面试可能遇到的关联式容器（map、set等）相关问题

>>>. map与set的区别是什么，各有哪些优势？

 

map中存储的数据是以键值对（key - value）形式并且通过排序（比较key，默认以 '<' 方式排序）存在的（每个key只能出现一次），set中存储的数据是以值单独通过排序（默认以 '<' 方式排序）存储（每个值只能出现一次）, 对map和set容器进行迭代时都可以获得一个有序序列

 

>对于map来说，由于是关联容器，所以提供一对一的数据处理，而且可以使用 [ ]（下标访问符）,在 [ ] 中放入key，就可以得到key对应的value

>而对于set来说，可以通过自身值唯一性质来做数据的‘去重’操作

>注意：

map/multimap存储的是真正的键值对，set只存放value，但是set底层实际存放的是由value-value组成的键值对。

set中不允许修改元素（一般都为const类型），只能进行插入或者删除，map中也不允许修改key值，但是可以修改key对应的value

map与set查找效率都为O(log2N)，底层实现都为红黑树

 

>>>. 红黑树是如何插入，如何旋转的。

 

红黑树也就是二叉搜索树，所以插入首先按照二叉搜索树方式插入，插入后观察各节点颜色是否满足红黑树性质（即根为黑，父母红则双子节点黑，叶子结点黑（包括空结点），每个结点到叶子结点简单路径上的黑结点数相同，以上4点）

所以插入后会出现以下几种情况：(cur为当前插入的结点)

>1.cur的父母结点（p）及其兄弟节点（u）为红，祖父节点（g）为黑

此时解决方法如图，将p,u 置为红，将g置为黑，之后继续向上调整（g看做cur继续调整）

>2.p与u为红，g为黑

此时需要分情况进行:

若是p为g的左孩子，cur为p的左孩子，则进行右单旋转，然后p置为黑，g置为红（图示）。

若是p为g的右孩子，cur为p的右孩子（前一种对称翻转），则进行左单旋转，然后p置为黑，g置为红.

 

>3.p为红，g与u为黑（或者无u）

p为g的左孩子，cur为p的右孩子，则针对p做左单旋转

p为g的右孩子，cur为p的左孩子（前一种对称翻转），则针对p做右单旋转

则都可以转换为情况2，再根据情况2进行调整

 

>>>. map的迭代器会失效吗，什么情况下失效，如何处理。

 

与vector迭代器失效的场景相似，map的迭代器也会失效，如以下代码：

for (iter = dataMap.begin(); iter != dataMap.end();iter++){
 
int nKey = iter->first;
 
string strValue = iter->second;
 
if (nKey % 2 == 0){
dataMap.erase(iter);
//此时iter已经失效了，进入下一次循环++时就会报错
}
}

//这里有一个常见误区，就是map与vector的erase操作返回值是不同的
//vector中erase执行结束会返回删除元素的下一个元素的迭代器。如下
vector<int> v={1,2,3,4,5};
auto it=v.begin();
for(;it!=v.end();){
if(*it%2){
it=v.erase(it);  //这一句执行完后it指向的是4，erase会自动移位
}
else it++;
}

//但是map中的erase不会自动移位，所以为了防止迭代器失效，通常使用以下两种方法编写：
//1
map<int,string> m;for (auto it = m.begin(); it != m.end();){
if (it->first % 2){
auto it1=it;
it++;
m.erase(it1); 
}
else
it++;
}

//2
……
for (auto it = m.begin(); it != m.end();){
if (it->first % 2){
m.erase(it++); //使用++进行移位，此时it不会失效，因为++运算返回的是运算前的值
}
else
it++;
}

 

>>>. AVL数和红黑树相比，为什么map和set使用了红黑树，红黑树的优势是什么？

 

首先，AVL数和红黑树都是高效的二叉搜索树。红黑树并没有追求绝对的平衡，它只要求部分达到平衡，但是提出了为节点增加颜色，红黑是用非严格的平衡来换取增删节点时候旋转次数的降低，任何不平衡都会在三次旋转之内解决，而AVL有着平衡因子大于等于-1小于等于1的设定，因此在增加或者删除节点的时候，根据不同情况，旋转的次数比红黑树要多。

 

虽然红黑树的查询性能略微逊色于AVL树（毕竟趋近绝对平衡），但是红黑树在插入和删除上优于AVL树，AVL树每次插入删除会进行大量的平衡度计算，而红黑树为了维持红黑性质所做的红黑变换和旋转的开销，相较于AVL树为了维持平衡的开销要小得多。

 

所以若搜索的次数远远大于插入和删除，那么选择AVL，如果搜索，插入删除次数几乎差不多，应该选择红黑树。也是出于这种综合性能的考虑，所以实际运用中红黑树更多

 

最后祝各位生活愉快~~