深入研究 C++中的 STL Deque 容器(二)

实验二—— vector::reserve()的资源

　　目的

　　这个实验的目的是vector在加入大量数据之前调用reserve()，和deque进行比较，看它们的内存分配和执行效率怎么样？

　　描述

　　本实验中的测试基本上和实验一相同，除了在测试类的构造函数中加入下面这行代码:

m_vData.reserve(1000000);
　　结果

　　测试程序运行的平台和一些条件：

CPU
1.8 GHz Pentium 4 内存
1.50 GB 操作系统
W2K-SP4 文件中的行数
9874 平均每行字母个数
1755.85 读文件的次数
70 总共插入的数据个数
691180

　　使用Windows任务管理器来记录执行效率，本程序中使用了>Laurent Guinnard 的CDuration类。消耗系统资源如下图：

　 　我们注意到vector不在需要分配花费多余的时间分配内存了，这是由于我们使用了reserve()对于所测试的>691180个数据为我们每 一次插入大量数据的时候保留了足够的内存空间，对于deque存储分配的假设，观察这个测试中的内存分配图形和上一个图形，我们需要进一步量化这个测试。

　　怎样改良内存分配的性能呢？

　　下面这个图例说明随着数据的增加，容量在增加：

　　当增加数据的时候对容量的增加在vector和deque执行效率基本一样，然而，vector在插入数据的时候有一些零星的时间消耗，看下面的图例：

　　通过统计分析vector和deque在插入平均为>1755.85长度的>9874个数据所花费的时间，下面是总结的表格：


Vector

Deque

Mean

0.603724814 sec

Maximum

0.738313000 sec

Minimum

0.559959000 sec


Std. Dev

0.037795736 sec

6-Sigma

0.226774416 sec

Mean

0.588021114 sec

Maximum

0.615617000 sec

Minimum

0.567503000 sec

Std. Dev

0.009907800 sec

6-Sigma

0.059446800 sec

　　实验三——内存回收

　　目的

　　本实验是对假设deque分配的内存不是临近的，而且很难回收进行量化测试分析。

　　描述

　　在本实验中再次用到了实验一中的代码，在调用函数中加入记录增加数据执行的效率具体入下面操作：

for(xRun=0; xRun<NUMBER_OF_XRUNS; xRun++)
{
　df = new CVectorDequeTest;
　elapsed_time = 0;

　for(i=0; i<NUMBER_OF_RUNS*xRun; i++)
　{
　　cout << "Deque - Run " << i << " of " <<
　　NUMBER_OF_RUNS*xRun << "... ";
　　df->ReadTestFile("F://huge.csv",DF_DEQUE);
　　deque_data.push_back(datapoint());
　　deque_data.back().time_to_read = df->GetProcessTime();
　　elapsed_time += deque_data.back().time_to_read;
　　deque_data.back().elapsed_time = elapsed_time;
　　cout << deque_data.back().time_to_read << " seconds/n";
　}
　vnElements.push_back(df->GetDequeSize());
　cout << "/n/nDeleting... ";
　del_deque.Start();
　delete df;
　del_deque.Stop();
　cout << del_deque.GetDuration()/1000000.0 << " seconds./n/n";
　vTimeToDelete.push_back(del_deque.GetDuration()/1000000.0);
}

　　结果

　 　本测试和上面两个实验在相同的平台上运行，除了插入的数据由>9874到>691180，需要插入>70次，下面图例显示了> deque在插入数据的时候分配内存的情况，在deque里插入了平均每个长度为>1755.85的字符串。>

　　尽管从几个曲线图中看到的实际消耗时间不同，但些曲线图都精确到了>R2=95.15%。所给的数据点都实际背离了下表中统计的曲线图数据:

deque Results

Mean

0.007089269 sec

Maximum

11.02838496 sec

Minimum

-15.25901667 sec

Std. Dev

3.3803636 sec

6-Sigma

20.2821816 sec

　　在相同的情况下比较vector的结果是非常有意义的。下面图就是将vector和deque在相同的情况下分配内存消耗的时间比较图：

　　这些数据在这个测试中是>R2=82.12%。这或许可以经过每个点反复运行得到更加优化，在这个问题中这些数据适当地标注了这些点，所给的数据点都实际背离了下表中统计的曲线图数据:


vector Results

Mean

-0.007122715sec

Maximum

0.283452127 sec

Minimum

-0.26724459sec

Std. Dev

0.144572356sec

6-Sigma

0.867434136sec