当前位置: 首页 > news >正文

C/C++工程师面试题(STL篇)

STL 中有哪些常见的容器

STL 中容器分为顺序容器、关联式容器、容器适配器三种类型,三种类型容器特性分别如下:

1. 顺序容器 容器并非排序的,元素的插入位置同元素的值无关,包含 vector、deque、list 

  • vector:动态数组 元素在内存连续存放。随机存取任何元素都能在常数时间完成。在尾端增删元素具有较佳的性能。
  • deque:双向队列 元素在内存连续存放。随机存取任何元素都能在常数时间完成(仅次于 vector )。在两端增删元素具有较佳的性能(大部分情况下是常数时间)。
  • list:双向链表 元素在内存不连续存放。在任何位置增删元素都能在常数时间完成。不支持随机存取。

2. 关联式容器 元素是排序的;插入任何元素,都按相应的排序规则来确定其位置;在查找时具有非常好的性能;通常以平衡二叉树的方式实现,包含set、map。

  • set  set中不允许相同元素
  • map map 与 set 的不同在于 map 中存放的元素有且仅有两个成员变,一个名为 first,另一个名为 second,map 根据 first 值对元素从小到大排序,并可快速地根据 first 来检索元素。

3. 容器适配器 封装了一些基本的容器,使之具备了新的函数功能,包含 stack、queue。

  • stack:栈 栈是项的有限序列,并满足序列中被删除、检索和修改的项只能是最进插入序列的项(栈顶的项),后进先出。
  • queue:队列 插入只可以在尾部进行,删除、检索和修改只允许从头部进行,先进先出。

STL 容器用过哪些,查找的时间复杂度是多少,为什么?

以下是其中一些常见容器的查找时间复杂度以及原因:

  1. vector(向量):查找时间复杂度为O(n),因为vector是基于数组实现的,需要线性遍历整个数组来查找元素。

  2. deque(双端队列):在未排序状态下,查找时间复杂度为O(n),类似于vector。但在有序状态下,可以利用二分查找,降低查找时间复杂度为O(log n)。

  3. list(链表):查找时间复杂度为O(n),因为链表是一种线性结构,需要从头开始顺序查找元素。

  4. set(集合)multiset(多重集合):查找时间复杂度为O(log n),底层通常使用红黑树实现,具有较好的平衡性能。

  5. map(映射)multimap(多重映射):查找时间复杂度为O(log n),底层通常使用红黑树实现,按键进行自动排序。

  6. stack(栈)queue(队列):查找时间复杂度为O(n),因为它们是容器适配器,提供了先进先出(FIFO)或后进先出(LIFO)的接口,并不支持快速查找操作。

因此,对于不同的STL容器,其查找时间复杂度取决于底层数据结构的实现方式和算法设计。

vector 和 list 的区别,分别适用于什么场景?

vector 和 list 的区别:

  1. 底层数据结构:

    • vector: 底层使用动态数组实现。
    • list: 底层使用双向链表实现。
  2. 插入和删除操作:

    • vector: 插入和删除元素效率低。
    • list: 插入和删除元素效率高,因为只需要修改相邻节点的指针。
  3. 随机访问:

    • vector: 支持随机访问,可以通过下标快速访问元素。
    • list: 不支持随机访问,只能通过迭代器顺序访问元素。
  4. 空间和内存分配:

    • vector: vector 一次性分配好内存,不够时才进行扩容。
    • list: list 每次插入新节点都会进行内存申请。

适用场景:

  • vector: 适用于连续存储,支持随机访问,而不在乎插入和删除的效率。

  • list: 适用于不连续的内存空间,如果需要高效的插入和删除,而不关心随机访问。

简述 vector 的实现原理

vector 是一种动态数组,在内存中具有连续的存储空间,支持快速随机访问,由于具有连续的存储空间,所以在插入和删除操作方面,效率比较慢。

当 vector 的大小和容量相等(size==capacity)时,如果再向其添加元素,那么 vector 就需要扩容。vector 容器扩容的过程需要经历以下 3 步:

  1. 重新在堆上创建更大的动态数组,大小是原来的2倍;
  2. 将旧内存空间中的数据,按原有顺序移动到新的内存空间中;
  3. 最后将旧的内存空间释放。

扩容以后它的内存地址会发生改变

迭代器失效原因,有哪些情况

迭代器失效是指迭代器在遍历容器过程中,由于容器的结构发生改变而导致迭代器指向的元素不再有效。

以下是导致迭代器失效的常见情况:

  1. 插入和删除操作: 当在容器中插入或删除元素时,可能会导致容器内存重新分配或元素位置的改变,这可能会使迭代器失效。
  2. 清空容器: 清空容器会使容器内的所有元素被删除,这样迭代器指向的元素就会失效。
  3. 使用引起重新分配的操作: 例如,在vector中使用push_back()添加元素时,如果超出了当前容量,可能会触发重新分配操作,从而使所有迭代器失效。
  4. 排序操作: 如果在排序过程中,容器的元素被移动了位置,迭代器可能会失效。
  5. 使用非常量迭代器遍历过程中修改了容器: 如果在使用非常量迭代器遍历容器的过程中,修改了容器的结构(例如插入或删除元素),会使迭代器失效。

deque 的实现原理

分段连续内存、中控器

deque 是由一段一段的连续空间构成。一旦有必要在 deque 前端或者尾端增加新的空间,便配置一段连续定量的空间,串接在 deque 的头端或者尾端。

deque 采取一块所谓的 map(不是 STL 的 map 容器)作为主控,这里所谓的 map 是一小块连续的内存空间,其中的每个元素(此处成为一个结点)都是一个指针,指向另一段连续性内存空间,称作缓冲区。缓冲区才是 deque的存储空间的主体。

红黑树的特性,为什么要有红黑树

红黑树是一种自平衡的二叉搜索树,它具有以下特性:

  1. 节点颜色: 每个节点要么是红色,要么是黑色。
  2. 根节点和叶子节点: 根节点、叶子节点(NIL节点,即空节点)是黑色的
  3. 颜色相邻节点规则: 不能有两个相邻的红色节点。
  4. 从任一节点到其每个叶子的所有路径都包含相同数目的黑色节点。 这保证了红黑树的关键性质:最长路径不超过最短路径的两倍。

2. 各操作的时间复杂度 插入: O(logN) 查看: O(logN) 删除: O(logN)

map/Set 实现原理,各操作的时间复杂度是多少

1. map 实现原理 map 内部实现了一个红黑树,红黑树有自动排序的功能,因此 map 内部所有元素都是有序的,红黑树的每一个节点都代表着 map 的一个元素。因此,对于 map 进行的查找、删除、添加等一系列的操作都相当于是对红黑树进行的操作。map 中的元素是按照二叉树存储的,特点就是左子树上所有节点的键值都小于根节点的键值,右子树所有节点的键值都大于根节点的键值,使用中序遍历可将键值按照从小到大遍历出来。

2. 各操作的时间复杂度 插入: O(logN) 查看: O(logN) 删除: O(logN)

unordered_map 实现原理

unordered_map 容器和 map 容器一样,以键值对(pair类型)的形式存储数据,存储的各个键值对的键互不相同且不允许被修改。但由于 unordered_map 容器底层采用的是哈希表存储结构,该结构本身不具有对数据的排序功能,所以此容器内部不会自行对存储的键值对进行排序。底层采用哈希表实现无序容器时,会将所有数据存储到一整块连续的内存空间中,并且当数据存储位置发生冲突时,解决方法选用的是“链地址法”(又称“开链法”).

map,unordered_map 的区别

  1. map是基于红黑树实现的,unordered_map是基于哈希表实现的
  2. map根据元素的键值会自动排序,而unordered_map是乱序的
  3. map的增删改查时间复杂度是O(logN),而unordered_map的时间复杂度是最好情况是O(1),最坏情况是O(N)。

相关文章:

C/C++工程师面试题(STL篇)

STL 中有哪些常见的容器 STL 中容器分为顺序容器、关联式容器、容器适配器三种类型,三种类型容器特性分别如下: 1. 顺序容器 容器并非排序的,元素的插入位置同元素的值无关,包含 vector、deque、list vector:动态数组…...

Effective Programming 学习笔记

1 基本语句 1.1 断言 在南溪看来,断言可以用来有效地确定编程中当前代码运行的前置条件,尤其是以下情况: 第三方工具库对输入数据的依赖,例如:minitouch库对Android版本的要求...

【MGR】MySQL Group Replication 背景

目录 17.1 Group Replication Background 17.1.1 Replication Technologies 17.1.1.1 Primary-Secondary Replication 17.1.1.2 Group Replication 17.1.2 Group Replication Use Cases 17.1.2.1 Examples of Use Case Scenarios 17.1.3 Group Replication Details 17.1…...

300分钟吃透分布式缓存-17讲:如何理解、选择并使用Redis的核心数据类型?

Redis 数据类型 首先,来看一下 Redis 的核心数据类型。Redis 有 8 种核心数据类型,分别是 : & string 字符串类型; & list 列表类型; & set 集合类型; & sorted set 有序集合类型&…...

思科网络设备监控

思科是 IT 行业的先驱之一,提供从交换机到刀片服务器的各种设备,以满足中小企业和企业的各种 IT 管理需求。管理充满思科的 IT 车间涉及许多管理挑战,例如监控可用性和性能、管理配置更改、存档防火墙日志、排除带宽问题等等,这需…...

深入剖析k8s-控制器思想

引言 本文是《深入剖析Kubernetes》学习笔记——《深入剖析Kubernetes》 正文 控制器都遵循K8s的项目中一个通用的编排模式——控制循环 for {实际状态 : 获取集群中对象X的实际状态期望状态 : 获取集群中对象X的期望状态if 实际状态 期望状态 {// do nothing} else {执行…...

go并发模式之----使用时顺序模式

常见模式之二:使用时顺序模式 定义 顾名思义,起初goroutine不管是怎么个先后顺序,等到要使用的时候,需要按照一定的顺序来,也被称为未来使用模式 使用场景 每个goroutine函数都比较独立,不可通过参数循环…...

[动态规划]---part1

前言 作者:小蜗牛向前冲 专栏:小蜗牛算法之路 专栏介绍:"蜗牛之道,攀登大厂高峰,让我们携手学习算法。在这个专栏中,将涵盖动态规划、贪心算法、回溯等高阶技巧,不定期为你奉上基础数据结构…...

java 关于 Object 类中的 wait 和 notify 方法。(生产者和消费者模式!)

4、关于 Object 类中的 wait 和 notify 方法。(生产者和消费者模式!) 第一:wait 和 notify 方法不是线程对象的方法,是 java 中任何一个 java 对象都有的方法,因为这两个方法是 Object 类中自带的。 wait 方…...

YOLOv8姿态估计实战:训练自己的数据集

课程链接:https://edu.csdn.net/course/detail/39355 YOLOv8 基于先前 YOLO 版本的成功,引入了新功能和改进,进一步提升性能和灵活性。YOLOv8 同时支持目标检测和姿态估计任务。 本课程以熊猫姿态估计为例,将手把手地教大家使用C…...

【海贼王的数据航海:利用数据结构成为数据海洋的霸主】链表—双向链表

目录 往期 1 -> 带头双向循环链表(双链表) 1.1 -> 接口声明 1.2 -> 接口实现 1.2.1 -> 双向链表初始化 1.2.2 -> 动态申请一个结点 1.2.3 -> 双向链表销毁 1.2.4 -> 双向链表打印 1.2.5 -> 双向链表判空 1.2.6 -> 双向链表尾插 1.2.7 -&…...

做测试还是测试开发,选职业要慎重!

【软件测试面试突击班】2024吃透软件测试面试最全八股文攻略教程,一周学完让你面试通过率提高90%!(自动化测试) 突然发现好像挺多人想投测开和测试的,很多人面试的时候也会被问到这几个职位的区别,然后有测…...

Java面试题总结200道(二)

26、简述Spring中Bean的生命周期? 在原生的java环境中,一个新的对象的产生是我们用new()的方式产生出来的。在Spring的IOC容器中,将这一部分的工作帮我们完成了(Bean对象的管理)。既然是对象,就存在生命周期,也就是作用…...

面试数据库篇(mysql)- 03MYSQL支持的存储引擎有哪些, 有什么区别

存储引擎就是存储数据、建立索引、更新/查询数据等技术的实现方式 。存储引擎是基于表的,而不是基于库的,所以存储引擎也可被称为表类型。 MySQL体系结构 连接层服务层引擎层存储层 存储引擎特点 InnoDB MYSQL支持的存储引擎有哪些, 有什么区别 ? my…...

MySQL深入——25

Join语句如何优化? Join语句的两种算法,分别为Index Nested-Loop Join和Block Nested-Loop Join NLJ在大表Join当中还不错,但BNL在大表join时性能就差很多,很耗CPU资源。 如何优化这两个算法 创建t1,t2算法,在t1中…...

Docker运行时安全之道: 保障容器环境的安全性

引言 Docker作为容器化技术的领军者,为应用部署提供了灵活性和便捷性。然而,在享受这些优势的同时,必须重视Docker运行时的安全性。本文将深入研究一些关键的Docker运行时安全策略,以确保你的容器环境在生产中得到有效的保护。 1. 使用最小特权原则 保持容器以最小权限运…...

前后端分离项目Docker部署指南(上)

目录 前言 一.搭建局域网 1.搭建net-ry局域网,用于部署若依项目 2.注意点 二.安装redis 创建目录 将容器进行挂载 ​编辑 测试是否安装成功 ​编辑 三. 安装MySQL 创建文件夹 上传配置文件并且修改 .启动MySQL容器服务 充许远程连接 四.部署后端 使用…...

ARM 架构下国密算法库

目录 前言GmSSL编译环境准备下载 GmSSL 源码编译 GmSSL 源码SM4 对称加密算法SM2 非对称加密算法小结前言 在当前的国际形式下,国替势不可挡。操作系统上,银河麒麟、统信 UOS、鸿蒙 OS 等国产系统开始发力,而 CPU 市场,也是百花齐放,有 龙芯(LoongArch架构)、兆芯(X86…...

源码的角度分析Vue2数据双向绑定原理

什么是双向绑定 我们先从单向绑定切入,其实单向绑定非常简单,就是把Model绑定到View,当我们用JavaScript代码更新Model时,View就会自动更新。那么双向绑定就可以从此联想到,即在单向绑定的基础上,用户更新…...

动态规划(算法竞赛、蓝桥杯)--树形DP树形背包

1、B站视频链接&#xff1a;E18 树形DP 树形背包_哔哩哔哩_bilibili #include <bits/stdc.h> using namespace std; const int N110; int n,V,p,root; int v[N],w[N]; int h[N],to[N],ne[N],tot; //邻接表 int f[N][N];void add(int a,int b){to[tot]b;ne[tot]h[a];h[a…...

重磅!GPT-6曝光了

就在刚刚&#xff0c;有知情人士爆料&#xff1a;GPT-6正在内测&#xff0c;预计4月16日正式发布。消息源头&#xff0c;是X平台上的科技大V 草莓哥iruletheworldmo。他说&#xff0c;最近OpenAI内部将有大动作&#xff0c;他从中搞到了不少猛料。草莓哥说了一些关键信息&#…...

open-source-jobs未来发展规划:开源工作平台的愿景与路线图

open-source-jobs未来发展规划&#xff1a;开源工作平台的愿景与路线图 【免费下载链接】open-source-jobs A list of Open Source projects offering jobs. 项目地址: https://gitcode.com/gh_mirrors/op/open-source-jobs open-source-jobs 是一个专注于连接开源项目与…...

自动化规划工具提升工单分配效率

自动化规划工具使工单分配更高效 “分支定界”方法可排除混合整数非线性规划问题中的非最优解。 作者&#xff1a;Anupam Purwar 2023年3月28日 阅读时长&#xff1a;4分钟自动化规划工具是结合人工智能与设计算法的程序&#xff0c;用于规划与调度任务、资源和活动。它们广泛应…...

告别信号焦虑:你的手机是如何通过载波聚合(CA)实现网速翻倍的?

告别信号焦虑&#xff1a;你的手机是如何通过载波聚合&#xff08;CA&#xff09;实现网速翻倍的&#xff1f; 站在地铁站台刷短视频突然卡成PPT&#xff0c;商场负一层扫码支付转圈半分钟——这些让人抓狂的场景背后&#xff0c;其实藏着运营商和手机厂商正在悄悄部署的"…...

【JavaSE-网络部分06】TCP 纯高性能优化机制:延迟应答・捎带应答【传输层】

上一期咱们把TCP稳如泰山的三大核心机制——滑动窗口、流量控制、拥塞控制彻底盘明白了&#x1f4da;。 这三者强强联手&#xff0c;既守住了可靠传输的底线&#xff0c;又大幅提升传输效率&#xff0c;让数据既稳又快地跑在网络里。 但TCP对性能的“抠搜”可不止于此&#x1f…...

OpenClaw语音交互方案:Qwen3.5-9B对接Whisper实现语音指令控制

OpenClaw语音交互方案&#xff1a;Qwen3.5-9B对接Whisper实现语音指令控制 1. 为什么需要语音交互能力&#xff1f; 上周我在整理电脑文件时突然想到&#xff1a;既然OpenClaw能模拟人类操作电脑&#xff0c;为什么不给它加上耳朵呢&#xff1f;这个想法源于我经常双手沾满咖…...

Windows用户福音:不用Mac也能搞定uniapp的iOS证书和Profile文件(附详细截图)

Windows平台下高效生成uniapp iOS证书与Profile文件的完整指南 对于许多使用uniapp进行跨平台开发的Windows用户而言&#xff0c;iOS证书和Profile文件的生成一直是个令人头疼的问题。传统方法要求开发者必须拥有Mac设备&#xff0c;这无疑增加了开发门槛和成本。但事实上&…...

Sub-Agent 与 Agent Team 的本质区别

用了 Team 模式的 API&#xff0c;就是 Agent Team 了吗&#xff1f;从一个真实项目出发&#xff0c;拆解两种多 Agent 架构的核心差异。引言&#xff1a;名字叫 Team&#xff0c;就真是 Team 吗&#xff1f; 2026 年&#xff0c;AI 编程圈最热的词之一是"多 Agent 协作&q…...

Qwen3-ForcedAligner-0.6B模型量化实战:减小部署体积

Qwen3-ForcedAligner-0.6B模型量化实战&#xff1a;减小部署体积 语音处理中的强制对齐技术&#xff0c;能够精确匹配文本与语音的时间戳&#xff0c;是语音识别、字幕生成等应用的关键环节。Qwen3-ForcedAligner-0.6B作为一款基于大语言模型的强制对齐工具&#xff0c;支持11种…...

Steam美区支付实战:巧用虚拟VISA与PayPal组合策略,解锁游戏购买与礼品卡赠送

1. Steam美区支付的核心痛点与解决方案 很多玩家都遇到过这样的问题&#xff1a;好不容易注册了美区Steam账号&#xff0c;却发现国内的信用卡根本无法完成支付。我自己刚开始折腾美区账号时&#xff0c;也在这个环节卡了整整两周。Steam的风控机制确实严格得令人头疼&#xff…...