前往小程序,Get更优阅读体验!
立即前往
首页
学习
活动
专区
工具
TVP
发布
社区首页 >专栏 >C++拾趣——STL容器的插入、删除、遍历和查找操作性能对比(Windows VirtualStudio)——删除

C++拾趣——STL容器的插入、删除、遍历和查找操作性能对比(Windows VirtualStudio)——删除

作者头像
方亮
发布2019-01-16 17:04:46
1.5K0
发布2019-01-16 17:04:46
举报
文章被收录于专栏:方亮方亮

相关环境和说明在《C++拾趣——STL容器的插入、删除、遍历和查找操作性能对比(Windows VirtualStudio)——插入》已给出。本文将分析从头部、中间和尾部对各个容器进行删除的性能。(转载请指明出于breaksoftware的csdn博客)

删除

头部删除

元素个数>15000

erase_begin_16384_highest

        vector性能是最差的。我们再看下其他容器

erase_begin_16384

        deque和forward_list性能是最优的。

元素个数<1024

erase_begin_1024

        由于vector的性能太差,上图例中没有将其列出来。

        我们可以观察到,各个容器在特别的元素个数时,会同步发生高耗时的操作。在图中就是各个曲线在某个x轴区间都发生了值快速递增。

结果对比:

        vector的性能始终最差。

        除了vector,非关联容器性能都优于关联容器。

        除了vector,set和map的性能最差。

中间删除

元素个数>15000

erase_mid_16256_highest

        vector的性能最差。我们看下其他容器

erase_mid_16256

        效率最好的是list和forward_list。其他容器差不了太多,包括deque性能也不行。

元素个数<256

erase_mid_256_highest

        和小容器插入表现的不同,vector在从中间删除元素时效率依旧糟糕。

结果对比:

        vector效率持续糟糕。

        list和forward_list性能最优。

        deque和其他关联容器效率相似,比较低效。

尾部删除

元素个数>15000

erase_end_16384_highest

        foward_list效率极差。我们再看下其他容器

erase_end_16384

        vector表现最优。其次是deque和list。

        map的性能要优于set。

        set在元素个数超过3000左右后,效率仅优于forward_list。

结论:

        vector只有在尾部删除时性能最优。在头部和中间删除时,性能始终是最差的。

        forward_list在头部和中间删除时,性能是非常好的。但是在尾部删除时,性能极其差。

        中间删除时,性能最高的是list和forward_list。deque在这个场景下表现很平庸,和其他关联容器差不多。

        头部和尾部删除时,deque性能非常优异。

       文中图例可从如下地址获取:https://github.com/f304646673/stl_perf/tree/master/windows

本文参与 腾讯云自媒体分享计划,分享自作者个人站点/博客。
原始发表:2018年10月06日,如有侵权请联系 cloudcommunity@tencent.com 删除

本文分享自 作者个人站点/博客 前往查看

如有侵权,请联系 cloudcommunity@tencent.com 删除。

本文参与 腾讯云自媒体分享计划  ,欢迎热爱写作的你一起参与!

评论
登录后参与评论
0 条评论
热度
最新
推荐阅读
目录
  • 删除
    • 头部删除
      • 元素个数>15000
      • 元素个数<1024
      • 结果对比:
    • 中间删除
      • 元素个数>15000
      • 元素个数<256
      • 结果对比:
    • 尾部删除
      • 元素个数>15000
    • 结论:
    相关产品与服务
    容器服务
    腾讯云容器服务(Tencent Kubernetes Engine, TKE)基于原生 kubernetes 提供以容器为核心的、高度可扩展的高性能容器管理服务,覆盖 Serverless、边缘计算、分布式云等多种业务部署场景,业内首创单个集群兼容多种计算节点的容器资源管理模式。同时产品作为云原生 Finops 领先布道者,主导开源项目Crane,全面助力客户实现资源优化、成本控制。
    领券
    问题归档专栏文章快讯文章归档关键词归档开发者手册归档开发者手册 Section 归档