list来说，清除容器内所有的元素是一件苦力活，
因为所有数据单元的内存都不连续，list只有一个一个遍历来删除。

deque - 拥有vector和list两者优点的双端队列

黑与白，处于这两个极端之间的就是令人愉悦的彩色了。
deque作为vector和list的结合体，确实有着不凡的实力。

STL的deque的实现没有怎么去看过，不过根据我自己的猜测，
应该是把数组分段化，在分段的数组上添加指针来把所有段连在一起，
最终成为一个大的数组。

deque和list一样，提供了push_back，push_front，
pop_back，pop_front四个方法。可以想象，如果要对deque的两端进行操作，
也就是要对第一段和最后一段的定长数组进行重新分配内存区，
由于分过段的数组很小，重新分配的开销也就不会很大。

deque也和vector一样，提供了at和[]运算符的方法。
要计算出某个数据的地址的话，虽然要比vector麻烦一点，
但效率要比list高多了。
首先和list一样进行遍历，每次遍历的时候累积每段数组的大小，
当遍历到某个段，而且baseN <= index < baseN + baseN_length的时候，
通过address = baseN + baseN_index就能计算出地址
由于分过段的后链表的长度也不是很长，所以遍历对于
整体性能的影响就微乎其微了。

看起来deque很无敌吧，不过deque和希腊神话的阿吉里斯一样，
再怎么强大也是有自己的弱点的，之后的测试数据中就能看到了。

P.S.请搜索「阿吉里斯的脚后跟」来获取详细内容

性能竞技场

为了能更好地进行比较，我们让静态数组（程序中写死的）和
动态数组（程序中new出来的）也参加了部分竞技。

竞技项目：

• 　初始化：对于静态和动态数组，逐一赋值，对于容器，push_back插入
• 前向遍历：从0到n-1，每个数据自加1
• 后向遍历：从n-1到0，每个数据自减1
• 随机访问：在0到n-1中，随机抽取一定数量的数据进行读取
• 后端插入：用push_back在后端插入一定数量的数据
• 后端移除：用pop_back在后端移除一定数量的数据
• 前端插入：用push_front在前端插入一定数量的数据
• 前端移除：用pop_front在前端移除一定数量的数据
• 中间插入：用insert在中间插入一定数量的数据
• 中间移除：用erase在中间移除一定数量的数据
• 反初始化：对于静态和动态数组，ZeroMemory删除所有数据，对于容器，调用clear方法

规则：

• vector，list，deque都调用默认的构造函数来创建
• 数组和容器的数据项都是1,000,000个
• 前端和后端插入的数据项是10,000个
• 前端和后端删除的数据项是10,000个
• 随机访问的数据项是10,000个
• 数据类型采用int型
• 计时采用RDTSC高精度计时器来计时
• 随机访问的数据的位置序列在测试前随机生成，所有数组和容器都采用这个序列
• 测试采用Debug版(Release版会对代码进行优化，可能会对测试产生一定的影响)
• 测试3次，取平均值

测试机配置：
Intel(R) Core(TM)2 CPU T7400 2.16GHz 2.16GHz
2.00GB内存

测试结果：（单位 秒）

测试项目	静态数组	动态数组	vector	list	deque	备注
初始化	0.00551	0.00461	0.207	1.30	0.352	list每个数据项都有附加数据，速度稍慢了一些
前向遍历	0.00381	0.00549	0.0796	0.0756	0.0713
后向遍历	0.00422	0.00478	0.885	0.879	0.690
随机访问	0.000334	0.000342	0.00119	148	0.0115	list把时间都耗在了找寻相应数据上
后端插入	N/A	N/A	0.00192	0.0128	0.00260
后端移除	N/A	N/A	0.00131	0.0293	0.00194
前端插入	N/A	N/A	10.2	0.0128	0.00547	vector对前端操作很苦手啊
前端移除	N/A	N/A	10.3	0.0297	0.00135	同上
中间插入	N/A	N/A	195	187	764	看似万能的deque的最大弱点，因为复杂的结构导致中间数据操作带来的复杂性大大增加，体现在操作时间是其他两个的几倍
中间移除	N/A	N/A	195	209	753	同上
反初始化	0.00139	0.00290	0.0000106	0.693	0.305	vector貌似是直接抛弃内存的，其他两个就没那么简单了

性能总结与使用建议

测试项目	静态数组	动态数组	vector	list	deque
初始化	★★★★★	★★★★★	★★★★☆	★★★☆☆	★★★★☆
前向遍历	★★★★★	★★★★★	★★★★☆	★★★★☆	★★★★☆
后向遍历	★★★★★	★★★★★	★★★★☆	★★★★☆	★★★★☆
随机访问	★★★★★	★★★★★	★★★★☆	★☆☆☆☆	★★★☆☆
后端插入	N/A	N/A	★★★★★	★★★★☆	★★★★★
后端移除	N/A	N/A	★★★★★	★★★★☆	★★★★★
前端插入	N/A	N/A	★★☆☆☆	★★★★☆	★★★★★
前端移除	N/A	N/A	★★☆☆☆	★★★★☆	★★★★★
中间插入	N/A	N/A	★★☆☆☆	★★☆☆☆	★☆☆☆☆
中间移除	N/A	N/A	★★☆☆☆	★★☆☆☆	★☆☆☆☆
反初始化	★★★★★	★★★★★	★★★★★	★★★★☆	★★★★☆

一些使用上的建议：
Level 1 - 仅仅作为Map使用：采用静态数组
Level 2 - 保存定长数据，使用时也是全部遍历：采用动态数组（长度一开始就固定的话静态数组也行）
Level 3 - 保存不定长数组，需要动态增加的能力，侧重于寻找数据的速度：采用vector
Level 3 - 保存不定长数组，需要动态增加的能力，侧重于增加删除数据的速度：采用list
Level 4 - 对数据有复杂操作，即需要前后增删数据的能力，又要良好的数据访问速度：采用deque
Level 5 - 对数据中间的增删操作比较多：采用list，建议在排序的基础上，批量进行增删可以对运行效率提供最大的保证
Level 6 - 上述中找不到适合的：组合STL容器或者自己建立特殊的数据结构来实现