多维vector的设计

概述

最近楼主在做气动声学计算时,需要用到多维vector。为了后面的变量运算方便,打算将vector最里面的vector的size大小设为4(因为计算量有4个(rho,u,v,p))。所以vector的大小为: [x_points][y_points][4] 。当这样做好后,发现运算比原来 [4][x_points][y_points] 慢了很多。后来,为了矩阵运算,将4个变量设置成struct的形式,速度快了不少,并且内存占比也不一样。记录如下:

#include <ctime>
#include <vector>
#include <iostream>
struct A
{
    /* data */
    double a;
    double b;
    double c;
    double d;
    A() : a(0.0), b(0.0), c(0.0), d(0.0) {}
    A(double a1, double b1, double c1, double d1) : a(a1),
        b(b1), c(c1), d(d1) {}
};
int main()
{
    A a;
    //std::vector<std::vector<A>> dvec0;
    std::vector<std::vector<std::vector<double>>> dvec1;
    std::vector<std::vector<std::vector<double>>> dvec2;
    int size = 5000;
    std::clock_t start, end;
    start = std::clock();

    ////案例dvec0,大小为[5000][5000][A],共25,000,000*A共一亿个double数据
    //dvec0.resize(size);
    // for (int i = 0; i < size;++i)
    //     dvec0[i].resize(size);

    ////案例dvec1,大小为[5000][5000][4],共25,000,000*4共一亿个double数据
    //dvec1.resize(size);
    //for (std::vector<std::vector<double>>::size_type i = 0; i < size; ++i)
    //{
    //    dvec1[i].resize(size);
    //    for (std::vector<double>::size_type j = 0; j < size; ++j)
    //        dvec1[i][j].resize(4);
    //}

    ////案例dvec2,大小为[4][5000][5000],共4*25,000,000共一亿个double数据
    //dvec2.resize(4);
    //for (std::vector<std::vector<double>>::size_type i = 0; i < 4; ++i)
    //{
    //    dvec2[i].resize(size);
    //    for (std::vector<double>::size_type j = 0; j < size; ++j)
    //        dvec2[i][j].resize(size);
    //}

    //案例4 dvec0,直接初始化
    std::vector<std::vector<A>>dvec0(size, std::vector<A>(size, a));

    end = std::clock();
    double time_dura = double(end - start);
    std::cout << time_dura << std::endl;
    std::system("pause");
    return 0;
}

案例1 :dvec0[5000][5000][A]

利用将4个变量设计成一个结构体A,然后用作为一个2维vector的元素。用时如下:

图 1 dvec0[5000][5000][A]

用时1.83s,内存760MB。

案例2 :dvec1[5000][5000][4]

直接将变量作为一个4个元素的vector,其内存和耗时如下:


图 2 dvec1[5000][5000][4]

用时28s,内存6GB

案例3 :dvec2[4][5000][5000]

将大vector放里面,其内存和耗时如下:


图 3 dvec2[4][5000][5000]

利用大数在内的原则,用时0.242ms,内存350MB。

案例4: dvec0[5000][5000][A]直接初始化vector

利用vector的直接初始化方法


图 4 dvec0[5000][5000][A]直接初始化

用时:2.258s,内存839MB

结论

  1. [5000][5000][A]:用时1.83s,内存760MB;
  2. [5000][5000][4]:用时28.0s,内存6GB;
  3. [4][5000][5000]:用时0.24s,内存350MB;
  4. [5000][5000][A]: 用时2.258s,内存839MB.
  5. 用大数组在内的vector最快,内存占用最少,但是不利于后面运算;利用3维的vector形式最慢,且占用内存最高;利用结构体形式的二维vector占用内存较少,用时较少,且易于后面计算,可以选则;
  6. 直接初始化不如resize速度快.

--记于大雨后的夜- 人人生而平凡-2020.06.15

最后编辑于
©著作权归作者所有,转载或内容合作请联系作者
  • 序言:七十年代末,一起剥皮案震惊了整个滨河市,随后出现的几起案子,更是在滨河造成了极大的恐慌,老刑警刘岩,带你破解...
    沈念sama阅读 216,544评论 6 501
  • 序言:滨河连续发生了三起死亡事件,死亡现场离奇诡异,居然都是意外死亡,警方通过查阅死者的电脑和手机,发现死者居然都...
    沈念sama阅读 92,430评论 3 392
  • 文/潘晓璐 我一进店门,熙熙楼的掌柜王于贵愁眉苦脸地迎上来,“玉大人,你说我怎么就摊上这事。” “怎么了?”我有些...
    开封第一讲书人阅读 162,764评论 0 353
  • 文/不坏的土叔 我叫张陵,是天一观的道长。 经常有香客问我,道长,这世上最难降的妖魔是什么? 我笑而不...
    开封第一讲书人阅读 58,193评论 1 292
  • 正文 为了忘掉前任,我火速办了婚礼,结果婚礼上,老公的妹妹穿的比我还像新娘。我一直安慰自己,他们只是感情好,可当我...
    茶点故事阅读 67,216评论 6 388
  • 文/花漫 我一把揭开白布。 她就那样静静地躺着,像睡着了一般。 火红的嫁衣衬着肌肤如雪。 梳的纹丝不乱的头发上,一...
    开封第一讲书人阅读 51,182评论 1 299
  • 那天,我揣着相机与录音,去河边找鬼。 笑死,一个胖子当着我的面吹牛,可吹牛的内容都是我干的。 我是一名探鬼主播,决...
    沈念sama阅读 40,063评论 3 418
  • 文/苍兰香墨 我猛地睁开眼,长吁一口气:“原来是场噩梦啊……” “哼!你这毒妇竟也来了?” 一声冷哼从身侧响起,我...
    开封第一讲书人阅读 38,917评论 0 274
  • 序言:老挝万荣一对情侣失踪,失踪者是张志新(化名)和其女友刘颖,没想到半个月后,有当地人在树林里发现了一具尸体,经...
    沈念sama阅读 45,329评论 1 310
  • 正文 独居荒郊野岭守林人离奇死亡,尸身上长有42处带血的脓包…… 初始之章·张勋 以下内容为张勋视角 年9月15日...
    茶点故事阅读 37,543评论 2 332
  • 正文 我和宋清朗相恋三年,在试婚纱的时候发现自己被绿了。 大学时的朋友给我发了我未婚夫和他白月光在一起吃饭的照片。...
    茶点故事阅读 39,722评论 1 348
  • 序言:一个原本活蹦乱跳的男人离奇死亡,死状恐怖,灵堂内的尸体忽然破棺而出,到底是诈尸还是另有隐情,我是刑警宁泽,带...
    沈念sama阅读 35,425评论 5 343
  • 正文 年R本政府宣布,位于F岛的核电站,受9级特大地震影响,放射性物质发生泄漏。R本人自食恶果不足惜,却给世界环境...
    茶点故事阅读 41,019评论 3 326
  • 文/蒙蒙 一、第九天 我趴在偏房一处隐蔽的房顶上张望。 院中可真热闹,春花似锦、人声如沸。这庄子的主人今日做“春日...
    开封第一讲书人阅读 31,671评论 0 22
  • 文/苍兰香墨 我抬头看了看天上的太阳。三九已至,却和暖如春,着一层夹袄步出监牢的瞬间,已是汗流浃背。 一阵脚步声响...
    开封第一讲书人阅读 32,825评论 1 269
  • 我被黑心中介骗来泰国打工, 没想到刚下飞机就差点儿被人妖公主榨干…… 1. 我叫王不留,地道东北人。 一个月前我还...
    沈念sama阅读 47,729评论 2 368
  • 正文 我出身青楼,却偏偏与公主长得像,于是被迫代替她去往敌国和亲。 传闻我的和亲对象是个残疾皇子,可洞房花烛夜当晚...
    茶点故事阅读 44,614评论 2 353

推荐阅读更多精彩内容