tag:STL,stack,faststack
2012.02.18 修正lazylazypig发现的my_fast_stack::size()的bug; empty()函数也稍做优化(作用不大);
摘要： 文章讨论了为什么大多数STL的stack的实现中,对于内部的容器默认选择deque容器；并且给出了自己的几个不同想法实现的stack；并进行了简单的性能比较测试；(文章最后给出了一个性能、特性都无懈可击的stack的实现！)
文章来源于abp论坛中的一篇讨论帖子: http://bbs.allaboutprogram.com/viewtopic.php?t=1026这是自己开始接触泛型和STL时形成的一篇讨论；文章中借用了Elminster，papercrane，Innocentius，PolyRandom等人的部分观点
1:为什么大多数STL的stack的实现中,对于内部的容器默认选择deque容器？而不是vector？
STL中，stack对内部使用容器的函数调用主要有：push_back,back，pop_back等，也就是顺序容器都满足要求(包括vector，deque,list)。很多人应该和我一样，在STL之前看到的stack实现都是以动态数组来(甚至静态数组)实现为主，也就是接近于使用vector方案；那为什么STL偏偏选择deque呢!?
我的分析:
a.用vector实现中(push_back动作为分期摊还常数时间)，如果发生容器的大小改变时，将可能产生一个大动作(申请空间，拷贝构造，释放原来的元素和空间，该动作成线性复杂度) 而且vector的很多实现版本中，容器在任何情况下都从不缩减已经申请的空间容量(swap技巧除外)；
b.用deque实现时，容器的大小改变时(数据量较大)，动作比vector就小多了（常数复杂度），并且当容器的大小变小时，还可以适当减小容量；但push_back 的逻辑相对vector复杂一点；
c.用list实现时，不用考虑空间容量变化；但每次的压入弹出开销(内存时间)较大，但很平稳；那么，经过分析，在不同的应用场合，为stack选择不同的内部容器是很有必要的；如果对stack有性能上的要求，就应该考虑这一点(甚至重新写一个最适应问题要求的stack); 比如：要求有最快的平均访问速度，而且大概的容量要求也清楚(比较衡定)，那么，使用vector是个不错的选择 要求每次的访问时间平稳，而不在乎平均访问时间时，那么，可以考虑使用list；所以，库默认的deque是个不错的选择，它介于vector和list之间，并且很好的综合了两者的优势；另papercrane：“oncrete policy deque相对于stack来说就像傻瓜机，乱用也不会有什么太大的问题。如你所说的平均时间和最差时间的要求，我觉得就好像hash map和tree map的性能差别一样。 ”
(提示：文章后面还有两种想进一步融合这三种方式各自优势的stack的实现，特别是最后那个实现也许推翻了这里的表面上得到的看法)；
2.自己也来写一个stack；
由于看到VC6中实现的太差，所以自己简单写了一个stack模版实现，性质比较接近于stack<T,vector<T> >, 代码如下：
class mystack
// 测试用
// 没有考虑异常时的rollback语义
//另： Elminster指出“使用 count 不是一个好主意。保存一个指向“下一个位置”的指针应该会效率更高，而且也更易读”；
{
public :
typedef T value_type;
typedef unsigned int size_type;
mystack():_lenght(0),_count(0 ) {}
~ mystack()
{
if (_lenght!=0 )
{
for (int i=0;i<_count;++ i)
{
((T*)(&_vData[i*sizeof(T)]))->T::~ T();
}
}
}
bool empty() const
{ return (0== _count); }
size_type size() const
{ return _count; }
value_type& top()
{ return *(T*)(&_vData[(_count-1)*sizeof (T)]); }
const value_type& top() const
{ return *(T*)(&_vData[(_count-1)*sizeof (T)]); }
void push(const value_type& x)
{
if (_count>= _lenght)
{
_resize();
}
new ((T*)(&_vData[_count*sizeof (T)])) T(x) ;
++ _count;
}
void pop()
{
-- _count;
((T*)(&_vData[_count*sizeof(T)]))->T::~ T();
}
protected :
std::vector<unsigned char> _vData;
size_type _lenght;
size_type _count;
void _resize()
{
if (0== _lenght)
{
_lenght=32 ;
_vData.resize(_lenght*sizeof (T));
}
else
{
_lenght*=2 ;
std::vector<unsigned char> new_vData;
new_vData.resize(sizeof(T)* _lenght);
for (int i=0;i<_count;++ i)
{
T& x=*(T*)(_vData.begin()+i*sizeof (T));
new ((T*)(new_vData.begin()+i*sizeof (T))) T(x);
(&x)->T::~ T();
}
_vData.swap(new_vData);
}
}
};
测试环境：VC6,赛扬1G，256M内存
测试代码：(不好意思，代码风格被VC的环境影响太久，想改变这种风格ing)
另： Elminster指出测试代码里面，TestStack("stack_deque_T0 : ",stack_deque_T0()) 这个做法也不太妥当。TestStack 的第二个参数是 stackT&，把一个临时对象绑在非常量引用上可能会带来问题。
class Test1_T // 较复杂的类
{
public:
char _c;
double _d;
int _i;
char* _p;
Test1_T():_c(),_d(),_i(),_p( new char[20])
{}
Test1_T( const Test1_T& x)
:_c(),_d(),_i(),_p( new char[20])
{ (* this). operator =(x); }
~Test1_T(){ delete[] _p; }
Test1_T& operator =( const Test1_T& x)
{
_c=x._c; _d=x._d; _i=x._i;
for ( int i=0;i<20;++i)
_p[i]=x._p[i];
return * this;
}
};
__declspec( naked ) __int64 CPUCycleCounter() // 获取当前CPU周期计数(CPU周期数)
{
__asm
{
RDTSC // 0F 31 // eax,edx
ret
}
}
template< class stackT>
int testProc(stackT& s, int Count)
{
typename stackT::value_type vl=stackT::value_type();
typename stackT::value_type vx;
__int64 t0=::CPUCycleCounter(); // 返回CPU启动以来运行的周期数
for ( int c=0;c<100;++c)
{
int i;
for (i=0;i<Count;++i)
s.push(vl);
for (i=0;i<Count;++i)
vx=s.top();
for (i=0;i<Count;++i)
s.pop();
}
__int64 t1=::CPUCycleCounter();
return int((t1-t0)/100);
}
template< class stackT>
CString TestStack(PCSTR lab,stackT& s)
{
int t0=testProc(s,10);
int t1=testProc(s,1000);
int t2=testProc(s,100000);
CString str;
str.Format("%10d,%10d,%10d",t0,t1,t2);
str+= char(13);str+= char(10);
return lab+str;
}
void CSTACKTESTDlg::OnBUTTONTest()
{
// TODO: Add your control notification handler code here
using namespace std;
typedef stack<Test0_T,deque<Test0_T> > stack_deque_T0;
typedef stack<Test1_T,deque<Test1_T> > stack_deque_T1;
typedef stack<Test0_T,vector<Test0_T> > stack_vector_T0;
typedef stack<Test1_T,vector<Test1_T> > stack_vector_T1;
typedef stack<Test0_T,list<Test0_T> > stack_list_T0;
typedef stack<Test1_T,list<Test1_T> > stack_list_T1;
typedef mystack<Test0_T> mystack_T0;
typedef mystack<Test1_T> mystack_T1;
CString str;
str+=TestStack("stack_deque_T0 : ",stack_deque_T0());
str+=TestStack("stack_vector_T0: ",stack_vector_T0());
str+=TestStack("stack_list_T0 : ",stack_list_T0());
str+=TestStack("mystack_T0 : ",mystack_T0());
str+= char(13);str+= char(10);
str+=TestStack("stack_deque_T1 : ",stack_deque_T1());
str+=TestStack("stack_vector_T1: ",stack_vector_T1());
str+=TestStack("stack_list_T1 : ",stack_list_T1());
str+=TestStack("mystack_T1 : ",mystack_T1());
this->m_str=str; // ::MessageBox(0,str,"",0);
UpdateData(FALSE);
}
测试结果：（不同使用环境下的测试情况可能不同，该数据仅作参考）
（另：测试中使用的STL是VC6自带的）
(计时单位：万CPU周期)
N: 10 1000 100000
stack_deque_T0 : 2695, 65621, 12191532
stack_vector_T0 : 579, 47750, 9169942
stack_list_T0 : 6028, 957515, 167660924
mystack_T0 : 230, 13766, 2550403 (效果很好嘛)
stack_deque_T1 : 10699, 1168983, 270182336
stack_vector_T1: 8043, 1247187, 250648378
stack_list_T1 : 13043, 1988924, 424801657
mystack_T1 : 6796, 1240879, 252690706(对于复杂对象，与stack_vector_T1的差不多)
Elminster给出了他的测试结果：
(计时单位：tick count) :
stack_deque_T0 : 0 156 12969
stack_vector_T0 : 0 63 7562
mystack_T0 : 0 47 6766
stack_deque_T1 : 16 500 57765
stack_vector_T1 : 0 813 91843
mystack_T1 : 0 734 85469
环境是 amd athlon 1600+, win2k sp4, 256M ddr, vs.net 2003，最大速度优化。
Elminster:“结论比较有趣。对于拷贝动作比较轻量级的 T0，你的方案比 deque 和 vector 都快，但与 vector 相差不大。此时 deque 的性能落的比较后面，原因应该是 deque 的 push_back 的逻辑相对复杂（我看了看）。对于拷贝动作比较重的 T1 ，你的方案和 vector 反而要比 deque 慢。这里的原因应该是 resize 的时候拷贝的开销太重。其实我认为对于 stack 的行为模式，类似 deque 的存储结构会比较好，因为空间完全不需要连续，像vector 那样需要拷贝的 resize 是毫无必要的。你自己实现一个简洁的 deque style 数据结构，相信可以把stack 的性能再提升一个台阶。”
/
对上面自己写的stack做了些改进:测试环境：VC6,XP,赛扬1G，256M内存
测试结果：
class mystack
{
public:
enum{ type_sizes= sizeof(T) };
typedef T value_type;
typedef unsigned int size_type;
mystack():_begin(0),_end(0),_last(0) {}
~mystack()
{
if (size()>0)
{
for (T* i=_begin;i<_end;++i)
i->T::~T();
}
if (_begin!=0) delete[] (unsigned char*)_begin;
}
bool empty() const
{ return (0==size()); }
size_type size() const
{ return (_end-_begin); }
value_type& top()
{ return *(_end-1); }
const value_type& top() const
{ return *(_end-1); }
void push( const value_type& x)
{
if (_end<_last)
{
new (_end) T(x) ;
++_end;
}
else
{
_resize();
new (_end) T(x);
++_end;
}
}
void pop()
{
--_end;
_end->T::~T();
}
protected:
T* _begin;
T* _end;
T* _last;
void _resize()
{
if (0==_begin)
{
const unsigned int lenght=32;
_begin=(T*)( new unsigned char[lenght*type_sizes]);
_end =_begin;
_last =_begin+lenght;
}
else
{
unsigned int old_size=size();
unsigned int lenght=(old_size<<1);
T* _pNewData=(T*)( new unsigned char[lenght*type_sizes]);
int i=0;
try
{
for (;i<( int)old_size;++i)
new (_pNewData + i) T(*(_begin+i));
}
catch(...) // rollback语义
{
for ( int r=0;r<i;++r)
(_pNewData + r)->T::~T();
delete[] (unsigned char*)_pNewData;
throw;
}
for ( int j=0;j<( int)old_size;++j)
(_begin+j)->T::~T();
T* old_begin=_begin;
_begin=_pNewData;
_end =_begin+old_size;
_last =_begin+lenght;
delete[] (unsigned char*)old_begin;
}
}
};
stack_deque_T0 : 2704, 65916, 11726143
stack_vector_T0 : 581, 45713, 9192746
stack_list_T0 : 5941, 1010118, 181184020
mystack_T0 : 172, 12210, 2590757
stack_deque_T1 : 10587, 1962722, 255087740
stack_vector_T1 : 8145, 1237245, 243123956
stack_list_T1 : 13128, 2005212, 398256062
mystack_T1 : 7127, 1173165, 251515265
测试环境：VS.net,XP,赛扬1G，256M内存
stack_deque_T0 : 525, 33407, 6468531
stack_vector_T0 : 574, 34710, 5236028
stack_list_T0 : 4753, 1060449, 165353094
mystack_T0 : 160, 10200, 2290310
stack_deque_T1 : 7470, 963957, 266757848
stack_vector_T1 : 8412, 1275307, 278246615
stack_list_T1 : 12001, 1993198, 475480319
mystack_T1 : 7317, 1209379, 262822216
对比VC6, vs.net的 deque的性能好像提高了不少，但和vector一样还有优化的空间
3.利用x86的虚拟空间地址原理来实现stack
deque的实现中一般内部维护一个动态指针数组，这些指针指向数据块(每块保存多个元素)，这些块在内存中是不连续的，然而deque利用软件的方式提供了一个对外的线性访问的假象；
看一下现在的x86CPU，也有一个机制和这很像，即：保护的虚拟地址内存模型； 它把不连续的物理内存映射为一维线性内存模型，由于是硬件支持的映射，所以这种机制不会损失任何性能（deque、stack、vector等的实现也可以利用这一点）
实现stack时，可以先开辟很大一块内存空间(足够)，但不一次全部提交，开始只提交很少 的一部分物理页面，当需要增大容器容量时，只需要再提交部分物理页面给它，当需要减少容器容量时 可以收回部分页面；这个方案很像是deque的实现，但它可以获得vector式的线性内存访问能力和性能；
当然这会占用较大量的虚拟内存地址空间，这个方案也可能和具体平台相关，但不会浪费真正的物理内存空间(如果是64位CPU，那么虚拟内存地址空间的浪费就可以不用考虑了:))
新的容器ExStack，它同时具有vector的线性访问能力，和deque的内存管理方式，所以我期待它具有这两者的性质：
{
public:
static void* reserve(unsigned int size) // 申请保留虚拟空间地址
{
return ::VirtualAlloc(0,size,MEM_RESERVE,PAGE_READWRITE);
}
static bool commit( void* pbase,unsigned int offset,unsigned int size) // 提交物理空间
{
return 0!=::VirtualAlloc(((BYTE*)pbase)+offset,size,MEM_COMMIT,PAGE_READWRITE);
}
static bool free( void* pbase) // 解除提交的物理空间，并释放申请的虚拟空间地址
{
return 0!=::VirtualFree(pbase,0,MEM_RELEASE);
}
};
template< class T>
class ExStack
{
public:
enum{ type_sizes= sizeof(T) };
typedef T value_type;
typedef unsigned int size_type;
ExStack():_begin(0),_end(0),_last(0) {}
~ExStack()
{
if (size()>0)
{
for (T* i=_begin;i<_end;++i)
i->T::~T();
}
if (_begin!=0) TAlloc::free(_begin);
}
bool empty() const
{ return (0==size()); }
size_type size() const
{ return (_end-_begin); }
value_type& top()
{ return *(_end-1); }
const value_type& top() const
{ return *(_end-1); }
void push( const value_type& x)
{
if (_end<_last)
{
// std::_Construct(_end,x) ;
new (_end) T(x) ;
++_end;
}
else
{
_resize();
// std::_Construct(_end,x);
new (_end) T(x) ;
++_end;
}
}
void pop()
{
// 没有实现收回物理内存的语义
--_end;
_end->T::~T();
}
protected:
T* _begin;
T* _end;
T* _last;
void _resize()
{
if (0==_begin)
{
const unsigned int lenght=4*1024; // 4KB 边界对齐
_begin=(T*)TAlloc::reserve(256*1024*1024); // 预留地址空间 256 MB
TAlloc::commit(( void*)_begin,0,lenght*type_sizes);
_end =_begin;
_last =_begin+lenght;
}
else
{
unsigned int old_size=size();
unsigned int lenght=(old_size<<1);
TAlloc::commit(_begin,old_size*type_sizes,(lenght-old_size)
*type_sizes);
_last =_begin+lenght;
}
}
};
{
typename stackT::value_type vl=stackT::value_type();
typename stackT::value_type vx;
__int64 t0=::CPUCycleCounter(); // 返回CPU启动以来运行的周期数
for ( int c=0;c<100;++c)
{
stackT temps; //
int i;
for (i=0;i<Count+1;++i) // +1
temps.push(vl);
for (i=0;i<Count;++i)
vx=temps.top();
for (i=0;i<Count-1;++i) // -1
temps.pop();
for (i=0;i<(Count>>1);++i) // !
temps.push(vl);
}
__int64 t1=::CPUCycleCounter();
return int((t1-t0)/100);
}
测试结果:
N = 10 1000 100000
stack_deque_T0 : 2942, 205538, 54123660
stack_vector_T0: 4903, 66692, 21136702
stack_list_T0 : 8003, 1232967, 239859174
mystack_T0 : 1120, 20431, 12025250
ExStack_T0 : 40710, 75998, 5908666
stack_deque_T1 : 18444, 2383833, 490387023
stack_vector_T1: 35764, 3281555,1130011712
stack_list_T1 : 19624, 2842182, 588527582
mystack_T1 : 11764, 2285440, 749906486
ExStack_T1 : 56646, 1680889, 372481178
mystack: 在大多数情况下都很优秀，但当数据量较大并且数据类型较复杂时，性能迅速下降std::stack<T,vector<T> >: 性质与mystack一致，但VC6版实现得太差了；（这种库看了就让人生气）std::stack<T,list<T> >: 绝对速度(平均速度)没法和其他实现比，但他的优点不在这；ExStack: 初始化和销毁开销太大了些（否则ExStack在很多测试中都将领先），数据量较大时，不出意料的在简单和复杂数据类型中都领先于对手(这时才显示出综合了vector与deque的优势)；但是ExStack的适用范围实在太小了，比我预期的适用范围差；
（PolyRandom：我觉得这个ExStack不错，而且可以用的地方应该不少。）
4. 极速stack的诞生myfast_stack
一次尝试(前奏): 还是忍不住自己写了一个deque内存管理方式的_myfast_stack;性质接近于std::static<T,deque<T> >; 其实比我想象中简单多了，很快就实现出来了（因为不需要实现一个完整的deque），测试时各项性能也很优秀；只是在“简单数据类型、元素个数N很小”时才输给了vector内存管理方式实现的mystack! 这一点好像在意料之中。
是否这就是极限了呢？我准备把源码和测试结果发布出来的时候，却突然有了新的想法...
一般deque内存管理需要用一个动态数组来保存指向数据块的指针，因为deque要求随机访问能力；但stack访问时明显没有随机访问特性的要求，所以 保存这些指针的数据结构最低需求也是满足stack接口就足够了；进一步的改进方案出来了，先用一个list来管理这些数据块，再把list的自己的数据成员与需要管理的数据空间合成放在一起(放在同一个数据块上)；
哈哈，综合性能新的明星myfast_stack诞生了； 让人不敢相信的测试结果!!!
测试环境：Win2000,VC6,赛杨466,128M ( 自己的老古董电脑 )
N = 20 1000 50000
stack_deque_T0 : 434, 9355, 494481
stack_vector_T0: 509, 11770, 583668
stack_list_T0 : 1330, 82371, 7071753
mystack_T0 : 103, 3248, 323565
ExStack_T0 : 3258, 5580, 163168
myfast_stack_T0: 97, 2682, 190075
stack_deque_T1 : 2464, 135898, 11981644
stack_vector_T1: 4042, 228555, 22766841
stack_list_T1 : 3281, 207232, 16723651
mystack_T1 : 1916, 206413, 21782916
ExStack_T1 : 5228, 129881, 10933717
myfast_stack_T1: 1983, 124296, 10399781
实现的实质还是deque方式的，不管从那方面来看我认为它都可以将其他几个vector和list等的实现淘汰掉!
!!!myfast_stack太恐怖了，几乎没有缺陷!!!
template<unsigned int byte_size>
class Tdata_list // 管理myfast_stack的内存
{
struct TNode // 节点类型
{
TNode* pPrev;
TNode* pNext;
unsigned char Data[byte_size]; // 数据空间
};
public:
Tdata_list():pNodeBegin(0),pNodeCur(0),_size(0){}
unsigned int size() const { return _size; }
void push() // 配置空间
{
if (0==pNodeBegin)
{
pNodeBegin= new TNode;
pNodeBegin->pPrev=0;
pNodeBegin->pNext=0;
pNodeCur=pNodeBegin;
}
else if (0!=pNodeCur->pNext) // 还有一个空余的Node
{
pNodeCur=pNodeCur->pNext;
}
else
{
TNode* pNodeEnd= new TNode;
pNodeEnd->pPrev=pNodeCur;
pNodeEnd->pNext=0;
pNodeCur->pNext=pNodeEnd;
pNodeCur=pNodeEnd;
}
++_size;
}
~Tdata_list()
{
for (TNode* i=pNodeBegin;i!=0; )
{
TNode* pNext=i->pNext;
delete i;
i=pNext;
}
}
unsigned char* top()
{
return pNodeCur->Data;
}
void pop()
{
TNode*& pTmp=pNodeCur->pNext;
if (pTmp!=0)
{
delete pTmp; // 留一个空余Node,多余的释放
pTmp=0;
}
pNodeCur=pNodeCur->pPrev;
--_size;
}
private:
TNode* pNodeCur;
TNode* pNodeBegin;
unsigned int _size; // 用来追踪list的使用大小
};
// myfast_stack
// 注意它的实现并没有以降低stack的通用能力来提高性能
// 改进可能：1.提供专署的内存分配器，而不是默认的new/delete; (就可以和SGI中的stack对比测试了)
template< class T, bool IsPOD= false>
class myfast_stack
{
public:
enum{ type_sizes= sizeof(T), // !
node_width=(1020/type_sizes)+1 // 使用这种策略,stack<T,list<T> >也没有存在必要了
};
typedef T value_type;
typedef unsigned int size_type;
typedef Tdata_list<type_sizes*node_width> Tbase_alloc;
myfast_stack():_node_begin(0),_node_cur(0),_node_last(0) {}
~myfast_stack()
{
if ((!IsPOD)&&(_NodeList.size()>0))
{
for (T* i=_node_begin;i<_node_cur;++i)
i->T::~T();
int nsize=( int)_NodeList.size();
for ( int j=0;j<(nsize-1);++j)
{
_NodeList.pop();
_node_cur=(T*)_NodeList.top();
for ( int i=0;i<node_width;++i)
{
_node_cur->T::~T();
++_node_cur;
}
}
}
}
bool empty() const
{ return (_node_last==_node_begin)&&(_NodeList.size()<=1); }
size_type size() const
{ return (_node_last-_node_begin)+node_width*(max(( int)_NodeList.size()-1,0)); }
value_type& top()
{ return *(_node_cur-1); }
const value_type& top() const
{ return *(_node_cur-1); }
void push( const value_type& x)
{
if (_node_cur==_node_last)
{
_ToNextNode();
}
// std::_Construct(_node_cur,x);
new (_node_cur) T(x) ;
++_node_cur;
}
void pop()
{
if (_node_cur==_node_begin)
{
_ToPrevNode();
}
--_node_cur;
_node_cur->T::~T();
}
protected:
T* _node_begin;
T* _node_cur;
T* _node_last;
Tbase_alloc _NodeList;
void _ToNextNode()
{
_NodeList.push();
_node_begin=(T*)(_NodeList.top());
_node_last=_node_begin+node_width;
_node_cur=_node_begin;
}
void _ToPrevNode()
{
_NodeList.pop();
_node_begin=(T*)(_NodeList.top());
_node_last=_node_begin+node_width;
_node_cur=_node_last;
}
};
扫一扫
1242
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
