在GCC和Visual Studio中使用hash_map

 

熟悉STL或熟悉ACM/ICPC的话，其中的set, map, multiset, multimap一定用过无数次了，它们都是用平衡二叉树（红黑树）实现的，复杂度为O(lgn)。我们也知道set, map可以通过哈希来实现，复杂度只有O(1)，可惜直到现在，unsorted_set或hash_map都没能成为C++标准的一部分（C++0x，- -b）。不过无论在GNU GCC中还是Microsoft Visual Studio中都有对hash_set, hash_map, hash_multiset, hash_multimap的支持。

GCC中的hash_map定义在<ext/hash_map>文件，namespace __gnu_cxx中。要定义一个hash_map<int, int>非常简单：

#include <ext/hash_map>
using namespace __gnu_cxx;
hash_map<int, int> hm;

在使用map时，如果我们想要改变元素顺序，或以自定义的struct/class作为key的时候，可以设定map第三个模板参数（默认是less<Key>，即operator<）。对于hash_map，我们需要设定其第三个(hash<Key>)和第四个模板参数(equal_to<Key>, operator==)。

typedef long long my_type;
typedef int any_type;
struct my_hash {
    size_t operator()(const my_type& key) const {
        return (key >> 32) ^ key;
    }
};
struct my_equal_to {
    bool operator()(const my_type& lhs, const my_type& rhs) const {
        return lhs == rhs;
    }
};
hash_map<my_type, any_type, my_hash, my_equal_to> my_hash_map;

对与int等基本类型，系统提供有hash<int>等版本的模板特化，所以只需要指定前两个模板参数就足够了。实现了模板特化的有以下类型

[const] char*, crope, wrope, [signed|unsigned] char, [unsigned] short, [unsigned] int, [unsigned] long

如果需要的话，我们也可以为其他类型实现模板特化

1 // hash_map<Key, Tp, HashFn=hash<Key>, EqualKey=equal_to<Key>, Alloc=allocator<Tp> >
2 #include <cstdio>
3 #include <utility>
4 #include <hash_map>
5 using namespace std;
6 using namespace __gnu_cxx;
7
8 namespace __gnu_cxx {
9     template<>
10     struct hash<pair<int, int> > {
11         size_t operator()(const pair<int, int>& key) const {
12             return key.first * key.second;
13         }
14     };
15 }
16 hash_map<pair<int, int>, int> hm;

Visual C++的hash_map定义在<hash_map>文件，namespace stdext中，早先在namespace std中。其实现与GCC的不同，模板参数也不一样，比如上面的例子在VC++版本如下

1 // hash_map<Key, Type, Traits=hash_compare<Key, less<Key> >, Allocator=allocator<pair<const Key, Type> > >
2 >
3 class hash_map
4 #include <cstdio>
5 #include <utility>
6 #include <hash_map>
7 using namespace std;
8 using namespace stdext;
9
10 template<>
11 struct hash_compare<pair<int, int> > {
12     // the mean number of elements per bucket
13     static const size_t bucket_size = 4;
14     // the minimum number of buckets
15     static const size_t min_buckets = 8;
16     // hash function
17     size_t operator()(const pair<int, int>& key) const {
18         return key.first * key.second;
19     }
20     // compare function
21     bool operator()(const pair<int, int>& lhs, const pair<int, int>& rhs) const {
22         return lhs < rhs;
23     }
24 };
25 hash_map<pair<int, int>, int> hm;

相比前面的hash，上面的hash_compare显然要复杂不少。

不过二者提供的方法基本一致，也和std::map和其他STL容器相似。所以对于上面定义的hash_map，我们都可以用下面的代码进行测试

1 ...
2 int main() {
3     int n;
4     scanf("%d", &n);
5     for (int i = 0; i < n; ++i) {
6         hm[make_pair(i, i)] = i;
7     }
8     for (hash_map<pair<int, int>, int>::iterator i = hm.begin(); i != hm.end(); ++i) {
9         printf("%d ", i->second);
10     }
11     printf("\n%d / %d\n", hm.size(), hm.bucket_count());
12     return 0;
13 }

n取12时，GCC 4.4.1得到的结果是

0 1 2 3 4 5 6 7 8 9 10 11
12 / 193

而Visual Studio 2010得到的结果是

0 4 8 1 3 5 7 9 11 2 6 10
12 / 8

由此我们可以看出二者在hash_map实现上的不同。__gnu_cxx::hash_map保持size<=bucket_count，而以193, 389, 769, 1543…这样近似成倍增长的质数作为bucket_count。stdext::hash_map则保持size<=bucket_size*bucket_count，bucket_count起初为min_buckets=8，不足时以8倍增长。

之所以我们要选择hash_map，是为了获得更高的效率。hash_map比map到底快多少呢，我们通过下面的程序来测试一下。通过__GNUC__和_MSC_VER这两个宏，我们可以把两个版本的代码写到一起

1 #include <map>
2 #include <ctime>
3 #include <cstdio>
4 using namespace std;
5
6 #if defined(_MSC_VER)
7 # include <hash_map>
8 using stdext::hash_map;
9 #elif defined(__GNUC__)
10 # include <ext/hash_map>
11 using __gnu_cxx::hash_map;
12 #else
13 # error 悲剧啊
14 #endif
15
16 int main() {
17     clock_t S;
18
19     S = clock();
20     for (int i = 0; i < 20; ++i) {
21         hash_map<int, int> H;
22         for (int i = 0; i < (1 << 20); ++i) {
23             H[i] = i;
24         }
25     }
26     printf("hash_map: %.2lfs\n", (double)(clock() - S) / CLOCKS_PER_SEC);
27
28     S = clock();
29     for (int i = 0; i < 20; ++i) {
30         map<int, int> M;
31         for (int i = 0; i < (1 << 20); ++i) {
32             M[i] = i;
33         }
34     }
35     printf("map: %.2lfs\n", (double)(clock() - S) / CLOCKS_PER_SEC);
36
37     return 0;
38 }

结果得到的是（gcc和VS的结果分别来自不同机器，因此没有可比性）

* g++ -O2
hash_map: 5.39s
map: 12.35s
* VS2010 Release
hash_map: 9.53s
map: 9.44s

发现g++里hash_map确实要比map快不少，而Visual Studio 2010就是个悲剧，信hash_map不如信春哥啊。

嘛，hash_map确实可能带来一些performance，但不那么stable，所以我们可以考虑优先使用hash_map，而将map最为fallback备胎。

1 #define USE_HASH_MAP ?
2 #if USE_HASH_MAP
3 #include <ext/hash_map>
4 typedef __gnu_cxx::hash_map<int, int> Hash;
5 #else
6 #include <map>
7 typedef std::map<int, int> Hash;
8 #endif

不过在浙大校赛这种judge是优秀的gcc，而比赛环境是混乱的VC6的比赛里。hash_map什么的还是能不用就不用吧……