在 hashmap/unordered_map 中，当 value 已经包含 key 时，是否可以避免数据重复

Question

给定以下代码：

struct Item
{
    std::string name;
    int someInt;
    string someString;
    Item(const std::string& aName):name(aName){}
};
std::unordered_map<std::string, Item*> items;
Item* item = new Item("testitem");
items.insert(make_pair(item.name, item);

项目名称将在内存中存储两次 - 一次作为 Item 结构的一部分，一次作为映射条目的键。是否可以避免重复？对于大约 1 亿条记录，这种开销会变得很大。

注意： 我需要在 Item 结构中包含名称，因为我使用 hashmap 作为另一个 Item-s 容器的索引，并且我无法访问映射的键值。

Answer 1

假设您用于存储项目的结构首先是一个简单的列表，您可以将其替换为 multi-indexed container。

类似的东西（未经测试）应该满足您的要求：

typedef multi_index_container<
    Item,
    indexed_by<
        sequenced<>,
        hashed_unique<member<Item, std::string, &Item::name
    >
> itemContainer;

itemContainer items;

现在您可以按插入顺序访问项目，也可以按名称查找它们：

itemContainer::nth_index<0>::type & sequentialItems = items.get<O>();
// use sequentialItems as a regular std::list

itemContainer::nth_index<1>::type & associativeItems = items.get<1>();
// uses associativeItems as a regular std::unordered_set

根据您的需要，您也可以使用其他索引。

Answer 2

不，没有。你可以：

• 不要将name 存储在Item 中并单独传递。
• 创建Item、ItemData，其字段与Item 相同，但名称和其中一个除外
  • 从std::pair<std::string, ItemData> 派生Item（= 类型的value_type）或
  • 使其可与该类型相互转换。
• 使用对字符串的引用作为键。您应该能够使用std::reference_wrapper<const std::string> 作为键并在std::cref(value.name) 中传递键作为键，std::cref(std::string(whatever)) 用于搜索。您可能需要专门化 std::hash<std::reference_wrapper<const std::string>>，但这应该很容易。
• 使用std::unordered_set，但它的缺点是查找会为查找创建虚拟Item。
  • 当您实际上将 Item * 作为值类型时，您可以将名称移至基类并使用多态性来避免该缺点。
• 创建自定义哈希映射，例如Boost.Intrusive。

Answer 3

好的，既然你说你使用指针作为值，我特此让我的答案恢复活力。

有点hacky，但应该可以。基本上你使用指针和自定义散列函数

struct Item
{
    std::string name;
    int someInt;
    string someString;
    Item(const std::string& aName):name(aName){}

    struct name_hash  
    { 
       size_t operator() (std::string* name)
       {
           std::hash<std::string> h;
           return h(*name);
       }
    };
};
std::unordered_map<std::string*, Item*, Item::name_hash> items;
Item* item = new Item ("testitem");
items.insert(make_pair(&(item->name), item);

Answer 4

TL;DR如果您使用的是 libstdc++（与 gcc 一起提供），那么您已经可以了。

有3种方式，2种是“简单”的：

• 将您的对象拆分为两个键/值，并停止重复值中的键
• 将您的对象存储在 unordered_set 中

第三个比较复杂，除非你的编译器提供：

• 使用引用计数的std::string 实现（例如libstdc++）

在这种情况下，当您将std::string 复制到另一个时，内部缓冲区的引用计数器会增加...仅此而已。复制推迟到所有者之一请求修改的时间：Copy On Write。

Answer 5

不要在你的结构中存储std::string name 字段。无论如何，当您执行查找时，您已经知道名称字段。