面试和工作中的map
map是C++ STL中的关联容器，存储的是键值对（key-value)，可以通过key快速索引到value。map容器中的数据是自动排序的，其排序方式是严格的弱排序（stick weak ordering），即在判断Key1和Key2的大小时，使用“<”而不是“<=”。map 使用二叉搜索树实现，STL map的底层实现是红黑树。
map有几个值得注意的地方：map的赋值运算是深拷贝，即调用map_a = map_b后，map_a中的元素拥有独立的内存空间。map的[]运算比较有意思，当元素不存在的时候会插入新的元素；在map中查找key是否存在时可以用find或count方法，find查找成功返回的是迭代器，查找失败则返回mymap.end()，说明该key不存在；map中的key不允许重复，其count方法只能返回0或1。
map可以做什么？来看一个非常经典的算法面试题：有一个包含100万个整数的大文件，文件的每一行都是一个int型数字，那么如何找到其中出现次数最多的10个数？
从数据存储方面分析，通常一个int是4个字节，100万个int约为4MB字节。在处理这个问题时，需要记录每个整数出现的次数，次数也用一个int来存储，因此总共需要约8MB字节的内存。从数据处理方面分析，可以用一个key和value都为int的map容器来存储数据，通过逐行扫描文件，将文件中的整数作为key保存到map中，对应的value为其在文件中出现次数，这样就完成了数据输入。
对于求N个数中的最大K个数问题，是典型的top K问题，其解决方案是利用一个大小为K的数组构建小顶堆，然后依次对N个数中的元素和堆顶元素做比较，如果满足条件则替换堆顶元素，并重新构建小顶堆，否则处理下一个数据。待所有数据都处理完毕后，小顶堆中的数据集合即为最大的K个数，最后通过堆排序输出即可。
Talk is cheap，show me the code。整个程序的代码非常简短。
#include <string>
#include <vector>
#include <map>
#include <algorithm> // make_heap算法
#include <cstdio>
#include <string.h>
#include <climits>
// 从文件中读取ID值，保存到map中
int ReadDataFile(const std::string &file_name,
std::map<int, int> &map_result) {
FILE *fp = fopen(file_name.c_str(), "r");
if (fp == NULL) {
perror("Open file fail");
return -1;
}
map_result.clear();
char buf[100];
int id;
while (true) {
memset(buf, 0, sizeof(buf));
if (fgets(buf, sizeof(buf), fp) == NULL) {
break;
}
id = atoi(buf);
++map_result[id]; // 记录ID出现次数
}
fclose(fp);
return 0;
}
// 最终结果
typedef struct Result {
int id; // ID值
int times; // 该ID值出现的次数
Result() {
id = 0;
times = 0;
}
// 根据ID出现次数比较大小
bool operator<(const Result &other) const {
return times < other.times;
}
}Result;
// 从map中获取top k的值，并保存到存储Result对象的vector容器中
void GetTopK(std::map<int, int> &map_result,
std::vector<Result> *final_result,
int k) {
// k值可能比map_result中的元素个数要多
size_t min_k = std::min((int)map_result.size(), k);
std::vector<Result> heap;
Result tmp;
for (int i = 0; i < min_k; ++i) {
tmp.id = 0;
tmp.times = INT_MAX; // 初始化为最大
heap.push_back(tmp);
}
// make_heap默认创建的是大顶堆，第三个参数是less
//std::make_heap(heap.begin(), heap.end(), std::less<Result>());
std::make_heap(heap.begin(), heap.end());
for (auto &it : map_result) {
tmp.times = it.second;
// 只需要处理ID出现次数小于堆顶位置元素的情况
if (tmp.times > heap[0].times) {
continue;
}
tmp.id = it.first;
heap[0] = tmp;
std::make_heap(heap.begin(), heap.end());
}
std::sort_heap(heap.begin(), heap.end());
final_result->clear();
final_result->swap(heap);
}
int main(int argc, char **argv) {
// 读取文件数据并保存到map
const std::string file_name = "test.data";
std::map<int, int> map_result;
int ret = ReadDataFile(file_name, map_result);
if (ret < 0) {
printf("ERROR: ReadDataFile fail\n");
return -1;
}
printf("map_result size:%lu\n", map_result.size());
// 获取出现次数最少的100个ID值
std::vector<Result> final_result;
GetTopK(map_result, &final_result, 100);
for (auto &it : final_result) {
printf("id: %6d, times: %d\n", it.id, it.times);
}
return 0;
}
map中的元素是按key排序的，这个题目中其实不需要对key进行排序，C++11提供了基于哈希实现的map容器unordered_map，其访问元素的效率比map要高一些。
另外，这个面试题目有非常多的玩法和变种，例如将数字总数100万改成20个亿，同时限制内存使用不超过2GB，大家可以思考一下解决思路。
map功能强大，它的作用当然不只在于解决面试题目，在一个大型后端系统中，几乎到处都能看到map的身影。例如，面试题中的出现次数最多的数字可以想象为频繁非法访问的黑名单ID，可以用一个map来保存黑名单ID和其访问次数，那么如何使用这个map呢？假如有一个保存了很多ID的vector，里面可能有黑名单ID，在处理数据的时候需要将黑名单ID剔除，代码可以这么写：
#include <map>
#include <vector>
#include <string>
#include <iostream>
using namespace std;
int main() {
vector<int> vi{0, 1, 2, 3, 4, 5};
map<int, string> black_list;
black_list.emplace(3, "aaaa");
black_list[4] = "bbb";
auto it = vi.begin();
while (it != vi.end()) {
if (black_list.find(*it) != black_list.end()) {
vi.erase(it);
} else {
++it;
}
}
cout << *(--it) << endl;
for (it = vi.begin(); it != vi.end(); ++it) {
cout << *it << endl;
}
return 0;
}
想要掌握更多的map原理和使用技巧，推荐大家阅读《C++ Primer》或者网上搜索“C++ map”相关的博客文章，然后主动练习，不断丰富自己的开发武器库。
金句分享
尽管赚钱很好，但拥有有意义的工作和人际关系要比赚钱有价值的多。
——《原则》，作者是瑞·达利欧(Ray Dalio)，全球最大对冲基金桥水基金(Bridgewater)创始人。
