接着上一篇的stack和queue，讲一下和有关的deque和priority_deque
目录
[1.1 vector 和 list 的优点与缺点 （重点）](#1.1 vector 和 list 的优点与缺点 （重点）)
[1.2 CPU高速缓存 是什么鬼东西?](#1.2 CPU高速缓存 是什么鬼东西?)
[1.3.3 deque的缺点](#1.3.3 deque的缺点)
[1.3.4 deque 和 vector 访问数据的效率对比](#1.3.4 deque 和 vector 访问数据的效率对比)
[2.priority_queue 优先级队列 堆](#2.priority_queue 优先级队列 堆)
[2.1priority_queue 优先级队列 的底层实现](#2.1priority_queue 优先级队列 的底层实现)
[2.1.1 push](#2.1.1 push)
[2.1.2 pop](#2.1.2 pop)
1.deque
1.0deque的简单实用和概念
deque是双端队列，不要被名字误导了，它和队列没有关系。它已经不是普通队列了。
在功能上可以认为是list和vector的结合体，但底层完全不一样。
deque支持迭代器，方括号[ ] 访问，还有list和vector的插入删除操作，头文件<deque>：
它的使用对我们来说，根本不是难事，容器都类似的。简单搞定了。
能不能用deque来替代， vector 和 list ？
答案肯定是不能。功能上看似没问题，但是底层问题可大了。我们先从vector和list的优缺点讲起：
1.1 vector 和 list 的优点与缺点 （重点）
vector
| 优点1 | 支持快速下标随机访问（[ ]访问），方便快捷 |
|---|---|
| 优点2 | 尾插尾删效率很高 O（1） |
| 优点3 | CPU高速缓存访问命中率高，数据访问效率高 |
| 缺点1 | 头部或中间位置插入删除效率很低，频繁挪动数据 O（N） |
| 缺点2 | 插入可能扩容，扩容对性能有一定损耗（比较小）,也可能浪费空间 |
list
|---------|---------------------------|
| 缺点1 | 不支持快速下标随机访问 |
| 缺点2 | CPU高速缓存访问命中率低，数据访问效率低 |
| 优点1 | 任意位置插入删除效率很高 O（1） |
| 优点2 | 插入不存在扩容，按需申请释放内存 |
两者的优缺点基本是相反。看到上面的表格。那什么是"CPU高速缓存访问命中率"？
1.2 CPU高速缓存 是什么鬼东西?
数据访问效率高低我们还是略知一二的，究其原因就是vector底层是连续的数组空间，所以数据访问效率高。而list底层节点之间不是连续的空间，所以数据访问效率不高。
那 CPU高速缓存 就涉及到 CPU 的知识：CPU 会把最近访问的内存数据（及相邻数据）缓存到高速缓存 里，因为程序通常有 "局部性原理"：访问了一个数据，大概率会访问它附近的数据。
计算机有两个很常用的存储介质，一个是内存，一个是硬盘。内存相对快，硬盘相对慢，但还有更快的。 CPU的本质是执行指令 ，比如范围for遍历访问容器，代码转换为指令后，CPU就要去取内存的数据来执行命令。所以CPU是要访问内存的。但是内存的访问速度对于CPU比较慢 ，所以CPU就还有几个存储介质，一个是缓存，一个是寄存器。寄存器特别小，一般都是4/8/16个字节大概。每个CPU都有一堆寄存器。如果要运行的数据比较大，就放不进寄存器，那就涉及到了三级缓存。大一点的数据就会读到三级缓存内。三级缓存会慢一些，但比内存快得多。
那CPU执行命令时，就会根据**"局部性原理"** ，
这就是CPU的高速缓存，缓存命中率。
1.3deque底层原理
基于以上的CPU相关知识 ，祖师爷为了设计一个兼容vector和list优点的容器 ，于是研究了deque。
设计**（中控数组）指针数组，并且第一个小buffer的二级指针放在中控数组中间（这样方便中控数组头插）** ，每个元素都指向一个小buffer数组，这样就设计好了deque的雏形。
这样既有高速缓存（每个小buffer连续一段空间，可连续访问），也不怎么浪费空间（每个buffer长度设计在10左右，即便只存入一两个元素，那也不会浪费太多空间）。还可计算下标位置（图2），实现方括号[ ]访问、方便头插头删效率。
中控数组如果满了需要扩容，但扩容代价不高 ，拷贝指针就行，vector的扩容，要拷贝大量数据。
1.3.1deque迭代器
deque的迭代器比较复杂。如图，其迭代器由四个指针封装而成,作用与名字相同。
他的迭代器，begin()的返回值是start迭代器，end()的返回值是finish迭代器，这两个迭代器分别代表最前和最后的两个buffer的各种位置。
这是deque的源码，map_pointer 其实就是 T** 的重命名，二级指针，因为node作为一个指针指向一个指针。
deque的主要成员，map就是指向中控数组成员的指针，也是二级指针。
既然支持迭代器，那就支持遍历访问。他的迭代器是怎么遍历的？ 联想到我们之前学链表的迭代器，方法就是重载运算符。
operator*：*it ，目的就是得到当前迭代器指向的位置的数据，那operator* 理应是返回*cur。
operator++：++it，目的是让cur往后走，那operator++就理应是返回++cur 。那如果当前小buffer遍历完（比如上图中遍历到了第一个buffer的最后一个元素数据7，怎么衔接到数据8）怎么办？当 cur==last 那就该修改node了，让node++（node是指向中控数组元素的指针，node++，指向下一个小buffer），node++得到的就是下一个buffer的起始地址，把这个值同步给给cur和first，然后last = first+10（假设每个buffer固定10长度），那迭代器就更新完成。
operator== ：很简单，判断迭代器内的cur指针（地址）是否相等就行（注意，判断指针指向的值不可取，因为值可能重复），假设右操作数是x，x.cur访问其cur指针，直接返回 cur==x.cur
operator!= :既然实现了==，那直接复用operator==就行。
这就是它迭代器，接下来看插入删除操作。
1.3.2deque插入删除操作
尾插
插入一个数据，并且让++cur，如果当前buffer满了，那就新开一个buffer，并且更新finish的迭代器指向。
尾删
先删除数据（必须删除），然后--cur，如果buffer空了，删除当前buffer，并且更新finish的迭代器指向
头插
在头部插入一个新数据，如果满了需要开个新buffer，然后更新迭代器指向。先插buffer尾部，所以是--cur（下图）
头删
先删除数据（必须删除），然后++cur，如果buffer到结尾了（反向删空了），删除当前buffer，并更新start迭代器的指向
1.3.3 deque的缺点
缺点1：vector是真正完全连续的，并且下标不需要经过除模运算。所以大量的下标访问，deque还是存在很大缺陷。
缺点2：中间插入删除 会导致前后挪动数据，这和vector没什么区别，但是deque效率更低（有一种情况，如果插入的靠近头或者尾部，deque的效率远高于vector，插入靠中间则deque效率略低），因为空间并非完全连续。
有一个解决办法：给插入所在的buffer扩容。但是这会导致每个buffer大小不一样，后续除模运算访问下标很困难。所以库里没采用此方法。
虽然deque缺陷还是很大，但是他的优点很适合作为stack和queue的默认适配容器，所以总体还是设计成功的。
1.3.4 deque 和 vector 访问数据的效率对比
和之前vector对比list的代码一样，这里仅展示结果：数据量：1000000
结论:vector访问 大量数据 效率是deque的几倍。
2.priority_queue 优先级队列 堆
它也是一个容器适配器。 叫优先级队列
优先级队列，默认出优先级最高的数据 。大的，或者小的就是优先级最高的。 根据我们数据结构学过的
这实际是就是个堆 。默认是大顶堆。
为什么不直接叫堆呢？ 因为有些人可能没学过数据结构，不知道这是 堆，所以取名 优先级队列
优先级队列没有单独的头文件，它属于queue，所以它的头文件是 queue ->
同样，作为容器适配器，它没有迭代器 ，想要遍历就需要top，pop循环：
结果：（大顶堆）
其实它可以调整优先级 ，将 最大 为优先级调整为 最小 为优先级，这需要用到它的第三个模板参数：
less是库里实现的一个仿函数类型，仿函数后面会讲。简单说就是重载了一个operator（），使它能像函数一样使用 。类似于：
说回来，我们要让它变成 小顶堆 ，只需要把第三个参数less 改成 greater：
要修改第三个参数的缺省值，那我们得手动写出第二个参数，这里可以是vector（默认是vector）也可以是deque只要符合需求就行 改成如图所示，就是小顶堆了。
2.1priority_queue 优先级队列 的底层实现
仿函数还没学习，所以我们暂时不添加第三个参数：
那么和之前一样的，这是一个容器适配器，我们也让它默认为 vector ，实现一个大顶堆
2.1.1 push
那要知道这个优先级队列怎么插入数据，我们就得回到 堆 这个概念，堆的底层理论上是连续的数组空间 ，但实际上 也不一定比如deque也行，deque是多个不一定连续的小buffer组成。 不搞那么复杂，我们现在拿vector，连续的动态数组空间来看待这个问题：
如图，堆总是一颗完全二叉树 ，而数组空间也可以看作是完全二叉树。所以数组和堆天然契合
这是二叉树计算孩子和双亲节点的方法。以下图对象，带入公式总能得到正确的节点位置。
如果我们现在要插入一个x，x<=56，那没问题。但是如果x>56，它就会破坏掉右子树的 大顶堆 ，因为叶子比父节点大了。
此时需要 向上调整，把x放到合适的位置，最坏的情况就是一路替换到根节点 。那这就是优先级队列push的底层逻辑 。
外层循环条件child>0：根节点是0，=0结束，说明已经调整到根节点调整完了。内层的break：如果调整到孩子小于父亲了，那就停止循环。
另外，_con.size()-1代表的是最后一个数据的位置，因为size（）指向最后的下一个嘛，
取堆顶,很简单
2.1.2 pop
这里的删除是删除优先级最高的数 据，所以是删除堆顶 。那就是头删。 这里的删除可不是像vector那样，直接把后面的数据覆盖前面的，那样整个 堆 的结构会乱套，正确的做法是：
1.交换 堆顶 和 堆尾 数据 2.删除堆尾 3.向下调整
向下调整 用到了假设法。先假设左孩子大，和右孩子比较。因为不知道一开始谁更大。
方法的大前提是有右孩子，所以外层循环条件是左孩子 < _con.size()；
如果孩子比父亲大，那就交换一下，不然就break。
判空，顺手的事
2.1.3迭代器区间构造
通过迭代器给构造_con，但它可能是乱的 ，不符合优先级队列 。那我们参考上面的头删，利用向下调整让这个乱堆变成大的优先级队列，先找到最后一个父节点，此时是最小的二叉树，一步步向下调整（让大顶堆一步步完善）调整完找更上一级的父节点（让大顶堆更大）直到根节点调整完（最大的大顶堆，全部排序好了）
向下调整就是让当前节点及其以下的都调整成大堆，那一步步调整到根节点，那就是调整完了。
2.1.4强制编译器生成默认构造
因为显式写了一个构造，编译器不会生成默认构造函数了，我们需要自己写一个默认构造。直接 priority_queue（）{ } 也行！不一定要加default，但一定要加{ } 。别混淆了函数声明和函数定义。
实践一下： 迭代器区间构造
注：上图的迭代器区间传的是指向数组的指针
因为迭代器区间可以传容器，也可以传指向数据结构的指针
这样，优先级队列 的底层就实现好了。
关于仿函数的内容下篇进行讲解，请各位多多支持