Browser 提供这些【Funct i ons】项目供观察: Browser 提供这些【Dat a】项目供观察: Browser 系从一个特殊的数据库文件（.BSC）取得信息，此文件由Visual C++ 整合环境自 动产生，非常巨大。如果暂时你不想要这个数据库，可以把图4-5a 中的【Generate browse Info】选项清除掉。而当你需要它时，选择【Tools/Source Browse 整合性軟體開發環境 259 MFC AppWi zard 步骤一，选择SDI 或MDI 或Di al og- based 程序风格。预设情况是MDI 。 MFC AppWi zard 步骤二，选择是否需要数据库支持。预设情况是None。 第㆓篇 欲善工事先利其器 260 MFC AppWi zard 步骤三，选择是否需要compound document 和Act i veX 支持。预设情况下支持Act advanced GUI applications on the market"，其中并未画地自限与Windows 操作系统有关。果然，其第一个原型产品，有 自己的窗口系统、自己的绘图系统、自己的对象数据库、乃至于自己的内存管理系统。 当小组成员以此产品开发应用程序，他们发现实在是太复杂，又悖离公司的主流系统-- Windows -- 太遥远。于是他们修改宪章变成"deliver the power

哈希表通过建立「键 key」和「值 value」之间的映射，实现高效的元素查找。具体地，输入一个 key ，在哈 希表中查询并获取 value ，时间复杂度为 ?(1) 。 例如，给定一个包含 ? 个学生的数据库，每个学生有“姓名 name ”和“学号 id ”两项数据，希望实现一个查 询功能：输入一个学号，返回对应的姓名，则可以使用哈希表实现。 Figure 6‑1. 哈希表的抽象表示 6.1.1. com 121 查找结点 「AVL 树」的结点查找操作与「二叉搜索树」一致，在此不再赘述。 7.4.4. AVL 树典型应用 ‧ 组织存储大型数据，适用于高频查找、低频增删场景； ‧ 用于建立数据库中的索引系统； � 为什么红黑树比 AVL 树更受欢迎？ 红黑树的平衡条件相对宽松，因此在红黑树中插入与删除结点所需的旋转操作相对更少，结点 增删操作相比 AVL 树的效率更高。 7.5.

因为疏忽大意造成的不必要拷贝。而当的 确需要拷贝时，也可以改成 Pig(pig) 语法 来强制拷贝。 为什么很多面向对象语言，比如 Java ，都没有构造函数全家桶这些概念？ • 因为他们的业务需求大多是：打开数据库，增删改查学生数据，打开一个窗口，写入一个 文件，正则匹配是不是电邮地址，应答 HTTP 请求等。 • 这些业务往往都是在和资源打交道，从而基本都是刚刚说的要删除拷贝函数的那一类，解 决这种需求，几乎总是在用

哈希表通过建立「键 key」和「值 value」之间的映射，实现高效的元素查找。具体地，输入一个 key ，在哈 希表中查询并获取 value ，时间复杂度为 ?(1) 。 例如，给定一个包含 ? 个学生的数据库，每个学生有“姓名 name ”和“学号 id ”两项数据，希望实现一个查 询功能：输入一个学号，返回对应的姓名，则可以使用哈希表实现。 Figure 6‑1. 哈希表的抽象表示 6.1.1. 121 } 查找结点 「AVL 树」的结点查找操作与「二叉搜索树」一致，在此不再赘述。 7.4.4. AVL 树典型应用 ‧ 组织存储大型数据，适用于高频查找、低频增删场景； ‧ 用于建立数据库中的索引系统； � 为什么红黑树比 AVL 树更受欢迎？ 红黑树的平衡条件相对宽松，因此在红黑树中插入与删除结点所需的旋转操作相对更少，结点 增删操作相比 AVL 树的效率更高。 7.5.

hex 选项。 • 但是他的输出会保存到一个字符串里。 • 调用成员函数 .str() 就能取出这个字符串了。 • 之后这个字符串就可以用作其他用途，比如 printf 打印，或者用于查询数据库，都没问题。 • 这里比较无聊，最后还是直接输出到了 cout 。 stringstream 也可以取代 stoi • 刚刚展示了 stringstream 模仿 cout 的方法。 • stringstream

std::cout << "hello world." << std::endl; }); t.join(); return 0; } 7.2 互斥量与临界区 我们在操作系统、亦或是数据库的相关知识中已经了解过了有关并发技术的基本知识，mutex 就是 其中的核心之一。C++11 引入了 mutex 相关的类，其所有相关的函数都放在 头文件中。 std::mutex

Table」通过建立键 key 与值 value 之间的映射，实现高效的元素查询。具体而言，我们向哈 希表输入一个 key ，则可以在 ?(1) 时间内获取对应的 value 。 以一个包含 ? 个学生的数据库为例，每个学生都有“姓名”和“学号”两项数据。假如我们希望实现“输入 一个学号，返回对应的姓名”的查询功能，则可以采用哈希表来实现。 Figure 6‑1. 哈希表的抽象表示 除哈希表外，我们 树的节点查找操作与二叉搜索树一致，在此不再赘述。 7. 树 hello‑algo.com 147 7.5.4. AVL 树典型应用 ‧ 组织和存储大型数据，适用于高频查找、低频增删的场景。 ‧ 用于构建数据库中的索引系统。 � 为什么红黑树比 AVL 树更受欢迎？ 红黑树的平衡条件相对宽松，因此在红黑树中插入与删除节点所需的旋转操作相对较少，在 节点增删操作上的平均效率高于 AVL 树。 7.6

node; } 3. 查找节点 AVL 树的节点查找操作与二叉搜索树一致，在此不再赘述。 7.5.4 AVL 树典型应用 ‧ 组织和存储大型数据，适用于高频查找、低频增删的场景。 ‧ 用于构建数据库中的索引系统。 ‧ 红黑树也是一种常见的平衡二叉搜索树。相较于 AVL 树，红黑树的平衡条件更宽松，插入与删除节点 所需的旋转操作更少，节点增删操作的平均效率更高。 7.6 小结 1. 重点回顾

树的节点查找操作与二叉搜索树一致，在此不再赘述。 第 7 章 树 hello‑algo.com 167 7.5.4 AVL 树典型应用 ‧ 组织和存储大型数据，适用于高频查找、低频增删的场景。 ‧ 用于构建数据库中的索引系统。 ‧ 红黑树在许多应用中比 AVL 树更受欢迎。这是因为红黑树的平衡条件相对宽松，在红黑树中插入与删 除节点所需的旋转操作相对较少，其节点增删操作的平均效率更高。 7.6 小结

node; } 3. 查找节点 AVL 树的节点查找操作与二叉搜索树一致，在此不再赘述。 7.5.4 AVL 树典型应用 ‧ 组织和存储大型数据，适用于高频查找、低频增删的场景。 ‧ 用于构建数据库中的索引系统。 ‧ 红黑树在许多应用中比 AVL 树更受欢迎。这是因为红黑树的平衡条件相对宽松，在红黑树中插入与删 除节点所需的旋转操作相对较少，其节点增删操作的平均效率更高。 7.6 小结