jjzjj

c++ - 为什么LLVM选择开放寻址哈希表来实现llvm::StringMap？

coder 2024-02-20 原文

许多消息来源说 open-addressing，llvm::StringMap 中使用的散列冲突处理方法不稳定。据说当负载系数很高(这是可以想象的)时，开放寻址不如链接。

但是如果负载因子低，开放寻址会造成巨大的内存浪费，因为我必须在内存中分配 Bucket_number * sizeof(Record) 字节，即使大多数桶都没有记录。

所以我的问题是，LLVM 选择开放寻址而不是分离链的原因是什么？仅仅是因为缓存局部性带来的速度优势(记录本身存储在桶中)吗？

谢谢:)

编辑:C++11 标准对 std::unordered_set 和 std::unordered_map 的要求暗示了链接方法，而不是开放寻址。为什么LLVM会选择一种连C++标准都达不到的hash冲突处理方式呢？ llvm::StringMap 是否有任何特殊用例可以保证这种偏差？ (编辑:这个 slide deck 将几种 LLVM 数据结构的性能与 STL 对应物的性能进行了比较)

另一个问题，顺便说一句:

llvm::StringMap 如何保证在增长时不重新计算键的哈希值？ manual说:

hash table growth does not recompute the hash values for strings already in the table.

最佳答案

让我们看看the implementation .在这里我们看到该表存储为间接指针记录的并行数组以及任何缓存的 32 位哈希码数组，即单独的结构数组。

有效:

struct StringMap {
 uint32_t hashcode[CAPACITY];
 StringMapEntry *hashptr[CAPACITY];
};

除了容量是动态的并且负载系数似乎保持在容量的 37.5% 到 75% 之间。

对于 N 记录一个负载因子 F 这会产生 N/F 指针加上 N/F 整数与 N*(1+1/F) 指针和等效链式实现的 N 整数相比，开放寻址实现。在典型的 64 位系统上，开放地址版本的大小在 ~4% 到 ~30% 之间较小。

然而，正如您所怀疑的那样，这里的主要优势在于缓存效果。除了平均缓存通过缩小数据来减少争用之外，冲突过滤归结为对连续 32 位哈希键的线性重新探测，而不检查任何进一步的信息。因此，在链接必须跟随到可能未缓存的存储的链式情况下，拒绝冲突要快得多，因此可以使用显着更高的加载因子。另一方面，必须在指针查找表上进行一次额外的可能缓存未命中，但这是一个常数，不会随着相当于一次链式冲突的负载而降低。

有效:

StringMapEntry *StringMap::lookup(const char *text) {
    for(uint32_t *scan = &hashcode[hashvalue % CAPACITY]; *scan != SENTINEL; ++scan) {
        uint32_t hash_value = hash_function(text);
        if(hash_value == *scan) {
            StringMapEntry *entry = p->hashptr[scan - hashcode];
            if(!std::strcmp(entry->text, text))
                return entry;
            }
        }
    }
}

加上包装等细微之处。

关于你的第二个问题，优化是预先计算和存储哈希键。这会浪费一些存储空间，但可以防止检查可能很长的可变长度字符串的昂贵操作，除非几乎可以确定匹配。在退化的情况下，复杂的模板名称修改可能有数百个字符。

进一步优化 RehashTable是使用二次幂而不是素数表大小。这确保了有效地增长表会带来一个额外的哈希码位发挥作用，并将加倍的表去交织成两个连续的目标数组，有效地使操作成为缓存友好的线性扫描。

关于c++ - 为什么LLVM选择开放寻址哈希表来实现llvm::StringMap？，我们在Stack Overflow上找到一个类似的问题： https://stackoverflow.com/questions/45387613/

ampStringMapcodestrongc++data-structureshashhashmapllvm

有关c++ - 为什么LLVM选择开放寻址哈希表来实现llvm::StringMap？的更多相关文章

  1. ruby - 为什么我可以在 Ruby 中使用 Object#send 访问私有(private)/ protected 方法？ - 2

    类classAprivatedeffooputs:fooendpublicdefbarputs:barendprivatedefzimputs:zimendprotecteddefdibputs:dibendendA的实例a=A.new测试a.foorescueputs:faila.barrescueputs:faila.zimrescueputs:faila.dibrescueputs:faila.gazrescueputs:fail测试输出failbarfailfailfail.发送测试[:foo,:bar,:zim,:dib,:gaz].each{|m|a.send(m)resc

  2. ruby-on-rails - Rails - 子类化模型的设计模式是什么？ - 2

    我有一个模型:classItem项目有一个属性“商店”基于存储的值，我希望Item对象对特定方法具有不同的行为。Rails中是否有针对此的通用设计模式？如果方法中没有大的if-else语句，这是如何干净利落地完成的？ 最佳答案 通常通过Single-TableInheritance. 关于ruby-on-rails-Rails-子类化模型的设计模式是什么？，我们在StackOverflow上找到一个类似的问题： https://stackoverflow.co

  3. ruby - 什么是填充的 Base64 编码字符串以及如何在 ruby​​ 中生成它们？ - 2

    我正在使用的第三方API的文档状态:"[O]urAPIonlyacceptspaddedBase64encodedstrings."什么是“填充的Base64编码字符串”以及如何在Ruby中生成它们。下面的代码是我第一次尝试创建转换为Base64的JSON格式数据。xa=Base64.encode64(a.to_json) 最佳答案 他们说的padding其实就是Base64本身的一部分。它是末尾的“=”和“==”。Base64将3个字节的数据包编码为4个编码字符。所以如果你的输入数据有长度n和n%3=1=>"=="末尾用于填充n%

  4. ruby - 解析 RDFa、微数据等的最佳方式是什么，使用统一的模式/词汇(例如 schema.org)存储和显示信息 - 2

    我主要使用Ruby来执行此操作，但到目前为止我的攻击计划如下:使用gemsrdf、rdf-rdfa和rdf-microdata或mida来解析给定任何URI的数据。我认为最好映射到像schema.org这样的统一模式，例如使用这个yaml文件，它试图描述数据词汇表和opengraph到schema.org之间的转换:#SchemaXtoschema.orgconversion#data-vocabularyDV:name:namestreet-address:streetAddressregion:addressRegionlocality:addressLocalityphoto:i

  5. ruby - 为什么 4.1%2 使用 Ruby 返回 0.0999999999999996？但是 4.2%2==0.2 - 2

    为什么4.1%2返回0.0999999999999996？但是4.2%2==0.2。 最佳答案 参见此处:WhatEveryProgrammerShouldKnowAboutFloating-PointArithmetic实数是无限的。计算机使用的位数有限(今天是32位、64位)。因此计算机进行的浮点运算不能代表所有的实数。0.1是这些数字之一。请注意，这不是与Ruby相关的问题，而是与所有编程语言相关的问题，因为它来自计算机表示实数的方式。 关于ruby-为什么4.1%2使用Ruby返

  6. ruby-on-rails - 如何优雅地重启 thin + nginx？ - 2

    我的瘦服务器配置了nginx，我的ROR应用程序正在它们上运行。在我发布代码更新时运行thinrestart会给我的应用程序带来一些停机时间。我试图弄清楚如何优雅地重启正在运行的Thin实例，但找不到好的解决方案。有没有人能做到这一点？ 最佳答案 #Restartjustthethinserverdescribedbythatconfigsudothin-C/etc/thin/mysite.ymlrestartNginx将继续运行并代理请求。如果您将Nginx设置为使用多个上游服务器，例如server{listen80;server

  7. ruby - ruby 中的 TOPLEVEL_BINDING 是什么？ - 2

    它不等于主线程的binding，这个toplevel作用域是什么？此作用域与主线程中的binding有何不同？>ruby-e'putsTOPLEVEL_BINDING===binding'false 最佳答案 事实是，TOPLEVEL_BINDING始终引用Binding的预定义全局实例，而Kernel#binding创建的新实例>Binding每次封装当前执行上下文。在顶层，它们都包含相同的绑定(bind)，但它们不是同一个对象，您无法使用==或===测试它们的绑定(bind)相等性。putsTOPLEVEL_BINDINGput

  8. ruby - Infinity 和 NaN 的类型是什么？ - 2

    我可以得到Infinity和NaNn=9.0/0#=>Infinityn.class#=>Floatm=0/0.0#=>NaNm.class#=>Float但是当我想直接访问Infinity或NaN时:Infinity#=>uninitializedconstantInfinity(NameError)NaN#=>uninitializedconstantNaN(NameError)什么是Infinity和NaN？它们是对象、关键字还是其他东西？ 最佳答案 您看到打印为Infinity和NaN的只是Float类的两个特殊实例的字符串

  9. ruby-on-rails - 如果 Object::try 被发送到一个 nil 对象，为什么它会起作用？ - 2

    如果您尝试在Ruby中的nil对象上调用方法，则会出现NoMethodError异常并显示消息:"undefinedmethod‘...’fornil:NilClass"然而，有一个tryRails中的方法，如果它被发送到一个nil对象，它只返回nil:require'rubygems'require'active_support/all'nil.try(:nonexisting_method)#noNoMethodErrorexceptionanymore那么try如何在内部工作以防止该异常？ 最佳答案 像Ruby中的所有其他对象

  10. ruby - 为什么 SecureRandom.uuid 创建一个唯一的字符串？ - 2

    关闭。这个问题需要detailsorclarity.它目前不接受答案。想改进这个问题吗？通过editingthispost添加细节并澄清问题.关闭8年前。Improvethisquestion为什么SecureRandom.uuid创建一个唯一的字符串？SecureRandom.uuid#=>"35cb4e30-54e1-49f9-b5ce-4134799eb2c0"SecureRandom.uuid方法创建的字符串从不重复？

随机推荐