QVector底层原理解析

• 前言
• • 追加数据push_back
  • 和链表相比
  • 插入效率
  • 移除元素效率
  • 总结

前言

工作上需要处理近1000万的数据。所以数据存储管理必须高效，第一时间想到QVector。

追加数据push_back

在大数据下主要关心数据即将溢出时如何分配内存：

可以看到，在数据溢出时，每次只会多分配一个数，即: d->size +1（如上图）。然后在realloc重新分配内存，先申请size+1大小，然后使用memcpy将数据拷贝（如下图）。看到这里我觉得这种方式不适合大数据类型，在数据溢出时会反复进行两个步骤：realloc一块内存，memcpy一段数据。

和链表相比

1.通过上面的对比，链表数据存储效率更高，没有多次申请一大块，然后数据搬运的动作。
2.qvetoer查询效率更高，因为数据是一整块，所以只需首地址 + 偏移值即可找到数据，链表需要循环遍历。

插入效率

源码如下，中间插入，从尾部插入push_back,从头部插入push_front也是调用insert：

void push_front(T &&t) { prepend(std::move(t)); }
inline void QVector::prepend(T &&t)
{ insert(begin(), std::move(t)); }

移除元素效率

源码如下，和插入思想基本一致。

总结

Qvector并不适用于大数据存储，频繁的数据写入速率较低。

本文来自互联网用户投稿，文章观点仅代表作者本人，不代表本站立场，不承担相关法律责任。如若转载，请注明出处。 如若内容造成侵权/违法违规/事实不符，请点击【内容举报】进行投诉反馈！