最近面试被问到的一个问题，面试当然是挂了，但是收获还是需要分享一下的。
map
- 底层实现是借助红黑树实现的
- map插入一个节点的时间复杂度是O（log n）
- 同样修改一个节点的时间复杂度是O（log n）
关于插入节点的时间复杂度，理解起来很简单，因为变色的时间复杂度是O（1）的，所以插入或者修改只需要找到节点即可，变色时间复杂度是O（1）是因为变色过程与节点数n无关而与节点状态有关。
unordered_map
- 底层实现是哈希表
- unordered_map插入一个节点的时间复杂度是O（1）
- unordered_map修改一个节点的时间复杂度是O（1）
哈希表的结构在STL中有优化，如下图(绘图技术有限)，绿色的是指针数组，黄色的是一个链表，绿色的长度应该是一个质数，绿色节点有数据要插入时先判断是否为空不为空就直接头插，为空的话指向虚头然后头插，这样的一种结构使得使用迭代器遍历时更加的高效，同时还减少了虚头节点的使用。
对哈希表来说他会维持一个哈希因子，计算方式很简单：存储节点数/指针数组的长度
当哈希因子到达一个阈值则认为哈希表"满了"，然后进行扩容再哈希，这个阈值一般在0.5-1，这保证了哈希表的查询或者插入的时间复杂度可以达到O（1）（当然不考虑极端情况，你n个不同数据的哈希结果映射到了同一个坑里），这些当然都是基础，答上来很简单，注意以下内容。
map和unordered_map的使用情景
map对于每一时刻严格有序的，但是注意它适合小数据量并且节点数据修改不频繁的情况，对于大数据量来说对map可能单层节点需要多个文件页进行存储，你寻找节点时每一次需要产生大量的文件IO，它整体性能甚至低于B树（同等节点红黑树更深），所以对大规模数据时刻要求有序的情况使用B+树更加合适。
节点如果频繁进行修改的情况也是不适合的，因为查找的时间复杂度虽然只有O（log n）但是较于哈希表的O（1）还是太高了，所以一旦数据频繁修改记得用哈希表
那么如果要求有序且可能会进行频繁修改呢？
比如现在有一个排行榜，你会选择哪种数据结构呢?首先对排行榜修改的频率太高了，无论是红黑树还是B+树其实都是不合适的，所以应该使用哈希表存储然后定时刷新，即每过一段时间进行一次外部排序，这样虽然看起来时间复杂度更高了但是实际上更加合理，因为不能只考虑排序而忽略更新的过程。
map底层迭代器
红黑树作为一种有序的树形结构，它的迭代器是通过中序遍历完成创建的，迭代器作为对内存的一种抽象，它存储节点地址和节点信息，在map中维护成了一个链表结构用于进行树的遍历，同时对++/--这些运算符进行重载，重载内部完成迭代器对象间的跳转（pre指向上一个迭代器对象，next指向的是下一个迭代器对象，节点存储的地址是数据的地址）
STL刚开始学，有错误请指出。