STL 性能优化实战：选择合适的容器、避免不必要的拷贝、reserve 预分配、迭代器失效排查

说实话，STL 用得好不好，性能差距能差出几个数量级。我见过太多人把 vector 当万能药，结果线上服务一压测就崩。今天咱们就聊聊 STL 性能优化的四个核心点——选对容器、少拷贝、预分配、管好迭代器。这些都是我踩过坑之后才真正理解的。

一、选择合适的容器——别让 vector 背所有锅

很多人一上来就用 vector，觉得它快。其实 vector 的「快」是有前提的——尾部插入和随机访问。如果你频繁在头部或中间插入删除，vector 会让你哭。

我个人的习惯是：先想清楚数据怎么用，再选容器。你想想看，如果数据需要频繁在两端操作，deque 比 vector 合适得多。如果中间插入删除多，list 才是正解。如果查找是主要操作，set/map 或者 unordered 系列更靠谱。

操作场景	推荐容器	不推荐
尾部插入 + 随机访问	vector	list
两端插入/删除	deque	vector
中间插入/删除频繁	list / forward_list	vector / deque
查找为主	set / unordered_set	vector（线性查找）
键值对查找	map / unordered_map	vector of pair

我在项目中遇到过一件事：一个日志处理模块，每天要处理上千万条记录，频繁在中间插入。同事用了 vector，每次插入都触发大量元素移动，CPU 直接飙到 90%。换成 list 之后，CPU 降到 20% 以下。嗯，选对容器就是这么关键。

二、避免不必要的拷贝——拷贝是性能杀手

STL 里最隐蔽的性能杀手是什么？我告诉你，就是拷贝。传参拷贝、返回值拷贝、插入时拷贝、扩容时拷贝……一个不小心，你的程序就在不停地复制数据。

举个例子，往 vector 里插对象：

// 糟糕的做法：多次拷贝
vector<MyClass> v;
MyClass obj("data");
v.push_back(obj);  // 拷贝一次

// 更好的做法：移动语义
v.push_back(std::move(obj));  // 移动，不拷贝

// 最佳做法：直接构造
v.emplace_back("data");  // 原地构造，零拷贝

我曾经在一个图像处理项目里，用 push_back 插入大量图片对象，每次插入都触发深拷贝，内存带宽直接被打满。换成 emplace_back 之后，性能提升了 3 倍。说白了，emplace_back 就是你的好朋友，能用就用。

三、reserve 预分配——别让扩容拖垮你

vector 的扩容机制是这样的：当容量不够时，它会重新申请一块更大的内存（通常是当前容量的 1.5 或 2 倍），然后把所有元素搬过去。这个过程有多贵？你想想看，每次扩容都要拷贝所有已有元素。

我个人的习惯是：只要知道大概的数据量，就一定先 reserve。比如：

vector<int> v;
v.reserve(10000);  // 预分配 10000 个元素的空间
for (int i = 0; i < 10000; ++i) {
    v.push_back(i);  // 不会触发任何扩容
}

如果不 reserve，vector 可能会扩容 10 多次。每次扩容都涉及内存分配和元素拷贝。数据量越大，这个开销越恐怖。

我记得有一次做实时数据处理，每秒要处理 50 万条记录。一开始没 reserve，程序每秒钟要花 30ms 在扩容上。加上 reserve 之后，这 30ms 直接省掉了。嗯，有时候优化就是这么简单。

四、迭代器失效排查——隐蔽的崩溃源头

迭代器失效是 STL 里最让人头疼的问题之一。程序跑着跑着就崩了，而且不是每次都崩，这种问题最难排查。

为什么会失效？因为容器内部的数据结构变了，之前拿到的迭代器指向的内存可能已经被释放或者挪走了。

常见的失效场景：

• vector/deque：插入或删除元素后，所有迭代器都可能失效（因为可能触发重新分配）
• list：插入不会使已有迭代器失效，但删除会使被删除元素的迭代器失效
• map/set：插入和删除不会使其他迭代器失效（红黑树结构稳定）
• unordered_map：插入可能导致 rehash，使所有迭代器失效

我曾经在写一个缓存系统时，用 vector 存储数据，然后在循环里一边遍历一边删除。结果程序时不时崩溃，查了两天才发现是迭代器失效的问题。后来改成用 list 或者用索引遍历，问题就解决了。

正确的删除方式：

// vector 删除时的正确做法
for (auto it = v.begin(); it != v.end(); ) {
    if (should_remove(*it)) {
        it = v.erase(it);  // erase 返回下一个有效迭代器
    } else {
        ++it;
    }
}

// list 删除时同理
for (auto it = lst.begin(); it != lst.end(); ) {
    if (should_remove(*it)) {
        it = lst.erase(it);
    } else {
        ++it;
    }
}

总结一下

STL 性能优化说白了就四个字：知己知彼。知己，就是知道你的数据怎么用；知彼，就是知道每个容器的特性。选对容器、少拷贝、预分配、管好迭代器——这四点做到了，你的 STL 代码性能就不会差。

我个人的经验是：写代码之前先花 5 分钟想清楚数据流，比写完之后再优化省事得多。你想想看，是不是这个道理？

---

公众号:蓝海资料掘金营，微信deep3321