为什么 map 会比 unordered_map 快得多？答案

【问题标题】：Why would map be much faster than unordered_map?为什么 map 会比 unordered_map 快得多？
【发布时间】：2011-06-18 07:44:38
【问题描述】：

我实现了一个搜索缓存结果，它包含 State 类型的键（一个具有 7 个短整数的类）和 Score 类型的值（一个 3 个双精度值的类）。使用 unordered_map 至少比 map 慢 20 倍。为什么？

编辑：该死！我的哈希函数是

namespace std {
    size_t hash<State>::operator()(State const& s) const {
        size_t retval = hash<short>()(s.s[0]);
        for (int i = 1; i < R; i += 2) {  // 1 3 5
            int x = (static_cast<int>(s.s[i + 1]) << 16)
                + (static_cast<int>(s.s[i]));
            hash_combine(retval, x);
        }
    }
}

我忘了return retval，所以一切都在碰撞！我希望 unordered_map 有一个 hash_function_quality() 函数来报告平均碰撞次数。

【问题讨论】：

intel i5、gcc、60 万次插入和查找
你在使用带有 unordered_map 的哈希函数吗？
是的。如果我不这样做，它会起作用吗？
对于 60 万个插入，我可能仍然会使用 std::map。访问一个元素只需大约 19 次操作。任何计算机都可以快速执行 19 项操作。甚至是 1950 年代的原型计算机。
实际上是UB掉了一个返回值函数的末尾。 Gcc 确实有一个警告，-Wreturn-type，它包含在 -Wall 中。

标签： c++ dictionary stl unordered-map

【解决方案1】：

std::unordered_map 由于散列函数的原因，通常对于少量元素来说很慢。这需要固定（-ish）的时间，但可能仍然需要大量时间。

另一方面，std::map 比 std::unordered_map 简单。访问元素所需的时间取决于元素的数量，但随着元素数量的增加，时间会越来越少。与 std::unordered_map 相比，std::map 的大因素 c 通常也非常小。

一般来说，最好使用std::map 而不是std::unordered_map，除非您有特定的理由使用std::unordered_map。如果您没有大量元素，这尤其适用。

【讨论】：

很难相信哈希函数会比遍历二叉树的时间长 20 倍。
@ThomasMcLeod：OP 没有提供任何详细信息。不仅哈希函数需要比预期更长的时间，幼稚的哈希函数还会产生大量冲突。
@Fred，我不关注你“没有任何细节”。我们错过了访问模式，真的。假设典型碰撞购买，20 倍没有意义。
@Fred，等等，OP 说 600k 插入，然后是 600k 查找，你还需要什么？
感谢您的建议。下次我一定会记住的。

【解决方案2】：

unordered_map 在后台使用哈希表，因此哈希性能不佳的最明显原因是您有太多的冲突。您可以考虑使用不同的非默认哈希函数，这将为您的键类型提供更好的结果。

【讨论】：

【解决方案3】：

unordered_map 的速度与散列函数的速度成正比。这从来都不是直截了当的关系。举个例子，如果你使用最简单的散列函数：

std::size_t myHash(MyObjectType _object){ return 1; }

那么你最终会得到一个集合，它的行为类似于一个列表，而不是一个散列容器。所有项目都将映射到一个存储桶，您必须遍历整个存储桶，直到找到您想要的项目（这可能需要 O(N) 时间。）

你需要做的是看两件事：

您使用什么散列函数？处理是否花费大量时间？
它产生了多少次冲突？也就是说，有多少唯一元素被映射到同一个哈希值？

它们中的任何一个都可以并且会破坏性能。

【讨论】：

这个答案让我知道可能出了什么问题，所以接受它。

【解决方案4】：

对于

我希望 unordered_map 有一个 hash_function_quality() 函数报告平均数碰撞。

我认为以下功能可能会有所帮助。

unordered_map::load_factor
    float load_factor() const;
The member function returns the average number of elements per bucket.

load_factor越小，哈希函数越好。

【讨论】：

我查看了 load_factor，但问题不是桶上的 E[elements]，而是 E[elements^2]。