STL

STL六大组件（容器，算法，迭代器，配接器，仿函数，配置器）

traits编程技法

基本容器的实现

序列容器：vector、list、deque、slist(单向链表)

关联容器：红黑树—map、set、multimap、multiset,  哈希表—hash_map  hash_set   hash_multimap    hash_multiset

其他：stack（默认底部结构deque）   queue（默认底部结构deque）   heap(vector+算法)   priority_queue（max-heap）

---

STL六大组件：

容器，数据结构的一种实现

算法，常见的算法

迭代器，提供一种遍历容器元素的方法，类似指针

配接器，修饰容器，迭代器和仿函数的接口使其具备不同的功能

仿函数，可调用的对象，函数对象

配置器，分配空间，管理内存的

 

traits编程技法：萃取特性，比如说迭代器的特性有迭代器所指之物的类型，迭代器的类型（input,output,foward,bidirectional,random access）等，一般的迭代器作为类类型可以将类型信息直接封装在类里面，需要的时候直接取用，但是指针作为特殊的迭代器，属于内置类型，因此无法直接通过封装的方式获取类型信息，需要增加一层间接性，就是traits，一个类模板，对于普通的迭代器只是简单的返回本身封装的特性，对于指针可以通过偏特化的方式返回针对指针的特性

 

空间配置器，分一级配置器和二级配置器

一级配置器调用malloc分配内存，并且辅助以new_handler机制用于内存不足时的内存分配

二级空间配置器主要管理内存池，16个（8-128大小）自由链表。用户申请空间的时候先看有没有合适大小的空闲块，有直接从自由链表上面拿，没有的话从内存池中重新配置填充自由链表，如果内存池中的空间不足，调用第一级配置器。如果用户需要的空间大于128，自由链表无法满足也是直接调用第一级配置器

 

---

vector的实现（大小可变的数组）

关键数据：内部记录开始指针start，结束指针finish，可用的最大空间的指针end_of_storage

vector的构造和内存管理：

当添加一个元素的时候，如果已有空间够用直接添加，如果不够用需要重新分配新的更大的空间（已有空间的两倍大，vs是1.5，gcc是2），然后将原来的元素拷贝到新的空间上，释放原来的空间，并在新空间上构造新增的元素。提前配置更大的空间可以不用因为增加元素导致空间不够用需要频繁的配置新的空间。

Vector的迭代器就是普通的指针，random accese

---

list的实现（环状双向链表）

关键数据：头结点的指针

list的构造和内存管理：普通链表的空间配置

list的迭代器把指向链表节点的指针做了一个封装bidirectional 

---

deque的实现（双向队列）

可以实现大小的灵活变大变小，并且可以在两端快速的插入元素，并且空间不够用的情况下不需要像vector那样需要移动全部的元素并且释放空间，只需要分配一个更大的map,并且拷贝指针即可。因此它的实现更加复杂。

关键数据：指向记录数据块的map的指针，头迭代器，尾迭代器

deque的构造和内存管理：

当在尾部添加一个元素时，如果当前尾部的缓冲区有空闲空间，则直接添加，如果没有，则需要申请一块新的缓冲区，并且将新的缓冲区的首地址记录到map下一个空位置。在前面加入元素同理。如果扩张的结果是整个map都没有空间了。那么需要申请一块新的更大的map，把旧的map的值直接复制过来，释放旧的map，然后开辟新的缓冲区，并记录缓冲区的地址到map

deque的迭代器：空间是逻辑连续，需要实现成随机迭代器，因此它的迭代器也十分复杂random accese.  它的迭代器包含了四个指针，分别指向当前缓冲区的首尾，以及缓冲区对应的map中的位置，最后指向当前缓冲区中具体的一个元素

---

红黑树（平衡二叉搜索树）

概念：

a.所有节点非红即黑

b.父节点和子节点不能同时为红

c.任意节点到null节点的任何路径上的黑节点的数目相同

d根节点是黑的

插入节点如何保持树的平衡的

首先插入的节点必定是红的（为了保持所有路径的黑节点的数目相同），如果其父节点是黑色直接插入。如果不是那么需要进行调整。分两种情况：首先约定待插入的节点是x,其父节点是P,其祖父节点是G，其伯父节点是S

第一种情况：S是黑色。如果是LL型，即X是P的左子树，则对PG做一次右旋，然后改变把P改成黑色色，G改成红色；如果是LR型的，则先对PX做一次左旋，就变成LL型了再做处理。

第二种情况：S是红色。需要先进行一次自上而下的操作，从根节点开始遍历待插入节点所在路径上的每一个点，只要遇到一个节点是黑色并且两个子节点都是红色的节点，就把这个节点改成红色，把他的两个子节点改成黑色。这个时候如果改完之后发现这个节点的父节点红色，那么需要把这个节点当成插入节点做一次平衡的调整（肯定是按情况一处理的，因为s肯定是黑色），再将新节点插入，如果可以直接插入，则直接插入，如果不行那么只需要按照情况一对待

关键数据：指向树根的header结点的指针，键值比较准则

内存构造与管理：普通的树节点的配置管理（子节点有指向父节点的指针），头结点(父指针指向树根节点，左指针指向最小节点，右指针指向最大节点)，插入节点之后需要根据红黑树规则进行调整

迭代器：指向树节点的指针 bidirectional

 

map：红黑树中的节点同时存放了键—值对

set：红黑树中的节点只存放键值

multimap：可以重复插入相同元素

multiset：可以重复插入相同元素

---

哈希表

怎么进行哈希映射：首先用哈希函数计算出键值对应的哈希值，然后取模得到对应的桶子。

哈希表的空间配置和内存管理：插入一个元素的时候需要进行哈希映射，将节点插入到对应的桶子，如果桶子为空，直接插入，如果桶子不为空，插入到桶子对应链表的末尾。如果发现插入元素之后需要进行表格重整（即哈希冲突过高，当前哈希表中的元素比桶子的个数多），表格重整即开辟一个更大的哈希表，然后对原来的元素进行重新哈希映射，节点的移动只需要进行节点指针的重新调整，即拔出和插入。因此只涉及到vector buket本身的重新分配和释放，即vector的扩张。

数据结构：哈希函数，相等比较函数，buket vector(桶数组)

迭代器：指向节点的指针  forward 

哈希桶子的个数用的是事先计算好的一系列质数，这样做的好处？

相比于合数质数可以有效的减少碰撞的概率，质数可以使哈希更加均匀的分布