STL系列之六 set与hash_set

set和hash_set是STL中比较重要的容器，有必要对其进行深入了解。在STL中，set是以红黑树（RB-tree）作为底层数据结构的，hash_set是以Hash table（哈希表）作为底层数据结构的。set可以在时间复杂度为O(logN)情况下插入、删除和查找数据。hash_set操作的时间复杂度则比较复杂，这取决于哈希函数和哈希表的负载情况。下面列出set和hash_set的常用函数：

set和hase_set的更多函数请查阅MSDN。

set的使用范例如下（hash_set类似）：

// by MoreWindows( http://blog.csdn.net/MoreWindows )#include <set>#include <ctime>#include <cstdio>using namespace std;int main(){    printf("--set使用 by MoreWindows( http://blog.csdn.net/MoreWindows ) --\n\n");    const int MAXN = 15;    int a[MAXN];    int i;    srand(time(NULL));    for (i = 0; i < MAXN; ++i)        a[i] = rand() % (MAXN * 2);    set<int> iset;       set<int>::iterator pos;     //插入数据 insert()有三种重载    iset.insert(a, a + MAXN);    //当前集合中个数 最大容纳数据量    printf("当前集合中个数: %d     最大容纳数据量: %d\n", iset.size(), iset.max_size());    //依次输出    printf("依次输出集合中所有元素-------\n");    for (pos = iset.begin(); pos != iset.end(); ++pos)        printf("%d ", *pos);    putchar('\n');    //查找    int findNum = MAXN;    printf("查找 %d是否存在-----------------------\n", findNum);    pos = iset.find(findNum);    if (pos != iset.end())        printf("%d 存在\n", findNum);    else        printf("%d 不存在\n", findNum);    //在最后位置插入数据，如果给定的位置不正确，会重新找个正确的位置并返回该位置    pos  = iset.insert(--iset.end(), MAXN * 2);     printf("已经插入%d\n", *pos);    //删除    iset.erase(MAXN);    printf("已经删除%d\n", MAXN);    //依次输出    printf("依次输出集合中所有元素-------\n");    for (pos = iset.begin(); pos != iset.end(); ++pos)        printf("%d ", *pos);    putchar('\n');    return 0;}

运行结果如下：

下面试下在set中使用类（结构体也可以类似这样做）。这个类很简单，只有一个成员变量，及设置和获取这个成员变量的成员函数。

//在set中使用类要重载‘<’并实现拷贝构造函数// by MoreWindows( http://blog.csdn.net/MoreWindows )#include <set>#include <ctime>#include <cstdio>using namespace std;class Node{public:    Node(int nAge = 0)    {        m_nAge = nAge;    }    Node(const Node &na)  //拷贝构造函数    {        m_nAge = na.GetAge();    }    int GetAge()    {        return m_nAge;    }private:    int m_nAge;};//不能写成类的成员函数inline bool operator < (const Node &na, const Node &nb) {    return na.GetAge() < nb.GetAge();}int main(){    int i;    set<Node> nset;    for (i = 0; i < MAXN; ++i)        nset.insert(Node(i));    return 0;}

编译，直接报了3个错误！！1个在拷贝构造函数，2个在operator<()函数。如下图所示：

3个错误都是一样的：

error C2662: “Node::GetAge”: 不能将“this”指针从“const Node”转换为“Node &” 转换丢失限定符

这是怎么回事呀？分析下，拷贝构造函数与operator<()函数出错，错误都指向了GetAge()函数，有点古怪，比较下它们与GetAge()函数，可以发现最大的不同点在于这2个函数都用到了const而GetAge()函数没有使用const。难道是这个导致报错了吗？先给GetAge()函数加个const看看，如下：

       int GetAge()  const //增加这个const       {              returnm_nAge;       }

再编译，不报错了。再查下资料，原因如下——因为那2个函数都使用了const修饰的对象，但GetAge()没有加上const以保证它不修改对象，编译器认为这种写法是不安全的，所以就毫不犹豫报了个错误。

这种错误如果不亲身体会下，到笔试面试时很可能写了个错误程序而自己还处于一无所知中（死在这些小细节上最不值得）。另外，如果使用VC6.0则不会提示详细的错误信息——“转换丢失限定符”。

STL还为set提供了一些集合运算的函数，如交集set_intersection()、并集set_union()、差集set_difference()和对称差集set_symmetric_difference()。这些就不详细介绍了，有兴趣可以自己动手试一试。

下面开始对set和hash_set作个性能测试（Win7 +VS2008Release下）。

测试代码如下：

// by MoreWindows( http://blog.csdn.net/MoreWindows )#include <set>#include <hash_set>#include <iostream>#include <ctime>#include <cstdio>#include <cstdlib>using namespace std;using namespace stdext;  //hash_set// MAXN个数据 MAXQUERY次查询const int MAXN = 10000, MAXQUERY = 5000000;int a[MAXN], query[MAXQUERY];void PrintfContainertElapseTime(char *pszContainerName, char *pszOperator, long lElapsetime){    printf("%s 的%s操作 用时 %d毫秒\n", pszContainerName, pszOperator, lElapsetime);}int main(){    printf("set VS hash_set 性能测试 数据容量 %d个 查询次数 %d次\n", MAXN, MAXQUERY);    const int MAXNUM = MAXN * 4;    const int MAXQUERYNUM = MAXN * 4;    printf("容器中数据范围 [0, %d) 查询数据范围[0, %d)\n", MAXNUM, MAXQUERYNUM);    printf("--by MoreWindows( http://blog.csdn.net/MoreWindows ) --\n\n");    //随机生成在[0, MAXNUM)范围内的MAXN个数    int i;    srand(time(NULL));    for (i = 0; i < MAXN; ++i)        a[i] = (rand() * rand()) % MAXNUM;    //随机生成在[0, MAXQUERYNUM)范围内的MAXQUERY个数    srand(time(NULL));    for (i = 0; i < MAXQUERY; ++i)        query[i] = (rand() * rand()) % MAXQUERYNUM;    set<int>       nset;    hash_set<int> nhashset;    clock_t  clockBegin, clockEnd;    //insert    printf("-----插入数据-----------\n");    clockBegin = clock();      nset.insert(a, a + MAXN);     clockEnd = clock();    printf("set中有数据%d个\n", nset.size());    PrintfContainertElapseTime("set", "insert", clockEnd - clockBegin);    clockBegin = clock();      nhashset.insert(a, a + MAXN);     clockEnd = clock();    printf("hash_set中有数据%d个\n", nhashset.size());    PrintfContainertElapseTime("hase_set", "insert", clockEnd - clockBegin);    //find    printf("-----查询数据-----------\n");    int nFindSucceedCount, nFindFailedCount;     nFindSucceedCount = nFindFailedCount = 0;    clockBegin = clock();     for (i = 0; i < MAXQUERY; ++i)        if (nset.find(query[i]) != nset.end())            ++nFindSucceedCount;        else            ++nFindFailedCount;    clockEnd = clock();    PrintfContainertElapseTime("set", "find", clockEnd - clockBegin);    printf("查询成功次数： %d    查询失败次数： %d\n", nFindSucceedCount, nFindFailedCount);    nFindSucceedCount = nFindFailedCount = 0;    clockBegin = clock();      for (i = 0; i < MAXQUERY; ++i)        if (nhashset.find(query[i]) != nhashset.end())            ++nFindSucceedCount;        else            ++nFindFailedCount;    clockEnd = clock();    PrintfContainertElapseTime("hash_set", "find", clockEnd - clockBegin);    printf("查询成功次数： %d    查询失败次数： %d\n", nFindSucceedCount, nFindFailedCount);    return 0;}

在数据容量100万，查询次数500万时，程序运行结果如下：

由于查询的失败次数太多，这次将查询范围变小使用再测试下：

由于结点过多，80多万个结点，set的红黑树树高约为19(2^19=524288，2^20=1048576)，查询起来还是比较费时的。hash_set在时间性能上比set要好一些，并且如果查询成功的几率比较大的话，hash_set会有更好的表现。想知道为什么hash_set会有优良的性能表现，请看继集——《STL系列之九 探索hash_set》。

注1 MSDN上讲set的erase()是有返回值的，但在VS2008中查看set的源代码，erase()函数的三个重载版本中，有二个返回值都为void即无返回值，另一个返回size_type。 可以通过http://msdn.microsoft.com/zh-cn/library/8h4a3515(v=VS.90).aspx查看MSDN上对set的erase()说明。

http://blog.csdn.net/morewindows/article/details/7029587