GoodLinGL的博客

内存对齐内存对齐”应该是编译器的“管辖范围”。编译器为程序中的每个“数据单元”安排在适当的位置上。对于内存对齐问题，主要存在于struct和union等复合结构在内存中的分布情况，许多实际的计算机系统对基本类型数据在内存中存放的位置有限制，它们要求这些数据的首地址的值是某个数M（通常是4或8）；对于内存对齐，主要是为了提高程序的性能，数据结构，特别是栈，应尽可能在自然边界上对齐，经过对齐后，cpu的内存访问速度大大提升。Windows中默认对齐数为8，Linux中默认对齐数为4；内存对齐的主要作

先用两张图概括：冒泡排序重复地走访过要排序的数列，一次比较两个元素，如果他们的顺序错误就把他们交换过来。走访数列的工作是重复地进行直到没有再需要交换，也就是说该数列已经排序完成。什么时候最快： 当输入的数据已经是正序时什么时候最慢： 当输入的数据是反序时#include <iostream>using namespace std;template<typename T> //整数或浮点数皆可使用,若要使用类(class)或结构体(struct)时必须重载大于(&g

map与unordered_mapmap： map内部实现了一个红黑树（红黑树是非严格平衡二叉搜索树，而AVL是严格平衡二叉搜索树），红黑树具有自动排序的功能，因此map内部的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搜索树（又名二叉查找树、二叉排序树，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）存储的，使用中序遍历可将键值按照从小到

平衡二叉树平衡二叉树或者是空树，或者是具有如下特征的二叉排序树：(1 )左子树和右子树的深度之差的绝对值不超过1;(2)左子树和右子树也是平衡二叉树。这个方案很好的解决了二叉查找树退化成链表的问题，把插入，查找，删除的时间复杂度最好情况和最坏情况都维持在O(logN)。但是频繁旋转会使插入和删除牺牲掉O(logN)左右的时间，不过相对二叉查找树来说，时间上稳定了很多。红黑树红黑树的性质：节点是红色或黑色。根节点是黑色。每个叶子节点都是黑色的空节点（NIL节点）。每个红色节

定义hash: 元素通过一个函数转换为整数，使得该整数可以尽量唯一地代表这个元素。其中的转换函数即称为哈希函数 H，若元素在转换前为key，那么在转换后就是一个整数H(key)。哈希表最主要的优点是能够在O(1)时间查找某一元素，是效率最高的查找方式。但其缺点是需要利用额外的空间来实现哈希表。哈希函数直接寻址法：恒等变换H(key) = key，即把key作为数组下标；或是线性函数H(key) = a * key + b（适合查找表较小且连续的情况，需要事先知道关键字的分布情况）；数字分析法：如