Tips----1

STL

（1）序列式容器（Sequence containers），每个元素都有固定位置－－取决于插入时机和地点，和元素值无关，vector、deque、list；
       Vector：将元素置于一个动态数组中加以管理，可以随机存取元素（用索引直接存取），数组尾部添加或移除元素非常快速。但是在中部或头部安插元素比较费时；
       Deque：是“double-ended queue”的缩写，可以随机存取元素（用索引直接存取），数组头部和尾部添加或移除元素都非常快速。但是在中部或头部安插元素比较费时；
       List：双向链表，不提供随机存取（按顺序走到需存取的元素，O(n)），在任何位置上执行插入或删除动作都非常迅速，内部只需调整一下指针；
（2）关联式容器（Associated containers），元素位置取决于特定的排序准则，和插入顺序无关，set、multiset、map、multimap等。
       Set/Multiset：内部的元素依据其值自动排序，Set内的相同数值的元素只能出现一次，Multisets内可包含多个数值相同的元素，内部由二叉树实现，便于查找；
       Map/Multimap：Map的元素是成对的键值/实值，内部的元素依据其值自动排序，Map内的相同数值的元素只能出现一次，Multimaps内可包含多个数值相同的元素，内部由二叉树实现，便于查找；

（3）容器适配器

      stack

      queue

      priority_queue

调用pop_back()，会将内存还给堆吗

一级空间配置器：用malloc()、free()、realloc()等C函数执行内存配置、释放、重配置操作，并实现出类似的C++new_hanle的机制。

SGI二级空间配置器的原理是：当区块小于128字节，则以内存池（memory pool）管理，回收时管理一个用户归还的空间，类似于哈希桶。

空间配置器也存在一些缺点，但总的来说是优点大于缺点的。
（1）内存并没有还给系统，只换给了空间配置器。有可能在申请大的内存块就不够了。
（2）外部碎片的问题解决了，又引入了内部碎片，自由链表下挂的小结点过多导致。
（3）只有在程序真正退出的时候，内存才释放。

一级/二级配置器

空间配置器，就是用来配置、管理和释放空间的，给所有的容器包括算法提供生存空间。

作用：

（1）提高代码复用率，功能模块化。
（2）减少内存碎片问题。
（3）提高内存分配的效率。
（4）有内存不足时的应对措施。
（5）隐藏实际中对存储空间的分配及释放细节，确保所有被分配的存储空间都最终获得释放。
（5）考虑多线程状态。

考虑到小型区块可能导致的内存碎片问题，设置了两级空间配置器。分别为：一级空间配置器、二级空间配置器。当区块大于128字节，调用一级空间配置器；小于等于128字节，为了降低额外开销，用底层较复杂的二级空间配置器。

map与hash_map区别

C++中，map(来自于 STL) ,底层实现采用红黑树。

hash_map(有很多种实现，底层实现均采用hashtable。目前普遍使用的来自 SGI 的 STL)，还未成为C++标准，不过，在可预见的将来，会成为C++标准。

unordered_map 实现来自于 boost 库，底层实现也是hashtable。

---

unordered_map的初始化比较耗时，我们都知道map是红黑树，unordered_map是哈希表，造成性能差异的原因在于，红黑树初始化时，节点只需要一个，后续的插入只是插入新的节点，但是哈希表初始化时就不是那么简单了，哈希表初始化时需要申请一个数组，数组的每个元素都指向一条链表，所以初始化时需要申请很多内存，相比于map，的确更耗时。

相对于平衡树，hashtable的优点：

插入，查找，删除复杂度为常数时间，大规模查询时，性能差距更为明显。

其实相比于hash，平衡树也是有优点的:

1. 尽管我们都说hash查找插入删除复杂度是常数时间，但这仅仅是个统计上的概念，最差情况下，也是会达到O(n)，而红黑树，最差的情况下也是O(logn)

2.hash实际上是空间换时间的做法，空间越小，操作的时间复杂度越大，操作时间越不稳定，而平衡树则稳定很多

3.还有一个就是序，红黑树是查找树，因此中序遍历的结果就是排好序的。这就使得其在范围查找方面性能优秀，而hash却需要遍历全部数据，之后统计才能得出范围查找的结果。另外，如果你知道一个元素在树中的位置，和它大小相近的元素也在它周围，这就使得获取相近元素的时间很少。另外，我们知道，中序遍历的时间复杂度也只是O(n)，这个性质非常有用。

至于unordered_map，原理和hash_map类似，但其在某些方面做了优化，性能好于hash_map，所以，业界有一个建议，如果不是为了有序，尽量使用unordered_map。

RB与AVL区别

1. 如果插入一个node引起了树的不平衡，AVL和RB-Tree都是最多只需要2次旋转操作，即两者都是O(1)；但是在删除node引起树的不平衡时，最坏情况下，AVL需要维护从被删node到root这条路径上所有node的平衡性，因此需要旋转的量级O(logN)，而RB-Tree最多只需3次旋转，只需要O(1)的复杂度。

2. 其次，AVL的结构相较RB-Tree来说更为平衡，在插入和删除node更容易引起Tree的unbalance，因此在大量数据需要插入或者删除时，AVL需要rebalance的频率会更高。因此，RB-Tree在需要大量插入和删除node的场景下，效率更高。自然，由于AVL高度平衡，因此AVL的search效率更高。

3. map的实现只是折衷了两者在search、insert以及delete下的效率。总体来说，RB-tree的统计性能是高于AVL的。

multimap插入重复数据会如何存放