0

0

如何在C++中获取vector的大小_C++ vector大小与容量管理

尼克

尼克

发布时间:2025-09-22 08:55:01

|

1084人浏览过

|

来源于php中文网

原创

要获取std::vector的大小,应调用其.size()成员函数,它返回当前元素数量,时间复杂度为O(1);size()表示实际元素个数,capacity()表示已分配内存可容纳的元素总数,size() ≤ capacity();通过reserve(n)可预先分配内存避免频繁扩容提升性能,shrink_to_fit()则尝试释放多余容量;需注意扩容会导致迭代器、指针失效,且resize()改变元素数量而reserve()仅改变容量。

如何在c++中获取vector的大小_c++ vector大小与容量管理

在C++中,要获取

std::vector
的大小,最直接、最常用的方法就是调用它的成员函数
.size()
。这个函数会返回
vector
当前实际包含的元素数量,也就是它当前有多“满”。

解决方案

要获取

std::vector
的大小,我们只需要简单地调用其
.size()
成员函数即可。这个函数不接受任何参数,并返回一个无符号整型值,通常是
std::vector::size_type
,它等同于
std::size_t
。这个返回值精确地告诉我们
vector
中当前有多少个元素。

举个例子:

#include <iostream>
#include <vector>
#include <string>

int main() {
    std::vector<int> numbers = {10, 20, 30, 40, 50};
    // 获取vector中元素的数量
    size_t currentSize = numbers.size();
    std::cout << "vector 'numbers' 的当前大小是: " << currentSize << std::endl; // 输出 5

    numbers.push_back(60); // 添加一个元素
    std::cout << "添加元素后,vector 'numbers' 的大小是: " << numbers.size() << std::endl; // 输出 6

    std::vector<std::string> words;
    std::cout << "空vector 'words' 的大小是: " << words.size() << std::endl; // 输出 0

    if (words.empty()) { // 也可以用empty()来判断是否为空
        std::cout << "'words' vector 是空的。" << std::endl;
    }

    return 0;
}

.size()
是一个非常基础且高频使用的函数,它的时间复杂度是常数级别的(O(1)),所以你可以放心地在任何需要知道
vector
当前元素数量的地方使用它,不用担心性能问题。

立即学习C++免费学习笔记(深入)”;

std::vector
size()
capacity()
有什么区别?

这是个很常见的问题,也常常让人感到困惑。在我看来,理解

size()
capacity()
是掌握
std::vector
性能特性的关键。

size()
,就像我们前面提到的,代表的是
vector
当前实际存储的元素数量。你可以把它想象成你家里的餐桌上实际摆放了多少个盘子。

capacity()
(容量),则表示
vector
当前已经分配了多少内存空间,可以容纳多少个元素,而无需重新分配内存。这就像你餐桌的大小,它能摆放的最大盘子数量。

所以,一个核心的关系是:

size() <= capacity()
vector
为了提高效率,尤其是当你在末尾频繁添加元素(比如
push_back
)时,它不会每次都只分配刚刚好的内存。当
size()
达到
capacity()
时,
vector
就需要进行一次“扩容”操作。这个扩容通常会分配一块更大的新内存,然后将旧内存中的所有元素拷贝到新内存中,最后释放旧内存。这个过程是比较耗时的。

举个例子,你有一个

vector
,初始容量可能是10。当你
push_back
第11个元素时,
vector
会发现当前容量不够了,它可能会分配一个容量为20的新内存块,把之前的10个元素复制过去,再把第11个元素放进去。这样,在接下来的9次
push_back
操作中,就不需要再扩容了。这种策略就是为了实现
push_back
的摊销常数时间复杂度。

#include <iostream>
#include <vector>

int main() {
    std::vector<int> data;

    std::cout << "初始状态: size = " << data.size() << ", capacity = " << data.capacity() << std::endl;

    for (int i = 0; i < 10; ++i) {
        data.push_back(i);
        // 观察size和capacity的变化
        std::cout << "添加 " << i << ": size = " << data.size() << ", capacity = " << data.capacity() << std::endl;
    }

    // 假设在我的系统上,vector的扩容策略是翻倍
    // 当size达到capacity时,capacity会翻倍
    // 比如:0, 1, 2, 4, 8, 16...
    // 每次capacity变化都意味着一次内存重新分配和元素拷贝
    return 0;
}

通过观察上面的输出,你会发现

capacity
并不是每次
push_back
都会增加,它只会在
size
等于
capacity
时才增加,而且通常会以倍数增长。

vector
的容量管理策略:
reserve()
shrink_to_fit()

既然我们知道了

capacity
的存在以及扩容的开销,那么自然就会想到如何主动管理它,避免不必要的性能损耗。这里就引入了
reserve()
shrink_to_fit()

reserve(n)
:这个函数是用来预留空间的。当你明确知道
vector
最终大概会包含多少个元素时,或者在一个循环中会频繁
push_back
大量元素时,提前调用
reserve(n)
可以一次性分配足够的内存,使得在后续的
n
push_back
操作中,
vector
无需再进行内存重新分配和元素拷贝。这对于性能敏感的代码来说,是个非常有效的优化手段。

AI Web Designer
AI Web Designer

AI网页设计师,快速生成个性化的网站设计

下载
#include <iostream>
#include <vector>
#include <chrono> // 用于测量时间

int main() {
    std::vector<int> numbers;
    const int num_elements = 1000000;

    // 不使用reserve()
    auto start_no_reserve = std::chrono::high_resolution_clock::now();
    for (int i = 0; i < num_elements; ++i) {
        numbers.push_back(i);
    }
    auto end_no_reserve = std::chrono::high_resolution_clock::now();
    std::chrono::duration<double> diff_no_reserve = end_no_reserve - start_no_reserve;
    std::cout << "不使用reserve(),添加 " << num_elements << " 个元素耗时: " << diff_no_reserve.count() << " 秒" << std::endl;
    numbers.clear(); // 清空,准备下一次测试

    // 使用reserve()
    auto start_reserve = std::chrono::high_resolution_clock::now();
    numbers.reserve(num_elements); // 提前预留空间
    for (int i = 0; i < num_elements; ++i) {
        numbers.push_back(i);
    }
    auto end_reserve = std::chrono::high_resolution_clock::now();
    std::chrono::duration<double> diff_reserve = end_reserve - start_reserve;
    std::cout << "使用reserve(),添加 " << num_elements << " 个元素耗时: " << diff_reserve.count() << " 秒" << std::endl;

    // 你会发现使用reserve()通常会快很多
    return 0;
}

通过上面的测试,你会直观地感受到

reserve()
带来的性能提升。

shrink_to_fit()
:与
reserve()
相反,
shrink_to_fit()
是用来尝试减少
vector
的容量,使其容量尽可能地与当前
size()
匹配。当你
vector
中删除了大量元素,或者
vector
在某个阶段达到了一个很大的容量,但现在实际使用的元素很少时,多余的内存就成了浪费。调用
shrink_to_fit()
可以请求
vector
释放这些多余的内存。

需要注意的是,

shrink_to_fit()
只是一个“请求”,标准并没有强制要求
vector
必须收缩其容量。具体是否收缩以及收缩到什么程度,取决于具体的标准库实现。但在大多数现代C++标准库中,它通常会尝试将容量调整到
size()
的大小。

#include <iostream>
#include <vector>

int main() {
    std::vector<int> data;
    data.reserve(100); // 预留100个空间
    for (int i = 0; i < 5; ++i) {
        data.push_back(i);
    }
    std::cout << "填充少量元素后: size = " << data.size() << ", capacity = " << data.capacity() << std::endl; // size=5, capacity=100

    data.shrink_to_fit(); // 尝试收缩容量
    std::cout << "调用shrink_to_fit()后: size = " << data.size() << ", capacity = " << data.capacity() << std::endl; // size=5, capacity可能变为5

    return 0;
}

shrink_to_fit()
在内存敏感的应用中很有用,但它本身也可能涉及内存重新分配和拷贝,所以不应频繁调用,而是在
vector
生命周期中,当其大小稳定下来且多余容量显著时考虑使用。

vector
大小调整的常见陷阱与性能考量

vector
的大小和容量管理不当,很容易踩到一些坑,或者导致不必要的性能开销。

  1. 频繁的内存重新分配:这是最主要的性能陷阱。每次

    capacity
    不足以容纳新元素而发生扩容时,都会涉及:

    • 分配一块新的更大内存。
    • 将所有现有元素从旧内存复制到新内存。
    • 释放旧内存。 这个过程在元素数量庞大时会非常耗时。这就是为什么
      reserve()
      如此重要。
  2. 迭代器、指针和引用的失效:当

    vector
    发生扩容(即
    capacity
    改变)时,由于底层内存块可能被移动到新的位置,所有指向
    vector
    内部元素的迭代器、指针和引用都会失效。这意味着它们不再指向有效的内存地址,继续使用它们会导致未定义行为(通常是程序崩溃)。

    #include <iostream>
    #include <vector>
    
    int main() {
        std::vector<int> nums = {1, 2, 3};
        int* p_first = &nums[0]; // 指向第一个元素的指针
        std::cout << "原始第一个元素: " << *p_first << std::endl; // 1
    
        // 此时nums的capacity可能很小,比如3或4
        // 连续push_back可能导致扩容
        nums.push_back(4);
        nums.push_back(5); // 假设这次push_back导致了扩容
    
        // 此时p_first可能已经失效了,因为它指向的内存可能已经被释放
        // 尝试访问它可能导致段错误或其他未定义行为
        // std::cout << "扩容后第一个元素 (可能失效): " << *p_first << std::endl; // 危险操作!
    
        // 正确的做法是重新获取指针或迭代器
        p_first = &nums[0];
        std::cout << "扩容后重新获取的第一个元素: " << *p_first << std::endl; // 1
        return 0;
    }

    这个陷阱非常隐蔽,尤其是在大型项目中,一个看似无害的

    push_back
    可能在某个特定条件下触发扩容,导致之前保存的迭代器或指针失效,从而引发难以追踪的bug。

  3. resize()
    reserve()
    的混淆

    • resize(n)
      :改变
      vector
      size()
      。如果
      n
      大于当前
      size()
      vector
      会添加新元素,并用默认构造函数(或指定值)初始化它们;如果
      n
      小于当前
      size()
      vector
      会删除多余的元素。
      resize()
      也可能导致扩容。
    • reserve(n)
      :只改变
      vector
      capacity()
      ,不改变
      size()
      ,也不会添加或删除元素。它只是预留了内存。 理解两者的区别至关重要。如果你只是想预留空间以提高后续插入的效率,使用
      reserve()
      ;如果你想改变
      vector
      的实际元素数量并可能初始化它们,使用
      resize()
  4. clear()
    erase()

    • clear()
      :将
      vector
      size()
      设置为0,但通常不会改变
      capacity()
      。这意味着它清空了所有元素,但保留了已分配的内存,下次再添加元素时可以复用。
    • erase()
      :删除指定范围的元素,
      size()
      会相应减少,
      capacity()
      通常不会改变。 如果你需要彻底释放
      vector
      占用的所有内存(包括容量),一个常见的技巧是:
      std::vector<T>().swap(myVector);
      这会创建一个临时的空
      vector
      ,然后与
      myVector
      交换,
      myVector
      就变成了空的且容量为0,而旧的
      myVector
      (现在是临时的空
      vector
      )在语句结束时被销毁,从而释放了内存。

总之,高效地使用

std::vector
不仅仅是知道如何获取其大小,更重要的是理解其背后的内存管理机制。合理地使用
reserve()
来避免不必要的扩容,注意迭代器失效的问题,并根据实际需求选择
resize()
clear()
shrink_to_fit()
,这些都是编写健壮、高性能C++代码的重要实践。

热门AI工具

更多
DeepSeek
DeepSeek

幻方量化公司旗下的开源大模型平台

豆包大模型
豆包大模型

字节跳动自主研发的一系列大型语言模型

WorkBuddy
WorkBuddy

腾讯云推出的AI原生桌面智能体工作台

腾讯元宝
腾讯元宝

腾讯混元平台推出的AI助手

文心一言
文心一言

文心一言是百度开发的AI聊天机器人,通过对话可以生成各种形式的内容。

讯飞写作
讯飞写作

基于讯飞星火大模型的AI写作工具,可以快速生成新闻稿件、品宣文案、工作总结、心得体会等各种文文稿

即梦AI
即梦AI

一站式AI创作平台,免费AI图片和视频生成。

ChatGPT
ChatGPT

最最强大的AI聊天机器人程序,ChatGPT不单是聊天机器人,还能进行撰写邮件、视频脚本、文案、翻译、代码等任务。

相关专题

更多
TypeScript类型系统进阶与大型前端项目实践
TypeScript类型系统进阶与大型前端项目实践

本专题围绕 TypeScript 在大型前端项目中的应用展开,深入讲解类型系统设计与工程化开发方法。内容包括泛型与高级类型、类型推断机制、声明文件编写、模块化结构设计以及代码规范管理。通过真实项目案例分析,帮助开发者构建类型安全、结构清晰、易维护的前端工程体系,提高团队协作效率与代码质量。

26

2026.03.13

Python异步编程与Asyncio高并发应用实践
Python异步编程与Asyncio高并发应用实践

本专题围绕 Python 异步编程模型展开,深入讲解 Asyncio 框架的核心原理与应用实践。内容包括事件循环机制、协程任务调度、异步 IO 处理以及并发任务管理策略。通过构建高并发网络请求与异步数据处理案例,帮助开发者掌握 Python 在高并发场景中的高效开发方法,并提升系统资源利用率与整体运行性能。

46

2026.03.12

C# ASP.NET Core微服务架构与API网关实践
C# ASP.NET Core微服务架构与API网关实践

本专题围绕 C# 在现代后端架构中的微服务实践展开,系统讲解基于 ASP.NET Core 构建可扩展服务体系的核心方法。内容涵盖服务拆分策略、RESTful API 设计、服务间通信、API 网关统一入口管理以及服务治理机制。通过真实项目案例,帮助开发者掌握构建高可用微服务系统的关键技术,提高系统的可扩展性与维护效率。

178

2026.03.11

Go高并发任务调度与Goroutine池化实践
Go高并发任务调度与Goroutine池化实践

本专题围绕 Go 语言在高并发任务处理场景中的实践展开,系统讲解 Goroutine 调度模型、Channel 通信机制以及并发控制策略。内容包括任务队列设计、Goroutine 池化管理、资源限制控制以及并发任务的性能优化方法。通过实际案例演示,帮助开发者构建稳定高效的 Go 并发任务处理系统,提高系统在高负载环境下的处理能力与稳定性。

51

2026.03.10

Kotlin Android模块化架构与组件化开发实践
Kotlin Android模块化架构与组件化开发实践

本专题围绕 Kotlin 在 Android 应用开发中的架构实践展开,重点讲解模块化设计与组件化开发的实现思路。内容包括项目模块拆分策略、公共组件封装、依赖管理优化、路由通信机制以及大型项目的工程化管理方法。通过真实项目案例分析,帮助开发者构建结构清晰、易扩展且维护成本低的 Android 应用架构体系,提升团队协作效率与项目迭代速度。

92

2026.03.09

JavaScript浏览器渲染机制与前端性能优化实践
JavaScript浏览器渲染机制与前端性能优化实践

本专题围绕 JavaScript 在浏览器中的执行与渲染机制展开,系统讲解 DOM 构建、CSSOM 解析、重排与重绘原理,以及关键渲染路径优化方法。内容涵盖事件循环机制、异步任务调度、资源加载优化、代码拆分与懒加载等性能优化策略。通过真实前端项目案例,帮助开发者理解浏览器底层工作原理,并掌握提升网页加载速度与交互体验的实用技巧。

102

2026.03.06

Rust内存安全机制与所有权模型深度实践
Rust内存安全机制与所有权模型深度实践

本专题围绕 Rust 语言核心特性展开,深入讲解所有权机制、借用规则、生命周期管理以及智能指针等关键概念。通过系统级开发案例,分析内存安全保障原理与零成本抽象优势,并结合并发场景讲解 Send 与 Sync 特性实现机制。帮助开发者真正理解 Rust 的设计哲学,掌握在高性能与安全性并重场景中的工程实践能力。

227

2026.03.05

PHP高性能API设计与Laravel服务架构实践
PHP高性能API设计与Laravel服务架构实践

本专题围绕 PHP 在现代 Web 后端开发中的高性能实践展开,重点讲解基于 Laravel 框架构建可扩展 API 服务的核心方法。内容涵盖路由与中间件机制、服务容器与依赖注入、接口版本管理、缓存策略设计以及队列异步处理方案。同时结合高并发场景,深入分析性能瓶颈定位与优化思路,帮助开发者构建稳定、高效、易维护的 PHP 后端服务体系。

532

2026.03.04

AI安装教程大全
AI安装教程大全

2026最全AI工具安装教程专题:包含各版本AI绘图、AI视频、智能办公软件的本地化部署手册。全篇零基础友好,附带最新模型下载地址、一键安装脚本及常见报错修复方案。每日更新,收藏这一篇就够了,让AI安装不再报错!

171

2026.03.04

热门下载

更多
网站特效
/
网站源码
/
网站素材
/
前端模板

精品课程

更多
相关推荐
/
热门推荐
/
最新课程
10分钟--Midjourney创作自己的漫画
10分钟--Midjourney创作自己的漫画

共1课时 | 0.1万人学习

Midjourney 关键词系列整合
Midjourney 关键词系列整合

共13课时 | 0.9万人学习

AI绘画教程
AI绘画教程

共2课时 | 0.2万人学习

关于我们 免责申明 举报中心 意见反馈 讲师合作 广告合作 最新更新
php中文网:公益在线php培训,帮助PHP学习者快速成长!
关注服务号 技术交流群
PHP中文网订阅号
每天精选资源文章推送

Copyright 2014-2026 https://www.php.cn/ All Rights Reserved | php.cn | 湘ICP备2023035733号