通知短信+运营短信,5秒速达,支持群发助手一键发送🚀高效触达和通知客户 广告
#(38):存储容器 存储容器(containers)有时候也被称为集合(collections),是能够在内存中存储其它特定类型的对象,通常是一些常用的数据结构,一般是通用模板类的形式。C++ 提供了一套完整的解决方案,作为标准模板库(Standard Template Library)的组成部分,也就是常说的 STL。 Qt 提供了另外一套基于模板的容器类。相比 STL,这些容器类通常更轻量、更安全、更容易使用。如果你对 STL 不大熟悉,或者更喜欢 Qt 风格的 API,那么你就应该选择使用这些类。当然,你也可以在 Qt 中使用 STL 容器,没有任何问题。 本章的目的,是让你能够选择使用哪个容器,而不是告诉你这个类都哪些函数。这个问题可以在文档中找到更清晰的回答。 Qt 的容器类都不继承`QObject`,都提供了隐式数据共享、不可变的特性,并且为速度做了优化,具有较低的内存占用量等。另外一点比较重要的,它们是线程安全的。这些容器类是平台无关的,即不因编译器的不同而具有不同的实现;隐式数据共享,有时也被称作“写时复制(copy on write)”,这种技术允许在容器类中使用传值参数,但却不会出现额外的性能损失。遍历是容器类的重要操作。Qt 容器类提供了类似 Java 的遍历器语法,同样也提供了类似 STL 的遍历器语法,以方便用户选择自己习惯的编码方式。相比而言,Java 风格的遍历器更易用,是一种高层次的函数;而 STL 风格的遍历器更高效,同时能够支持 Qt 和 STL 的通用算法。最后一点,在一些嵌入式平台,STL 往往是不可用的,这时你就只能使用 Qt 提供的容器类,除非你想自己创建。顺便提一句,除了遍历器,Qt 还提供了自己的 foreach 语法(C++ 11 也提供了类似的语法,但有所区别,详见[这里](http://www.devbean.net/2012/06/cpp11-in-qt4/)的 foreach 循环一节)。 Qt 提供了顺序存储容器:`QList`,`QLinkedList`,`QVector`,`QStack`和`QQueue`。对于绝大多数应用程序,`QList`是最好的选择。虽然它是基于数组实现的列表,但它提供了快速的向前添加和向后追加的操作。如果你需要链表,可以使用`QLinkedList`。如果你希望所有元素占用连续地址空间,可以选择`QVector`。`QStack`和`QQueue`则是 LIFO 和 FIFO 的。 Qt 还提供了关联容器:`QMap`,`QMultiMap`,`QHash`,`QMultiHash`和`QSet`。带有“Multi”字样的容器支持在一个键上面关联多个值。“Hash”容器提供了基于散列函数的更快的查找,而非 Hash 容器则是基于二分搜索的有序集合。 另外两个特例:`QCache`和`QContiguousCache`提供了在有限缓存空间中的高效 hash 查找。 我们将 Qt 提供的各个容器类总结如下: * `QList<T>`:这是至今为止提供的最通用的容器类。它将给定的类型 T 的对象以列表的形式进行存储,与一个整型的索引关联。`QList`在内部使用数组实现,同时提供基于索引的快速访问。我们可以使用 `QList::append()`和`QList::prepend()`在列表尾部或头部添加元素,也可以使用`QList::insert()`在中间插入。相比其它容器类,`QList`专门为这种修改操作作了优化。`QStringList`继承自`QList<QString>`。 * `QLinkedList<T>`:类似于 `QList`,除了它是使用遍历器进行遍历,而不是基于整数索引的随机访问。对于在中部插入大量数据,它的性能要优于`QList`。同时具有更好的遍历器语义(只要数据元素存在,`QLinkedList`的遍历器就会指向一个合法元素,相比而言,当插入或删除数据时,`QList`的遍历器就会指向一个非法值)。 * `QVector<T>`:用于在内存的连续区存储一系列给定类型的值。在头部或中间插入数据可能会非常慢,因为这会引起大量数据在内存中的移动。 * `QStack<T>`:这是`QVector`的子类,提供了后进先出(LIFO)语义。相比`QVector`,它提供了额外的函数:`push()`,`pop()`和`top()`。 * `QQueue<T>`:这是`QList`的子类,提供了先进先出(FIFO)语义。相比`QList`,它提供了额外的函数:`enqueue()`,`dequeue()`和`head()`。 * `QSet<T>`:提供单值的数学上面的集合,具有快速的查找性能。 * `QMap<Key, T>`:提供了字典数据结构(关联数组),将类型 T 的值同类型 Key 的键关联起来。通常,每个键与一个值关联。`QMap`以键的顺序存储数据;如果顺序无关,`QHash`提供了更好的性能。 * `QMultiMap<Key, T>`:这是`QMap`的子类,提供了多值映射:一个键可以与多个值关联。 * `QHash<Key, T>`:该类同`QMap`的接口几乎相同,但是提供了更快的查找。`QHash`以字母顺序存储数据。 * `QMultiHash<Key, T>`:这是`QHash`的子类,提供了多值散列。 所有的容器都可以嵌套。例如,`QMap<QString, QList<int> >`是一个映射,其键是`QString`类型,值是`QList<int>`类型,也就是说,每个值都可以存储多个 int。这里需要注意的是,C++ 编译器会将连续的两个 > 当做输入重定向运算符,因此,这里的两个 > 中间必须有一个空格。 能够存储在容器中的数据必须是**可赋值数据类型**。所谓可赋值数据类型,是指具有默认构造函数、拷贝构造函数和赋值运算符的类型。绝大多数数据类型,包括基本类型,比如 int 和 double,指针,Qt 数据类型,例如`QString`、`QDate`和`QTime`,都是可赋值数据类型。但是,`QObject`及其子类(`QWidget`、`QTimer`等)都不是。也就是说,你不能使用`QList<QWidget>`这种容器,因为`QWidget`的拷贝构造函数和赋值运算符不可用。如果你需要这种类型的容器,只能存储其指针,也就是`QList<QWidget *>`。 如果要使用`QMap`或者`QHash`,作为键的类型必须提供额外的辅助函数。`QMap`的键必须提供`operator<()`重载,`QHash`的键必须提供`operator==()`重载和一个名字是`qHash()`的全局函数。 作为例子,我们考虑如下的代码: ~~~ struct Movie { int id; QString title; QDate releaseDate; }; ~~~ 作为 struct,我们当做纯数据类使用。这个类没有额外的构造函数,因此编译器会为我们生成一个默认构造函数。同时,编译器还会生成默认的拷贝构造函数和赋值运算符。这就满足了将其放入容器类存储的条件: ~~~ QList<Movie> movs; ~~~ Qt 容器类可以直接使用`QDataStream`进行存取。此时,容器中所存储的类型必须也能够使用`QDataStream`进行存储。这意味着,我们需要重载`operator<<()`和`operator>>()`运算符: ~~~ QDataStream &operator<<(QDataStream &out, const Movie &movie) { out << (quint32)movie.id << movie.title << movie.releaseDate; return out; } QDataStream &operator>>(QDataStream &in, Movie &movie) { quint32 id; QDate date; in >> id >> movie.title >> date; movie.id = (int)id; movie.releaseDate = date; return in; } ~~~ 根据数据结构的相关内容,我们有必要对这些容器类的算法复杂性进行定量分析。算法复杂度关心的是在数据量增长时,容器的每一个函数究竟有多快(或者多慢)。例如,向`QLinkedList`中部插入数据是一个相当快的操作,并且与`QLinkedList`中已经存储的数据量无关。另一方面,如果`QVector`中已经保存了大量数据,向`QVector`中部插入数据会非常慢,因为在内存中,有一半的数据必须移动位置。为了描述算法复杂度,我们引入 O 记号(大写字母 O,读作“大 O”): * 常量时间:O(1)。如果一个函数的运行时间与容器中数据量无关,我们说这个函数是常量时间的。`QLinkedList::insert()`就是常量时间的。 * 对数时间:O(log n)。如果一个函数的运行时间是容器数据量的对数关系,我们说这个函数是对数时间的。`qBinaryFind()`就是对数时间的。 * 线性时间:O(n)。如果一个函数的运行时间是容器数据量的线性关系,也就是说直接与数量相关,我们说这个函数是限行时间的。`QVector::insert()`就是线性时间的。 * 线性对数时间:O(n log n)。线性对数时间要比线性时间慢,但是要比平方时间快。 * 平方时间:O(n²)。平方时间与容器数据量的平方关系。 基于上面的表示,我们来看看 Qt 顺序容器的算法复杂度: | 查找 | 插入 | 前方添加 | 后方追加 || -- | | -- | -- | --| -- | | `QLinkedList<T>` | O(n) | O(1) | O(1) | O(1) | | `QList<T>` | O(1) | O(n) | 统计 O(1) | 统计 O(1) | | `QVector<T>` | O(1) | O(n) | O(n) | 统计 O(1) | 上表中,所谓“统计”,意思是统计意义上的数据。例如“统计 O(1)”是说,如果只调用一次,其运行时间是 O(n),但是如果调用多次(例如 n 次),则平均时间是 O(1)。 下表则是关联容器的算法复杂度: | 查找键 | 插入 || -- | -- || -- | | -- | -- || -- | -- || -- | | 平均 | 最坏 | 平均 | 最坏 |--| | `QMap<Key, T>` | O(log n) | O(log n) | O(log n) | O(log n) | | `QMultiMap<Key, T>` | O(log n) | O(log n) | O(log n) | O(log n) | | `QHash<Key, T>` | 统计 O(1) | O(n) | O(1) | 统计 O(n) | | `QSet<Key, T>` | 统计 O(1) | O(n) | O(1) | 统计 O(n) | `QVector`、`QHash`和`QSet`的头部添加是统计意义上的 O(log n)。然而,通过给定插入之前的元素个数来调用`QVector::reserve()`、`QHash::reserve()`和`QSet::reserve()`,我们可以把复杂度降到 O(1)。我们会在下面详细讨论这个问题。 `QVector<T>`、`QString`和`QByteArray`在连续内存空间中存储数据。`QList<T>`维护指向其数据的指针数组,提供基于索引的快速访问(如果 T 就是指针类型,或者是与指针大小相同的其它类型,那么 QList 的内部数组中存的就是其实际值,而不是其指针)。`QHash<Key, T>`维护一张散列表,其大小与散列中数据量相同。为避免每次插入数据都要重新分配数据空间,这些类都提供了多余实际值的数据位。 我们通过下面的代码来了解这一算法: ~~~ QString onlyLetters(const QString &in) { QString out; for (int j = 0; j < in.size(); ++j) { if (in[j].isLetter()) out += in[j]; } return out; } ~~~ 我们创建了一个字符串,每次动态追加一个字符。假设我们需要追加 15000 个字符。在算法运行过程中,当达到以下空间时,会进行重新分配内存空间,一共会有 18 次:4,8,12,16,20,52,116,244,500,1012,2036,4084,6132,8180,10228,12276,14324,16372。最后,这个 out 对象一共有 16372 个 Unicode 字符,其中 15000 个是有实际数据的。 上面的分配数据有些奇怪,其实是有章可循的: * `QString`每次分配 4 个字符,直到达到 20。 * 在 20 到 4084 期间,每次分配大约一倍。准确地说,每次会分配下一个 2 的幂减 12。(某些内存分配器在分配 2 的幂数时会有非常差的性能,因为他们会占用某些字节做预订) * 自 4084 起,每次多分配 2048 个字符(4096 字节)。这是有特定意义的,因为现代操作系统在重新分配一个缓存时,不会复制整个数据;物理内存页只是简单地被重新排序,只有第一页和最后一页的数据会被复制。 `QByteArray`和`QList<T>`实际算法与`QString`非常类似。 对于那些能够使用`memcry()`(包括基本的 C++ 类型,指针类型和 Qt 的共享类)函数在内存中移动的数据类型,`QVector<T>`也使用了类似的算法;对于那些只能使用拷贝构造函数和析构函数才能移动的数据类型,使用的是另外一套算法。由于后者的消耗更高,所以`QVector<T>`减少了超出空间时每次所要分配的额外内存数。 `QHash<Key, T>`则是完全不同的形式。`QHash`的内部散列表每次会增加 2 的幂数;每次增加时,所有数据都要重新分配到新的桶中,其计算公式是`qHash(key) % QHash::capacity()`(`QHash::capacity()`就是桶的数量)。这种算法同样适用于 `QSet<T>`和`QCache<Key, T>`。如果你不明白“桶”的概念,请查阅数据结构的相关内容。 对于大多数应用程序。Qt 默认的增长算法已经足够。如果你需要额外的控制,`QVector<T>`、`QHash<Key, T>`、`QSet<T>`、`QString`和`QByteArray`提供了一系列函数,用于检测和指定究竟要分配多少内存: * `capacity()`:返回实际已经分配内存的元素数目(对于`QHash`和`QSet`,则是散列表中桶的个数) * `reserve(size)`:为指定数目的元素显式地预分配内存。 * `squeeze()`:释放那些不需要真实存储数据的内存空间。 如果你知道容器大约有多少数据,那么你可以通过调用`reserve()`函数来减少内存占用。如果已经将所有数据全部存入容器,则可以调用`squeeze()`函数,释放所有未使用的预分配空间。