【基础知识】使用Darts

Darts是double array的一个c++ template实现。经过企业级大规模数据实践检验，其效率远高于stl中的hash_set、hash_map等。

不过Darts是用c++ template实现的，初看起来，会被他的模版参数、以及函数参数等吓到，不知道怎么用。我这里写了个简单的小例子，来看一下它的使用。基本使用情景就是我有一个词表，将这个词表load到内存，转换成double array的形式，并来查询用户输入的字符串是否在当前词表当中。

贴代码。第一个函数，从文本文件中load词表，并据此构建双数组，再序列化到文件当中。

#include "darts.h"

#include <iostream>
#include <string>
#include <vector>
#include <fstream>
#include <algorithm>

using namespace std;

void BuildDoubleAryFrmLex (void)
{
// 1. load the lexicon and build double array

// 1.1 load the lexicon and fill in a vector
vector<string> LexVec;
ifstream in ("Lex.txt");
if (!in)
{
cerr << "Can not open the file of Lex.txt" << endl;
return;
}
string sTmp;
while (in >> sTmp)
LexVec.push_back (sTmp);
sort (LexVec.begin(), LexVec.end());	// it's necessary for darts

// 1.2 make LexVec as a c-style string array, and make the value array
char ** pStrAry = (char **)malloc (LexVec.size() * sizeof(char *));
vector<string>::iterator pIter = LexVec.begin();
int i = 0;
while (pIter != LexVec.end())
{
pStrAry[i] = (char*)pIter->c_str();
pIter++;
i++;
}

// 1.3 build the double array
Darts::DoubleArray theDoubleAry;
theDoubleAry.build (LexVec.size(), pStrAry, 0, 0);

// 1.4 save it
theDoubleAry.save ("LexDoubleAry");

// 1.5 clean up
free (pStrAry);
}

说三点：

模版默认参数就是为c-style字符串准备的。所以用Darts::DoubleArray （注意加上“Darts”命名空间）来声明双数组，默认就是Darts::DoubleArray<char, unsigned char, int, unsigned int>。
在调用build函数构建双数组之前，所有字符串是要按照字符顺序排序的（在fill LexVec之后，调用sort函数），否则会出现异常
如果是想模拟hash_set的作用，build的后两个参数用“0”就行了；如果是要模拟hash_map，则，前面两个参数是描述key，后面两个是对应的val

第二个函数，load double array，并给用户查询：

void LookUpDoubleAry (void)
{
// 2. load the double array and look up

// 2.1 load the double array
Darts::DoubleArray theDoubleAry;
if (-1 == theDoubleAry.open ("LexDoubleAry"))
return;

// 2.2 look it up
do
{
cout << "input a word (quit for terminate this): " << endl;
string sWord;
cin >> sWord;
if ("quit" == sWord)
break;
else
{
int iVal = 0;
theDoubleAry.exactMatchSearch (sWord.c_str(), iVal);
if (-1 == iVal)
cout << "not in the lexicon" << endl;
else
cout << "bingo!" << endl;
}
} while (1);
cout << "Bye" << endl;
}

int main (void)
{
cout << "Now playing with Darts!" << endl;

// BuildDoubleAryFrmLex ();

LookUpDoubleAry();

return 0;
}

这里调用的是exactMatchSearch函数，表示完全匹配。还有commonPrefixSearch，匹配公共前缀。

总结一下。可以看到，如果要用darts，必须要将现有的内容通过build函数构建双数组结构。在函数接口中，除了build函数，没有其他的函数能够增、删、改双数组的内容了。这说明这个工具适合用来存储资源，并提供访问接口。在效率上，个人经过大规模数据实践检验，darts效率远高于hash_set。

darts详细情况请参考上一篇转载的博文《Darts: Double-ARray Trie System》。