STL源码剖析 笔记之五 关联式容器

第五章 关联式容器

标准的STL关联式容器分为set和map两大类，以及这两大类的衍生体multiset和multimap。

这些容器的底层机制均以RB-tree完成。 RB-tree也是一个独立容器，但是不开放给外界使用。

所谓关联式容器，观念上类似关联式数据库:每个元素都有一个键值(key)和一个实值(value)。

当元素被插入到关联式容器中时，容器内部结构便依照其键值大小，以某种特定规则将这个元素放置于适当位置。

一般而言，关联式容器是一个平衡二叉树，以便获得良好的搜寻效率。

平衡二叉树包括AVL-tree,RB-tree,AA-tree。

树的总览

1. 二叉搜索树

提供对数时间的元素插入和访问

二叉搜索树的规则：任何节点的键值大于左子树的每一个节点键值，小于右子树的每一个节点的键值。

取最大最小值:沿根节点一直往右得最小值，一直往左得最大值。

元素插入:从根节点开始比较，新数据小则往右走，大则往左走，直到尾端，即可插入。

元素移除: 1.若只有一个子节点，则取而代之。

          2.若有两个子节点，取右子树中的最小值，代替之。

缺点:可能失去平衡

2.平衡二叉搜索树

为了维护平衡，插入和移除操作可能耗时较长，但节省了访问时间。

①AVL tree  加上了额外平衡条件的二叉搜索树，为了确保整棵树的深度为O(logN)。

规则:要求 任何结点的左右子树高度差不大于1。

AVL树在新插入节点后，若失去平衡， 只要调整“从根节点到插入点”路径上，平衡状态被破坏的节点中 最深的那一个即可。

调整方式:

单旋转

双旋转

②RB tree SGI STL中唯一实现的搜寻树。<stl_list.h>

规则:1.每个节点都有颜色，非红即黑。

     2.根节点为黑色。

     3.父子节点不得同时为红。

     4.任何结点到NULL(树尾端)的任何路径，所含黑节点数目必须相同。

     为了方便，NULL被视为黑色。

根据规则4，新增节点必须为红;根据规则3，新增节点的父节点必须为黑。

插入节点， 若不满足RB树的规则，则需要调整颜色并旋转树形。

调整方式:

RBtree的结点

struct __rb_tree_node_base

{

  color_type color; 

  base_ptr parent;

  base_ptr left;

  base_ptr right;

};

template <class Value>

struct __rb_tree_node : public __rb_tree_node_base

{

  Value value_field;

};

RBtree的迭代器

struct __rb_tree_base_iterator

{

  __rb_tree_node_base* node;

  void increment();//

  void decrement();//

};

template <class Value, class Ref, class Ptr>

struct __rb_tree_iterator : public __rb_tree_base_iterator

{

    ...

  reference operator*();

  pointer operator->(); 

  self& operator++() ;

  self operator++(int); 

  self& operator--(); 

  self operator--(int); 

};

RBtree的数据结构

template <class Key, class Value, class KeyOfValue, class Compare,

          class Alloc = alloc>

class rb_tree { // 只有3个数据

            size_type node_count; 

            link_type header;//技巧？

            Compare key_compare;//用来比较键值大小的仿函数

}

RBtree的构造和内存管理

有一个专属的空间配置器rb_tree_node_allocator,用来配置一个节点大小的空间。

构造方式:1.以先有的RBtree复制一棵树;2.生成一棵空树。

空树只有一个header节点，父节点为NULL，子节点均指向自己，颜色为红。

非空树 header与root互为父结点，header左右子节点分别指向极小值和极大值。

RBtree的元素操作

插入 

insert_unique() 键值不可重复

若重复则，插入无效，返回一个pair,第一个元素是RBtree迭代器，第二个元素表示是否成功。

insert_equal()  键值可重复

大则往左，小于等于往右。返回一个RBtree迭代器，指向新增节点。

__insert()             

__rb_tree_rebablance() 

调整RBtree 

元素搜寻

find()

1.set 实现于<stl_set.h>

set的特性是，所有元素都会根据元素的键值被自动排序。

set元素的键值就是实值，实值就是键值。set不允许两个元素有相同的键值。

set iterators是一种constant iterators，杜绝写入。

template <class Key, class Compare, class Alloc = alloc>

class set {

private:

  typedef rb_tree<key_type, value_type, 

                  identity<value_type>, key_compare, Alloc> rep_type;

  rep_type t;  // red-black tree representing set

}

STL提供了一组set/multiset相关算法，包括交集，联集，差集，对称差集。

2.map   实现于<stl_map.h>

map的特性是，所有元素都会根据元素的键值被自动排序。

map的元素都是pair(定义在<stl_pair.h>),同时拥有实值和键值。

pair的第一元素为键值，第二元素为实值。

template <class T1, class T2>

struct pair {

  T1 first;

  T2 second;

};

map不允许两个元素有同样的键值。

可以通过迭代器修改元素的实值，但不能修改键值。

map iterators既不是constant iterators,也不是mutable iterators。

  T& operator[](const key_type& k) {

    return (*((insert(value_type(k, T()))).first)).second;

  }

3.multiset 实现于< stl_multiset.h>

multiset的特性以及用法和set完全相同，唯一的差别在于它允许键值重复。

它的插入操作采用的是RB-tree的insert_equal()而不是insert_unique()。

4.multimap 实现于<stl_multimap.h>

multimap的特性以及用法和map完全相同，唯一的差别在于它允许键值重复。

它的插入操作采用的是RB-tree的insert_equal()而不是insert_unique()。

SGI STL还提供了非标准的关联式容器hash table，以及以此为底层机制而完成的hash_set,hash_map,hash_multiset,hash_multimap。

5.hash table 实现于<stl_hashtable.h>

二叉搜索树具有对数平均时间的表现，但是这样的表现构造在一个假设上:输入数据具有足够的随机性。

hash_table也具有对数平均时间的表现，而且这种表现以统计为基础，不依赖数据的随机性。

hash_table原理:

首先我们需要一个映射函数，把元素映射为在索引范围内的数值，这样的函数称为hash function。

使用hash function的问题:导致碰撞，也就是不同的元素被映射到相同的位置。

避免碰撞方法:线性探测、二次探测、开链

线性探测:当hash function计算出的某个元素的插入位置，已经不可用，则循序向下一一寻找可用空间。

二次探测:当hash function计算出的某个元素的插入位置，已经不可用，则循序尝试H+i^2位置。

开链:为每个表格元素维护一个list，在此list身上执行元素的增删改查等。SGI STL采用开链设计。

hash_table的节点

template <class Value>
struct __hashtable_node
{
  __hashtable_node* next;
  Value val;
};  

hash_table的迭代器

template <class Value, class Key, class HashFcn,
          class ExtractKey, class EqualKey, class Alloc>
struct __hashtable_iterator {
...
  node* cur; //当前节点
  hashtable* ht;//哈希表指针，为了方便从一个bucket调至下一个bucket

...//没有后退操作operator--

}

hash_table的数据结构

template <class Value, class Key, class HashFcn,
          class ExtractKey, class EqualKey,
          class Alloc>
class hashtable {

...
private:
  hasher hash; //散列函数
  key_equal equals; //判断键值是否相同的函数或仿函数
  ExtractKey get_key; //从节点中取出键值的函数或仿函数

  vector<node*,Alloc> buckets;//主存储位置，每个节点附带一个list
  size_type num_elements; //元素总数

...

}

虽然开链法并不要求表格大小必须为质数，但SGI STL仍然以质数设计表格。

hash_table元素的插入与表格重整

首先判断是否需要扩充表格，resize()(元素个数>vector容量则重整，是否为了保证负载系数小于1)

bkt_num决定要插入的元素处于那个bucket下，然后遍历list,如果允许重复，查找是否存在，存在则插入到相同元素的后面并返回;如果不允许重复，查找是否存在，存在则返回。如果未退出，则插入到该list的头部位置。

整个hash table由vector和linked-list组成，复制和整体删除，都需要特别注意内存的释放问题。

hash functions 实现于<stl_hash_fun.h >

对字符串的处理

inline size_t __stl_hash_string(const char* s)
{
  unsigned long h = 0; 
  for ( ; *s; ++s)
    h = 5*h + *s;
  
  return size_t(h);
}

6.hash_set  实现于< stl_hash_set.h >

以hash table为底层机制，所有的操作几乎都为转调hash_table相应函数。hash set没有自动排序功能。

7.hash_map   实现于< stl_hash_map.h >   

以hash table为底层机制，所有的操作几乎都为转调hash_table相应函数。hash map没有自动排序功能。

8.hash_multiset  实现于< stl_hash_set.h >

hash_multiset与hash_set的唯一区别在于，插入时候底层调用的是insert_unique(),而不是insert_equal()。

9. hash_multimap  stl_hash_map.h   实现于< stl_hash_map.h > 

hash_multimap与hash_map的唯一区别在于，插入时候底层调用的是insert_unique(),而不是insert_equal()。

本章节中关于AVL树的旋转，以及RBtree的平衡调整。后面再深入源码去解析。

整个hash table由vector和linked-list组成，复制和整体删除，都需要特别注意内存的释放问题。