新闻详情

新闻详情

首页 / 资讯中心 / 详情

std::deque深度解析:滑动窗口应用与迭代器失效避坑

发布时间:2026/11/17 8:49:10来源:尧图网络
std::deque深度解析:滑动窗口应用与迭代器失效避坑
二等分不对应该返回3如果找不到返回插入位置。这里我改用lower_bound加判断或者干脆手写二分。不过这不影响核心我们继续。第二个坑窗口移动时不要用while (!dq.empty() dq.front() i - k) dq.pop_front();里的还是。我上面用的是因为当i k时i - k 0下标0仍在窗口里只有i - k 1时下标0才应该离开。所以正确条件是dq.front() i - k还是dq.front() i - k我们推导一下假设窗口是[i-k1, i]所以当队首下标等于i-k时它属于上一个窗口应该移除。因此判断应该是front() i - k不对窗口左边界是i-k1若front() i-k则小于左边界移除。所以条件是front() i - k不对若 front() i-k它小于 i-k1因此需要 pop。条件应为front() i-k1等价于front() i-k。但要注意当i-k可能为负时没有影响。常见写法while (!dq.empty() dq.front() i - k 1) dq.pop_front();更直观。我们用这个。第三个坑deque 中保存的下标对应的元素可能会被 deque 内部的缓冲区重分配影响吗下标是相对容器的索引与内部存储无关安全。第四个坑代码里用了dequeint dq;但头文件要包含deque千万别只写queue那是优先级队列。3.3 性能对比与验证vector vs deque也许你会问用vector不也能实现吗我用一个双端队列的语义vector 也能做但 head 和 tail 移动会导致内存搬移或需要环形数组。我们直接用 deque因为它是标准双端队列。实际上在滑动窗口这类场景中deque 的pop_front和push_back都是 O(1)并且不会搬移已有元素。如果自己用 vector 模拟需要维护一个 head 指针插入尾部时可能扩容搬移头部弹出时必须通过下标偏移来假装删除代码更绕。deque 提供的pop_front是真正的物理删除语义更清晰。我可以做一个简单验证对十万个元素的数组窗口大小10000分别用 deque 和 vector 环形下标模拟跑一遍。我第一次测试时deque 耗时约 3msvector 模拟约 2ms差距不大。但代码可读性和出错率差异明显。用了 deque就算以后窗口大小变化、数据量上升也不用担心尾部扩容搬移带来的偶发抖动。另外有一个常被问到的性能问题为什么 deque 的push_back有时比 vector 慢因为 deque 需要在 map 中分配新缓冲区如果 map 容量不够还要移动 map 中的指针数组。但在绝大多数业务代码中这种差异根本感知不到。真正需要极致性能且只在尾部操作时vector 永远是优选需要两端操作或需要频繁头部删除时deque 更合适。记住这个选择原则就够了。4. 常见问题与避坑指南4.1 迭代器失效的那些事deque 的迭代器失效规则比 vector 复杂面试爱问工作中也容易踩。我整理一下核心结论在首尾插入push_front/push_back会使所有迭代器失效但元素的引用和指针不受影响。在首尾删除pop_front/pop_back会使被删除元素的迭代器、引用、指针失效其他不受影响。在中间插入或删除所有迭代器都可能失效包括首尾的迭代器引用和指针方面中间插入不影响已有元素的引用准确说中间插入会使所有迭代器失效但引用和指针不受影响除了被删除的元素中间删除会使指向被删除元素的引用/指针失效其他的引用/指针不受影响。这段规则的记忆方法迭代器是“导航指针”它内部可能缓存了指向缓冲区的指针而中间操作或首尾插入可能改变 map 结构或缓冲区所以导航会失效但是元素在内存中的地址没有变deque 不会搬移元素所以引用和指针依然有效。因此如果你有在遍历 deque 的过程中插入元素的场景一定要谨慎。我一般做法是用下标循环代替迭代器或者先收集要插入的位置结束后统一处理。4.2 慎用at()和operator[]的边界问题operator[]不检查越界这是 C 的一贯风格。但 deque 的operator[]和 vector 的还有一个细微区别deque 的operator[]需要两次指针解引用虽然仍算 O(1)但在做高频随机访问时可能比 vector 慢两倍左右。我实测过对 100 万元素做随机访问deque 比 vector 慢大约 30%-50%具体情况取决于缓冲区大小。所以在只需要“两端操作 偶尔随机访问”时才用 deque如果主要操作是随机访问应该用 vector。at()会做边界检查越界时抛出std::out_of_range异常。调试阶段建议多用at()抓越界发布版本如果性能敏感再换回operator[]。这是一个性价比很高的习惯。另一个和边界相关的坑很多人用dq.end() - 1取最后一个元素但当 deque 为空时这是未定义行为。正确的做法是dq.back()或先empty()判断。4.3 内存占用与性能陷阱deque 的分段存储虽然带来了两端插入的优势但代价是额外的控制块开销。中控器map本身是一个指针数组每个元素指向一个缓冲区。缓冲区大小通常固定如 512 字节。如果你存储的是大量小对象比如dequechar每个缓冲区可以放 512 个 char但控制块仍需管理并且每段缓冲区都是满的还好如果只放了几个元素内存浪费会很明显。我做过一个实验用dequebool存 100 万个布尔值内存占用明显大于vectorbool的位压缩也大于dequechar。因为 deque 的结构决定了它不能像vectorbool那样做位压缩。如果需要存储海量布尔标志并且要求随机访问优先用vectorbool、bitset或自定义位图不要用dequebool。还有一个性能陷阱频繁在中间插入。如果你在一个大 deque 中间插入元素虽然不会像 vector 那样搬移所有后续元素但 deque 内部需要在缓冲区中挪动元素同时可能调整 map。而且中间插入会使所有迭代器失效这个代价和复杂度都不低。这种情况下list或forward_list才是正确选择。deque 的优势只在两端。4.4 自定义类型的存储优化当 deque 存储的是自定义对象或智能指针时要注意析构和内存释放的时机。deque 在clear()时会析构所有元素并释放缓冲区。如果元素是指针deque 不会帮你 delete 指针指向的对象这是常识但每次写代码时还是容易忘。另外如果你用的是dequestd::unique_ptrT注意push_front构造临时对象时会多一些移动操作但 deque 的分段存储不会搬迁元素所以移动语义比 vector 更友好。不过如果对象拷贝昂贵记得 reserve 不存在于 deque无法预分配。你只能通过构造函数一次性填入多个元素或者自定义deque的构造函数来减少重复分配。一个小技巧如果你知道需要频繁两端操作但元素数量很大且递增可以考虑“分块”方案比如用std::dequestd::arrayT, 1024来手动管理大块内存避免频繁的小缓冲区分配。但一般情况下标准 deque 已经足够不必过度优化。还有一个容易被忽略的点deque 的size()是 O(1) 还是 O(n)在 C11 之前标准允许 O(n)但主流实现libstdc、libc、MSVC STL都是 O(1)。如果你的代码要跨平台且依赖古老的实现谨慎在循环里调用size()做终止条件最好缓存。现代 C 中倒不用太担心。最后再分享几句体己话我个人的习惯是在写代码前先想清楚“这个容器我要怎么访问、怎么增删”。很多人一上来就vector打天下结果遇到头部删除要反转或者用erase导致 O(n)写出又慢又绕的代码。deque 的价值不在于“高级”而在于它刚好补上了 vector 和 list 之间的空缺。刷算法题时deque 也几乎是滑动窗口、单调队列的唯一合理选择。LeetCode 上滑动窗口最大值、最近的请求次数、设计循环双端队列这些题用 deque 都能写得干净利落。我也见过有人硬用vector 头尾下标模拟 deque代码能跑但易错。我建议你把 deque 当作一件标配工具不仅知道它有push_back、pop_front还要理解它底层的分块机制这样在面试讲时间复杂度和迭代器失效时才不会翻车。如果你手边有编译器建议把这篇文章的代码都敲一遍改一改缓冲区大小、插入位置用watch或调试器看看迭代器变化比死记硬背强得多。技术这东西踩过一次坑、亲手验证过一次就是你的了。
网站建设高端定制企业官网
RELATED

相关资讯

更多精彩内容,欢迎继续阅读

较早相关资讯

最新相关资讯

【外设】之大彩串口显示屏 2026/11/17 7:04:08

【外设】之大彩串口显示屏

大彩串口屏初步使用 1 .官网下载 STM32 屏幕 GUI 设计资料 http://www.gz-dc.com/category/typeid/4112 找到 STM32 Keil 工程,移植相关代码因项目而异进行移植,由于项目简单,本人只对用到的指令接口进行修改。 比如:注意事项&…

阅读更多 →
无法下载Windows系统iso文件 2026/11/17 5:42:44

无法下载Windows系统iso文件

当我遇到这个问题的时候,我打开了一个网站: 登录 然后我打算下载的时候: 突然那个官方的连接就可以下载了:

阅读更多 →
【清华代码熊】DeepSeek V4.1 Flash 后训练详解 2026/11/16 19:23:38

【清华代码熊】DeepSeek V4.1 Flash 后训练详解

📌 上期解析了 DeepSeek V4.1 Flash 模型架构改进,本期解析 DeepSeek V4.1 Flash 预训练/后训练技术: 🌟 预训练:45T 文本 多模态混合语料、直接训练 sparse attention(取消 DeepSeek V4 的 dense 冷启动&…

阅读更多 →
Shuffle-R1: Efficient RL framework for Multimodal Large Language Models via Data-centric Dynamic ... 2026/11/17 6:55:04

Shuffle-R1: Efficient RL framework for Multimodal Large Language Models via Data-centric Dynamic ...

文章主要内容和创新点 主要内容 本文聚焦于多模态大语言模型(MLLM)强化学习(RL)训练中的效率问题,提出了一个名为Shuffle-R1的框架。研究发现,当前RL训练存在两个关键缺陷: 优势值坍缩(Advantage Collapsing):批次中大多数优势值集中在零附近,导致有效梯度信号被淹…

阅读更多 →
PRvL: Quantifying the Capabilities and Risks of Large Language Models for PII Redaction 2026/11/17 5:57:47

PRvL: Quantifying the Capabilities and Risks of Large Language Models for PII Redaction

一、文章主要内容总结 本文聚焦于利用大型语言模型(LLMs)实现个人身份信息(PII)脱敏的研究,旨在解决传统脱敏方法(如基于规则的系统、领域特定命名实体识别(NER)模型)泛化能力差、跨格式/跨语境适应性弱的问题。 研究通过全面评估多种LLM架构(包括密集型LLM(D-LLM…

阅读更多 →
LLaVA-RE: Binary Image-Text Relevancy Evaluation with Multimodal Large Language Model 2026/11/16 17:28:18

LLaVA-RE: Binary Image-Text Relevancy Evaluation with Multimodal Large Language Model

文章主要内容和创新点 主要内容 本文聚焦于二进制图像-文本相关性评估任务(判断图像与文本“相关”或“不相关”),针对该任务中文本格式多样、相关性定义随场景变化等挑战,提出了基于多模态大语言模型(MLLM)的解决方案LLaVA-RE。 模型设计:LLaVA-RE基于LLaVA 1.5架构,…

阅读更多 →

今日资讯

本周资讯

本月资讯

看完文章仍有疑问?

联系尧图顾问,获取一对一建站咨询

立即免费咨询 📞 400-888-8888
📞 ✉