news 2026/4/18 9:13:06

C++的MAP与红黑树

作者头像

张小明

前端开发工程师

1.2k 24
文章封面图
C++的MAP与红黑树

简单回答是:C++的unordered_map不是红黑树。红黑树和哈希表是两种完全不同的数据结构。

为了让您更清晰地了解,下面是两者的核心区别对比:

红黑树 (如std::map)

· 数据结构:自平衡二叉搜索树
· 底层结构:树结构
· 元素顺序:按键排序,有序
· 查询时间复杂度:O(log n)
· 典型实现:红黑树

哈希表 (如std::unordered_map)

· 数据结构:哈希表
· 底层结构:数组+链表/红黑树(桶)
· 元素顺序:无特定顺序,无序
· 查询时间复杂度:平均O(1),最差O(n)
· 典型实现:开散列(链地址法)

🆚 如何区分 map 与 unordered_map

简单来说,你可以通过它们的数据结构、排序特性和头文件来快速区分它们:

· std::map(底层为红黑树):内部元素是有序排列的,无论你如何插入,遍历时都会按键排序。它定义在头文件中。
· std::unordered_map(底层为哈希表):内部元素是无序的,遍历顺序不确定。它定义在 <unordered_map> 头文件中。

因此,你之前实现的红黑树更接近 std::map 的底层原理,而 unordered_map 则使用了不同的技术路线。

🔍 深入理解 unordered_map 的底层:哈希表

既然 unordered_map 不是红黑树,那它的底层是什么呢?

核心原理
其底层是哈希表(Hash Table)。核心思想是通过一个哈希函数,将键(Key)直接映射到数组(通常称为“桶”buckets)的某个位置,从而实现接近常数时间的查找。

哈希冲突处理
不同的键通过哈希函数可能映射到同一个位置,这被称为哈希冲突。unordered_map通常采用 “开散列”或“链地址法” 来解决:数组的每个位置(桶)挂载一个链表(或小型红黑树),所有映射到同一位置的键值对都放在这个链表中。

性能特征与迭代器

· 性能:平均查找时间为O(1),但最坏情况(如所有键都冲突)会退化为O(n)。其迭代器是单向的。
· 扩容:当元素数量增加到一定程度(负载因子超标)时,哈希表会扩容(rehash),即创建一个更大的数组并重新计算所有元素的位置,这个操作比较耗时。

💡 如何选择:map 还是 unordered_map?

选择哪一个取决于你的具体需求,可以参考下面的决策建议:

· 需要元素有序,或按顺序遍历 -> 选择 std::map。
· 追求极致的平均查找/插入速度,且不关心顺序 -> 选择 std::unordered_map。
· 内存敏感,或需要稳定的遍历顺序 -> 优先考虑 std::map。
· 键的类型没有良好的哈希函数,但有比较操作 -> 选择 std::map。

为了帮你更直观地理解它们在代码中的区别,这里有一个简单的对比示例:

#include<iostream>#include<map>#include<unordered_map>intmain(){std::map<int,std::string>ordered_map;std::unordered_map<int,std::string>unordered_map;// 插入一些数据(顺序打乱)ordered_map[3]="Three";ordered_map[1]="One";ordered_map[2]="Two";unordered_map[3]="Three";unordered_map[1]="One";unordered_map[2]="Two";std::cout<<"std::map (红黑树,有序):\n";for(constauto&pair:ordered_map){std::cout<<pair.first<<": "<<pair.second<<std::endl;}// 输出:1: One, 2: Two, 3: Three (按键排序)std::cout<<"\nstd::unordered_map (哈希表,无序):\n";for(constauto&pair:unordered_map){std::cout<<pair.first<<": "<<pair.second<<std::endl;}// 输出顺序不确定,可能是 1, 2, 3,也可能是 2, 1, 3 等return0;}

简单总结一下:
std::map(红黑树)和std::unordered_map(哈希表)是C++中互补的两种重要数据结构。你之前实现的红黑树展现了map底层的有序世界,而unordered_map则代表了基于哈希函数的快速无序查找。

如果你对哈希表的具体实现细节(比如如何设计哈希函数、如何处理冲突的链表结构)或者红黑树与哈希表在更复杂场景下的性能对比感兴趣,我可以为你提供更深入的解释。

版权声明: 本文来自互联网用户投稿,该文观点仅代表作者本人,不代表本站立场。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如若内容造成侵权/违法违规/事实不符,请联系邮箱:809451989@qq.com进行投诉反馈,一经查实,立即删除!
网站建设 2026/4/7 18:33:18

GEO优化工具:首选新榜智汇

从事GEO优化的运营从业者&#xff0c;往往会面临一系列行业特有的实操难题&#xff1a;自家GEO方案在空间数据精准度上更具优势&#xff0c;却因未监测到AI推荐逻辑&#xff0c;眼睁睁看着竞品凭借普通内容获得AI优先推荐&#xff1b;为整合各平台数据&#xff0c;需在ChatGPT对…

作者头像 李华
网站建设 2026/4/16 14:33:10

Hadess基础到实践,如何详细管理Docker制品

Hadess是一款开源免费的制品管理工具&#xff0c;在上一篇中已经介绍了Npm制品详细使用过程&#xff0c;这篇文章将介绍在Hadess中详细的使用Docker制品。1、创建Docker制品库1.1 Docker本地库打开创建本地库界面&#xff1a;点击新建制品库选择新建本地库添加信息点击确认即可…

作者头像 李华
网站建设 2026/4/17 8:56:25

Spring Boot + GPT:我做了一个能自己写 SQL 的后端系统

Spring Boot GPT&#xff1a;我做了一个能自己写 SQL 的后端系统 随着大语言模型技术的快速发展&#xff0c;AI在软件开发领域的应用越来越广泛。本文将详细介绍如何构建一个基于Spring Boot和GPT的智能后端系统&#xff0c;该系统能够根据自然语言描述自动生成SQL查询&#…

作者头像 李华
网站建设 2026/4/16 15:25:21

Spring AI 核心架构解析:构建企业级 AI 应用的 Java 新范式

Spring AI 核心架构解析&#xff1a;构建企业级 AI 应用的 Java 新范式 随着生成式 AI 技术的迅猛发展&#xff0c;大语言模型&#xff08;LLM&#xff09;已从研究实验室走向企业生产环境。然而&#xff0c;如何将 LLM 能力安全、稳定、可维护地集成到现有系统中&#xff0c;…

作者头像 李华
网站建设 2026/4/16 9:02:31

传统 Hal 开发笔记5 —— 添加硬件访问服务

目录一、添加 aidl 文件二、服务端实现三、JNI 层实现四、客户端实现五、服务端和客户端的注册5.1 注册服务端5.2 注册客户端5.3 更新api文件六、Selinux 配置添加硬件访问服务 一、添加 aidl 文件 添加 aidl 文件 frameworks/base/core/java/android/os/IHelloService.aidl…

作者头像 李华