1. 什么是 Deque?

  • 核心概念: Deque 是 “Double-Ended Queue”(双端队列)的缩写。你可以把它想象成一个可以在两端(头部和尾部)高效地进行添加或删除操作的线性数据结构。
  • 关键特性:
    • 双端操作: 这是 deque 最显著的特点。你可以在队列的开头(front)结尾(back) 快速地插入(push_front, push_back)或删除(pop_front, pop_back)元素。
    • 顺序容器: 元素在 deque 中是按顺序存储的,每个元素都有一个确定的位置(索引)。你可以像数组或 vector 一样,通过下标 operator[]at()随机访问任意位置的元素(效率接近 O(1),但比 vector 稍慢一点,后面解释原因)。
    • 动态大小: 和 vector、list 一样,deque 可以根据需要动态地增长或缩小,你不需要预先指定其大小。
  • 形象比喻: 想象一个特殊的书架(或者更准确地说,一组小书架拼成的大书架)
    • 你既可以从书架的最左边(front) 快速地拿走或放入一本书。
    • 也可以从书架的最右边(back) 快速地拿走或放入一本书。
    • 你还可以直接走到书架中间某个编号的位置(索引),快速找到并取阅(访问)那本书。
    • 当一个小书架放满了,管理员可以轻松地在最左边或最右边拼接一个新的空小书架,而不需要把整个大书架的书都重新整理一遍(这是它和 vector 扩容的关键区别)。

2. Deque 的内部实现机制(理解其高效性的关键)

这是理解 deque 为何能在两端高效操作,以及其随机访问性能、内存特性的核心。典型的 STL 实现(如 GCC 的 libstdc++ 或 Clang 的 libc++)采用一种叫做 “分块数组” 或 “块链” 的策略:

  • 不是一整块连续内存: 不像 std::vector 总是试图维护一整块大的连续内存空间。
  • 由多个固定大小的 “块”(Chunks / Blocks) 组成: Deque 内部管理着一个数组(通常叫 mapblock map,这个数组的每个元素是一个指针,指向一个固定大小的内存块。
  • 块内连续,块间不连续: 每个内存块内部是连续存储元素的。但是,不同的内存块在物理内存上不一定是连续的。这些块通过 map 数组组织起来。
  • map 数组本身也是动态数组: 这个指向块的指针数组 (map) 本身也是一个动态数组(通常实现为 vector)。当 deque 增长导致需要更多的块时,这个 map 数组也可能需要扩容(重新分配和复制指针),但这比 vector 扩容(复制所有元素)开销小得多。
  • 维护关键指针/迭代器: Deque 对象内部维护几个关键信息:
    • 指向 map 数组的指针。
    • map 数组的大小(能容纳多少块指针)。
    • 指向第一个元素所在块的指针(start 迭代器或类似结构,包含块指针、当前块内起始位置)。
    • 指向最后一个元素所在块的下一个位置的指针(finish 迭代器或类似结构,包含块指针、当前块内结束位置)。
    • 通常还会缓存第一个和最后一个元素在各自块内的具体位置。

大家可以通过下面这3幅图来大概理解一下deque的结构:

在这里插入图片描述
在这里插入图片描述
在这里插入图片描述

为什么这种结构支持高效的双端操作?

  • 在头部插入(push_front):
    1. 检查第一个块 start 指向的块是否还有空间(在头部方向)。
    2. 如果有空间: 直接在那个块的空位(start 指针前面)放入新元素,更新 start 的位置信息。非常快 (O(1))
    3. 如果没空间:map 数组的前端(或找到一个空闲位置)分配一个新块,将新元素放入新块的末尾位置(因为新块要加在最前面),然后更新 mapstart 指向这个新块。如果 map 数组前端没空间了,可能需要重新分配并复制 map(这个开销相对小,因为只复制指针)。均摊复杂度接近 O(1)
  • 在尾部插入(push_back):
    1. 检查最后一个块 finish 指向的块是否还有空间(在尾部方向)。
    2. 如果有空间: 直接在那个块的空位放入新元素,更新 finish 的位置信息。非常快 (O(1))
    3. 如果没空间:map 数组的后端分配一个新块,将新元素放入新块的开头位置,更新 mapfinish。同样,map 扩容开销较小。均摊复杂度接近 O(1)
  • 在头部删除(pop_front):
    1. 直接移除 start 当前指向的元素。
    2. 更新 start 指向下一个位置(或下一个块的开头,如果当前块删空了)。
    3. 如果当前块变空,可以释放它(可选,实现可能缓存空块)。O(1)
  • 在尾部删除(pop_back):
    1. 直接移除 finish 前一个位置的元素(finish 通常指向最后一个元素的下一个位置)。
    2. 更新 finish 指向前一个位置(或前一个块的末尾,如果当前块删空了)。
    3. 同样,空块可能被释放或缓存。O(1)

为什么随机访问是 O(1)(接近)?

  1. 计算目标元素位置: 假设每个块固定大小为 block_size (例如 512 字节或存 16/32/64 个元素,取决于元素大小和实现)。
  2. 定位块: 要访问索引 i 处的元素:
    • 首先计算它在哪个块: block_index = (i + start_block_offset) / block_size (需要知道 start 块在 map 中的位置和 start 在它自己块内的偏移)。
    • 然后在 map[block_index] 指向的块内找到偏移: offset_in_block = (i + start_block_offset) % block_size
  3. 直接访问: 通过 map[block_index] + offset_in_block 直接访问元素。
  4. 开销: 这个过程涉及几次整数除法和取模运算(现代 CPU 很快),以及两次指针解引用(访问 map 数组,再访问具体块)。这比 vector 的一次指针偏移访问(start_pointer + i * element_size略慢,但复杂度仍然是常数时间 O(1)。这是“接近 O(1)”的含义,实际常数因子比 vector 大。

3. Deque 的核心操作与复杂度

操作函数时间复杂度说明
头部插入push_front(value)均摊 O(1)在开头添加一个元素。非常高效。
尾部插入push_back(value)均摊 O(1)在末尾添加一个元素。非常高效。
头部删除pop_front()O(1)移除开头元素。非常高效。
尾部删除pop_back()O(1)移除末尾元素。非常高效。
随机访问operator[], atO(1)通过索引访问元素。效率接近 vector,常数因子略高。at 会进行边界检查。
访问头部元素front()O(1)返回开头元素的引用。
访问尾部元素back()O(1)返回末尾元素的引用。
中间插入insert(pos, value)O(n)在迭代器 pos 指定的位置插入元素。需要移动后续元素,效率较低。
中间删除erase(pos)O(n)删除迭代器 pos 指定的元素。需要移动后续元素,效率较低。
获取大小size()O(1)返回当前元素数量(通常内部维护)。
检查是否空empty()O(1)检查 deque 是否为空。
清空clear()O(n)删除所有元素。通常会释放所有内存块(实现可能缓存空块)。

4. Deque 的迭代器失效规则(重要!)

理解迭代器何时失效对安全使用容器至关重要:

  • 插入(push_front, push_back, insert):
    • push_front / push_back通常只使所有迭代器失效(但指向元素的引用和指针通常仍然有效!)。 为什么?因为 map 数组可能重新分配,导致指向块的指针改变。不过,重要提示:大多数现代实现保证 push_front/push_back 不会使指向已有元素的引用和指针失效(失效的是迭代器本身,因为它可能存储了块指针和位置信息)。这是标准允许但不强制的,主流实现(libstdc++, libc++)都提供了这个保证。如果插入导致新块分配,map 重分配,则所有迭代器失效(引用/指针仍然指向有效元素)。如果没导致新块/map重分配,可能只有end()迭代器失效(实现细节)。最安全保守的做法是:在push_front/push_back后,假设所有迭代器可能失效(除非你明确知道当前实现和容量情况)。引用和指针通常安全。
    • insert(pos, value) (在中间插入): 使所有指向插入位置之后(包括pos本身)的迭代器、引用和指针失效。 因为需要移动后面的元素。
  • 删除(pop_front, pop_back, erase):
    • pop_front使指向被删除元素(第一个元素)的迭代器、引用和指针失效。 front() 返回的引用也失效。其他迭代器/引用/指针通常安全。
    • pop_back使指向被删除元素(最后一个元素)的迭代器、引用和指针失效。 back() 返回的引用也失效。其他迭代器/引用/指针通常安全。
    • erase(pos) (在中间删除): 使所有指向被删除元素及其之后位置的迭代器、引用和指针失效。 因为需要移动后面的元素填补空缺。
  • swap 交换两个 deque 后,两个 deque 的所有迭代器、引用和指针都会交换它们的有效性。原来指向 deque A 的迭代器现在指向 deque B 中的对应元素(如果还有效的话),反之亦然。
  • clear 所有迭代器、引用和指针失效。

总结关键点: 在 deque 中间进行插入或删除操作是昂贵的(O(n))且会使相关迭代器失效。在两端操作非常高效,并且通常不会使指向已有元素的引用和指针失效(迭代器本身需要谨慎对待,特别是push_front/push_back之后)。

5. Deque 的典型应用场景

  • 双端队列操作: 这是最直接的用途,当你需要一个队列,但频繁需要同时在队头和队尾进行操作时。例如:
    • 任务调度器: 一些系统可能从队列头部取任务执行,但也允许高优先级任务插入到队列头部(push_front)。
    • 撤销/重做(Undo/Redo)历史记录: 新操作push_back,撤销时pop_back,重做可能需要访问尾部附近。
    • 滑动窗口算法: 需要高效地移除窗口左端元素(pop_front)和添加右端元素(push_back),同时可能需要随机访问窗口内的任意元素来计算最大值、最小值、平均值等。
  • 需要高效随机访问,且插入主要在两端: 如果你需要一个支持随机访问(像数组)的容器,但插入和删除操作主要发生在开头或结尾,而不是中间,那么 deque 是比 vector 更好的选择。Vector 在头部插入/删除是 O(n) 的灾难。
  • 替代 vector 的谨慎选择: 当你对 vector 在尾部插入导致扩容并复制所有元素的性能开销非常敏感,并且你同时需要在头部进行插入操作时。Deque 扩容(添加新块)的开销更小、更平摊。但要注意 deque 的随机访问稍慢且内存占用通常更大。

6. Deque vs. Vector vs. List

特性std::dequestd::vectorstd::list
内部结构分块数组 (块链)单一动态数组双向链表
内存连续性块内连续,块间不连续完全连续完全不连续
随机访问O(1) (接近 vector)O(1) (最快)O(n) (慢)
头部插入/删除O(1) (高效)O(n) (低效, 需要移动所有元素)O(1) (高效)
尾部插入/删除O(1) (高效)均摊 O(1) (高效, 除非扩容)O(1) (高效)
中间插入/删除O(n) (需要移动元素)O(n) (需要移动元素)O(1) (已知位置迭代器)
迭代器失效 (尾部插入)可能失效 (若导致map重分配)可能失效 (若扩容)通常不失效
迭代器失效 (头部插入)可能失效 (若导致map重分配)总是失效通常不失效
内存使用较高 (块指针数组+可能空余空间)较低 (但尾部可能有预留空间)较高 (每个元素需额外指针开销)
缓存友好性中等 (块内友好)非常好 (整个数组连续) (元素分散)
主要优势高效双端操作 + 不错随机访问极致随机访问 + 尾部高效插入任意位置高效插入/删除
主要劣势中间操作慢,内存开销稍大头部/中间插入删除慢,扩容代价大随机访问慢,内存开销大

7. 简单代码示例

#include 
#include 
#include int main() {// 1. 创建 dequestd::deque myDeque = {1, 2, 3}; // {1, 2, 3}// 2. 双端插入myDeque.push_front(0); // {0, 1, 2, 3}myDeque.push_back(4);  // {0, 1, 2, 3, 4}// 3. 访问头部和尾部std::cout << "Front: " << myDeque.front() << std::endl; // 0std::cout << "Back: " << myDeque.back() << std::endl;   // 4// 4. 随机访问 (索引 2)std::cout << "Element at index 2: " << myDeque[2] << std::endl; // 2// 安全随机访问 (索引 2)std::cout << "Element at index 2 (using at): " << myDeque.at(2) << std::endl; // 2// 5. 双端删除myDeque.pop_front(); // {1, 2, 3, 4}myDeque.pop_back();  // {1, 2, 3}// 6. 遍历 (使用迭代器)std::cout << "Deque contents: ";for (auto it = myDeque.begin(); it != myDeque.end(); ++it) {std::cout << *it << " ";}std::cout << std::endl; // Output: 1 2 3// 7. 中间插入 (效率较低!)auto it = myDeque.begin() + 1; // 指向索引1的元素 '2'myDeque.insert(it, 99);       // {1, 99, 2, 3}// 8. 中间删除 (效率较低!)it = myDeque.begin() + 2;     // 指向索引2的元素 '2' (在99之后)myDeque.erase(it);            // {1, 99, 3}// 9. 输出最终结果std::cout << "Final deque: ";for (int num : myDeque) { // 范围for循环std::cout << num << " ";}std::cout << std::endl; // Output: 1 99 3return 0;
}

总结

  • Deque 的核心价值在于双端操作的高效性 (O(1)) 和良好的随机访问能力 (O(1))。 这是它在 STL 容器家族中的独特定位。
  • 理解其分块存储机制是理解其性能特征(为什么两端快、随机访问接近 vector、中间慢)、内存占用和迭代器失效规则的关键。
  • 优先在两端操作。 避免在 deque 中间频繁插入或删除,这比在 list 中做同样操作代价高得多(O(n) vs O(1))。如果需要频繁在中间操作,std::list 是更合适的选择。
  • 随机访问很快,但比 vector 略慢。 如果你需要极致的随机访问速度,并且插入删除只在尾部进行,std::vector 仍然是最优选择。
  • 注意内存使用。 Deque 通常比 vector 占用更多内存,因为它有管理块的开销(指针数组)和块内可能的空间浪费。
  • 小心迭代器失效。 特别是在进行 push_front/push_back(可能使所有迭代器失效)和中间插入删除(使局部迭代器失效)之后。引用和指针指向的元素内容在两端操作后通常仍然有效,这是 deque 一个非常有用且重要的特性。
  • 明智选择容器: 没有“最好”的容器,只有“最合适”的。根据你的具体需求(操作的位置、频率、是否需要随机访问、内存限制、迭代器稳定性要求)来权衡选择 vector、deque 或 list。

本文来自互联网用户投稿,该文观点仅代表作者本人,不代表本站立场。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。
如若转载,请注明出处:http://www.pswp.cn/web/90520.shtml
繁体地址,请注明出处:http://hk.pswp.cn/web/90520.shtml
英文地址,请注明出处:http://en.pswp.cn/web/90520.shtml

如若内容造成侵权/违法违规/事实不符,请联系英文站点网进行投诉反馈email:809451989@qq.com,一经查实,立即删除!

相关文章

GNU到底是什么,与Unix和Linux是什么关系

GNU&#xff08;发音为 /ɡnuː/&#xff0c;类似“革奴”&#xff09;是一个自由软件操作系统项目&#xff0c;由理查德斯托曼&#xff08;Richard Stallman&#xff09;于1983年发起&#xff0c;目标是创建一个完全由自由软件组成的类Unix操作系统。它的名字是一个递归缩写&a…

双指针算法介绍及使用(下)

在上一篇文章中我们已经对双指针有了一定了解&#xff0c;接下来我们通过题目来对双指针进行更好的理解。 1. leetcode 202. 快乐数 这道题使用的方法是快慢指针&#xff0c; 比如说一个数X&#xff0c;那么创建两个变量X1和X2&#xff0c;然后X1每次变化两次&#xff0c;X2变化…

Elasticsearch整合:Repository+RestClient双模式查询优化

Elasticsearch整合&#xff1a;RepositoryRestClient双模式查询优化Elasticsearch 双模式查询优化&#xff1a;Repository RestClient 整合指南一、架构设计&#xff1a;双模式协同工作流二、Repository 模式&#xff1a;快速开发最佳实践2.1 基础配置2.2 高级特性&#xff1a…

Elasticsearch 高级查询语法 Query DSL 实战指南

目录 1、DSL 概述 1.1 DSL按照查询的结构层次划分 1.2 DSL按照检索功能的用途和特性划分 1.3 示例数据准备 2、match_all ——匹配所有文档 3、精确匹配 3.1 term——单字段精确匹配查询 3.2 terms——多值精确匹配 3.3 range——范围查询 3.4 exists——是否存在查询…

DNS 服务正反向解析与 Web 集成实战:从配置到验证全流程

DNS 服务正反向解析配置全流程指南 一、前言 在网络环境中&#xff0c;DNS&#xff08;Domain Name System&#xff09;服务起着至关重要的作用&#xff0c;它负责将域名解析为 IP 地址&#xff0c;以及将 IP 地址反向解析为域名。本文将详细介绍如何配置 DNS 服务的正反向解析…

2025.07.25【宏基因组】|PathoScope 安装与使用指南

PathoScope 安装与使用指南&#xff1a;微生物组数据分析利器 作为一名生物信息工程师&#xff0c;在微生物组数据分析中&#xff0c;我们常常需要高效、准确的工具来鉴定和量化样本中的微生物组成。PathoScope 正是这样一款强大的工具&#xff0c;它能够帮助我们从高通量测序…

AI结对编程:分布式团队的集体记忆外脑

AI结对编程:分布式团队的集体记忆外脑 “当新人通过AI瞬间掌握三年积累的业务规则时,传统‘传帮带’模式正式宣告过时——分布式团队最珍贵的资产不再是代码,而是被AI固化的集体经验。” 一、人脑的带宽困局 柏林新人加入新加坡支付团队,面临恐怖的知识迷宫: - …

栈----1.有效的括号

20. 有效的括号 - 力扣&#xff08;LeetCode&#xff09; /** 括号特性: 左括号必定先出现,每个左括号都需要一个右括号与之匹配,后出现的左括号先匹配 解法: 依据后出现的左括号先匹配,很容易联想到栈,即后进先出 遍历字符串,遇到左括号就在栈中添加一个对应的右括号 遇到右括…

数据报表怎么自动填写内容?总结了几个方法

你有没有遇到过这种情况&#xff1f;月底赶销售报告&#xff0c;Excel里密密麻麻的数据要往Word里搬&#xff0c;光是复制粘贴就折腾半小时&#xff0c;好不容易搞完&#xff0c;老板突然说数据有更新…得&#xff0c;全白干&#xff01;更崩溃的是&#xff0c;这种重复劳动每个…

构造函数是否可以声明成虚函数?

构造函数&#xff08;constructor&#xff09;不能被声明为虚函数。✅ 原因解释 构造函数的主要职责是创建并初始化对象本身&#xff0c;而虚函数机制是基于 虚表指针&#xff08;vptr&#xff09; 的&#xff0c;它只有在对象构造完成之后才会起作用。 所以&#xff1a; 在构造…

【Rust线程池】如何构建Rust线程池、Rayon线程池用法详细解析

✨✨ 欢迎大家来到景天科技苑✨✨ &#x1f388;&#x1f388; 养成好习惯&#xff0c;先赞后看哦~&#x1f388;&#x1f388; &#x1f3c6; 作者简介&#xff1a;景天科技苑 &#x1f3c6;《头衔》&#xff1a;大厂架构师&#xff0c;华为云开发者社区专家博主&#xff0c;…

CAN总线网络的参数协同:从一致性要求到容差边界

CAN总线网络的参数协同&#xff1a;从一致性要求到容差边界 一、引言&#xff1a;CAN总线的“隐形契约”二、CAN通信的核心参数&#xff1a;不止于波特率三、参数一致性的必要性&#xff1a;为何波特率相同仍会失败&#xff1f;四、容差范围的科学界定&#xff1a;从理论计算到…

Activity 启动模式

如何指定 Activity 的启动模式&#xff1f;在 AndroidMainfest.xml 中通过给 <activity> 标签指定 android:lauchMode 来选择启动模式。4种启动模式standard&#xff08;默认&#xff09;&#xff1a;每当启动一个 Activity&#xff0c;都会创建一个新的实例压入返回栈。…

7·22胜算云AI日报:OpenAI再扩容且与英国政府签订三年AI计划、字节GR-3、微软Culture计划、国数局数据基地

OpenAI Oracle&#xff1a;4.5 GW「Stargate II」再扩容&#xff0c;AI 电力版图重排 7 月 22 日&#xff0c;OpenAI 与 Oracle 联合公布“Stargate II”计划&#xff1a;双方将在美国多地追加 4.5 GW 超算级电力与冷却配套&#xff0c;使 Stargate 系列园区总规模跃升至 5 GW…

【优选算法】链表

目录链表常用的技巧和操作1、常用技巧2、常用操作一、[两数相加](https://leetcode.cn/problems/add-two-numbers/description/)二、[两两交换链表中的节点](https://leetcode.cn/problems/swap-nodes-in-pairs/description/)三、[重排链表](https://leetcode.cn/problems/reor…

制造业新突破:AR 培训系统助力复杂操作轻松上手​

在制造业&#xff0c;生产设备复杂、操作流程繁琐&#xff0c;新员工掌握操作技能不易。比如汽车制造企业的发动机装配环节&#xff0c;涉及众多精密零部件安装&#xff0c;对安装顺序、位置精度要求严格&#xff0c;一点小失误都可能影响发动机性能甚至引发质量问题。过去新员…

《计算机网络》实验报告八 加密、数字签名与证书

目 录 1、实验目的 2、实验环境 3、实验内容 3.1 对称加密 3.2 散列函数 3.3 非对称加密 3.4 数字签名 3.5 证书 4、实验结果与分析 4.1 对称加密 4.2 散列函数 4.3 非对称加密 4.4 数字签名 4.5 证书 5、实验小结 5.1 问题与解决办法&#xff1a; 5.2 心得体…

MySQL(157)如何分析和优化存储过程?

分析和优化存储过程是数据库性能优化的重要环节。通过对存储过程进行分析和优化&#xff0c;可以提高数据库操作的执行效率&#xff0c;减少资源消耗&#xff0c;改善系统整体性能。以下是详细的步骤和代码示例&#xff0c;介绍如何分析和优化 MySQL 存储过程。 一、分析存储过…

基于深度学习的胸部 X 光图像肺炎分类系统(一)

本文先重点介绍了过采样的原理是实现。 由于医学数据相对缺乏&#xff0c;过采样是解决数据问题的方法之一。 后续写一篇搭建神经网络的说明 目录 概述 导入必要的库 数据加载和预处理函数 处理样本不均衡函数 构建改进的 CNN 模型函数 主函数 数据生成器generator&…

【PGCCC】在 Postgres 中构建复制安全的 LSM 树

在原生 Postgres 实现中&#xff0c;全文搜索由B 树或GIN&#xff08;广义倒排索引&#xff09;结构支持。这些索引针对相对快速的查找进行了优化&#xff0c;但受限于 B 树的写入吞吐量。 当我们构建pg_searchPostgres 搜索和分析扩展时&#xff0c;我们的优先级有所不同。为了…