数据结构为O（log N）查找和更新，考虑到小一级缓存(Data structure for O(l

我目前工作的地方我遇到性能问题的嵌入式设备项目。谱已经位于我想消除的O（N）的操作。

我基本上有两种阵列int A[N]和short B[N] 在条目A是独一无二的，由外部约束排序。最常见的操作是检查是否一个特定的值a出现在A[] 不太频繁，但仍是常见的改变的一个元素A[] 新价值是毫无关系的一个值。

由于最常见的操作是查找，这其中B[]进来，它是指数在排序后的数组A[]使得A[B[i]] < A[B[j]]当且仅当i<j 这意味着，我可以找到值A使用二进制搜索。

当然，当我更新A[k] ，我必须要找到k在B并将其移动到新位置，以维持搜索顺序。由于我知道的新旧值A[k] ，这只是一个memmove()的一个子集的B[]的新老位置之间k 。这是O（N）的操作，我需要修复; 自的新旧值A[k]基本上是随机的我上移动平均约~~N / 2~~ N / 3个元素。

我看着std::make_heap使用[](int i, int j) { return A[i] < A[j]; } [](int i, int j) { return A[i] < A[j]; }作为谓词。在这种情况下，我可以很容易地使B[0]指向的最小元素A ，以及更新B现在是一个便宜的为O（log N）重新平衡操作。不过，我一般不需要的最小值，我需要找到，如果任何给定的值存在。这就是现在O（N日志N）在搜索B 。（我的N个元素的一半是在堆深度日志N，在（日志N）-1四分之一等），这是在哑O（N）直接在搜索没有改善A 。

考虑到std::set有O（日志N）的插入和查找，我会说，它应该可以在这里得到相同的性能更新和查找。但我怎么做呢？我是否需要另一份订单B ？不同的类型？

B目前是short [N]因为A和B一起是我的CPU高速缓存的大小，和我的主存储器是慢了很多。从6要去* N 8 * N个字节就不会很好，但如果我发现还是可以接受的，并更新到O（日志N）两种。

Answer 1:

如果操作只有（1）检查是否值“a”在A属于A和（2）更新值，你为什么不到位数组排序B的使用哈希表 ？特别是如果不增长或尺寸的缩小和值只改变，这将是一个更好的解决方案。哈希表不需要比阵列显著更多的存储器。（另外，B应不改成一个堆，但到二叉搜索树，这可能是自平衡，例如伸展树或红黑树，但树需要左和右的，因为额外的内存指针。）

一种生长存储器使用从6N至8n字节的实际的解决方案是瞄准准确50％填充哈希表，即，使用一个由2N短裤的阵列的哈希表。我会建议实施杜鹃散列机制（见http://en.wikipedia.org/wiki/Cuckoo_hashing ）。阅读文章进一步，你会发现，你可以通过使用多个散列函数获得50％以上的负载系数（即推内存消耗从8N下来，对，比方说，7N）。 “ 利用短短三年散列函数的负载增加至91％。”

维基百科：

通过Zukowski向等人的研究。已经表明，杜鹃散列比链式散列快得多对现代处理器小，高速缓存驻留哈希表 。肯尼斯罗斯所示杜鹃散列bucketized版本（即使用包含多于一个的键水桶变体）比常规方法也可用于大的哈希表的速度更快，当空间利用率是高的。所述bucketized杜鹃哈希表的性能通过Askitis进一步调查，其性能对备选哈希方案相比。

Answer 2:

std::set通常提供O（日志（n））的插入和使用二叉搜索树删除。这不幸的是采用3 * N的空间对于大多数基于指针的实现。假设字长度的数据，1用于数据，2指针左和每个节点上右子。

如果你有一些常数N和可以保证ceil(log2(N))是不到一半的字的大小可以使用树节点每2 * N大小的固定长度的数组。使用1数据，1为两个子节点的索引，存储作为字的上半部和下半部。这是否让你使用一个自我平衡的二叉搜索树的一些方式取决于你的N和字的大小。对于16位系统，你只得到N = 256，但它的32 65K。