⭐前言：学习C++的STL，我们不仅仅要要求自己能够熟练地使用上层语法，我们还必须要求自己了解其底层原理，不需要了解得太深入，但一定得知道我们写出的各种代码后面，究竟采用了哪种设计思想，为什么要这样设计，有什么好处？这将会帮助我们打下坚实地C++基础，不再是只会表面语法的伪高手！
适配器，也就是适配器模式，它跟迭代器模式一样，属于设计模式(设计模式是一套被反复使用的、多数人知晓的、经过分类编目的、代码设计经验的总结)的一种，该种模式是将一个类的接口转换成客户希望的另外一个接口。就好比插座的适配器一样。
适配器模式：用现有的东西封装转换出我们想要的东西
迭代器模式：通过封装从而不暴露底层细节，在上层的中按照统一的方式进行使用。
使用适配器模式模拟实现stack
数据结构中的栈，可以通过顺序表，也能通过链表实现，不过大多数情况，都会使用顺序表来实现，但是在STL中，不管哪种方法，我们都可以兼顾，那就是通过类模板即可。
实现stack，很简单，我们只需将vector或list作为适配器，利用适配器里面的接口进行封装转换就能完成stack的模拟实现。
首先先写出基本的框架。对于T，是stack使用的类型，而Container是适配器，就是我们想要stack是适配器是vector还是list，就传进去。而Container的缺省值是deque<T>。
namespacemy_Stack { template<classT,classContainer=deque<T>>classstack { public: private: Container_con; }; }
接下来就好办了，复用适配器中的接口，实现在栈顶入，栈顶出，取栈顶元素，获取元素个数，判空等待。
①在栈顶插入数据：
voidpush(constT&x) { _con.push_back(x); }
②在栈顶出数据：
voidpop() { _con.pop_back(); }
③获取栈顶元素：
T&top() { return_con.back(); }
④判空
boolempty() { return_con.empty();
⑤获取元素个数
size_tsize() { return_con.size(); }
我们不需要写析构函数，构造函数，拷贝构造函数等待，因为成员函数的类型是适配器推演出来的类型，它会去调用自己本身的构造函数和析构函数！
使用适配器模式模拟实现queue
要实现queue，跟实现stack一样！简单得很。数据结构中的队列，可以通过顺序表，也能通过链表实现，不过大多数情况，都会使用链表来实现，一样地，我们可以通过类模板来兼顾各种情况。
namespacemy_Queue { template<classT,classContainer=deque<T>>classqueue { public: private: Container_con; }; }
跟stack不一样的，无非就是对头出数据，队尾入数据，然后是可以取队头和队尾的数据。
①队尾入：
voidpush(constT&x) { _con.push_back(x); }
②队头出：
voidpop() { _con.pop_front(); }
③取队头或队尾数据：
constT&front()//取队头数据 { return_con.front(); } constT&back()//取队尾数据 { return_con.back(); }
了解deque
我们可以发现不管是stack还是queue，它们的适配器的缺省值是deque。使用deque的原因是有以下：
①stack理想的适配器是vector，而vector的缺点是扩容消耗，不支持头插头删和中间插入，因为这样效率很低。
②queue理想的适配器是vector，而list的缺点是不能随机访问。
对于deque，可以兼具vector和list的优点，解决掉缺点。
deque(双端队列)：是一种双开口的"连续"空间的数据结构，双开口的含义是：可以在头尾两端进行插入和删除操作，且时间复杂度为O(1)，与vector比较，头插效率高，不需要搬移元素；与list比较，空间利用率比较高。
deque并不是真正连续的空间，而是由一段段连续的小空间拼接而成的，实际deque类似于一个动态的二维数组，其底层结构如下图所示：
双端队列底层是一段假象的连续空间，实际是分段连续的，为了维护其“整体连续”以及随机访问的假象，落在了deque的迭代器身上，其设计结构如下：
![N@TP@`}_A]}FLZF}N%PNW@Y.png](https://ucc.alicdn.com/pic/developer-ecology/ipajprmaanvwy_104ffc40fe5346f0a7bb2ec4d0c65276.png?x-oss-process=image/resize,w_1400/format,webp "N@TP@`}_A]}FLZF}N%PNW@Y.png")
从图中我们可以知道，头插尾插的时候，不需要挪动数据。而随机访问，比如每个数组的容量为10，我们要找20，那么就先计算出20是在第几个数组中（用20/10 = 2），然后再算出在这个数组的哪里（找到是在第二个数组后，再20%10 = 0，在第0个下标上）。
deque的缺陷
①与vector比较，deque的优势是：头部插入和删除时，不需要搬移元素，效率特别高，而且在扩容时，也不需要搬移大量的元素，因此其效率是比vector高的，但是在中间位置插入，也依然效率低，需要挪动数据。
②与list比较，其底层是连续空间，空间利用率比较高，不需要存储额外字段。
③但是，deque有一个致命缺陷：不适合遍历，因为在遍历时，deque的迭代器要频繁的去检测其是否移动到某段小空间的边界，导致效率低下，而序列式场景中，可能需要经常遍历，因此在实际中，需要线性结构时，大多数情况下优先考虑vector和list，deque的应用并不多,而目前能看到的一个应用就是，STL用其作为stack和queue的底层数据结构。
选择deque作为stack和queue的底层默认适配容器的原因：
stack是一种后进先出的特殊线性数据结构，因此只要具有push_back()和pop_back()操作的线性结构，都可以作为stack的底层容器，比如vector和list都可以；queue是先进先出的特殊线性数据结构，只要具有push_back和pop_front操作的线性结构，都可以作为queue的底层容器，比如list。但是STL中对stack和queue默认选择deque作为其底层容器，主要是因为：
①stack和queue不需要遍历(因此stack和queue没有迭代器)，只需要在固定的一端或者两端进行操作。
②在stack中元素增长时，deque比vector的效率高(扩容时不需要搬移大量数据)；queue中的元素增长时，deque不仅效率高，而且内存使用率高
仿函数
仿函数是一个类，它的对象叫做函数对象。函数对象可以像函数一样去使用。仿函数的类要求重载一个函数：operator()()
下面就来实现一下，priority_queue中的仿函数：less和greater。
namespacemy_functor{ template<classT>classless { public: booloperator()(constT&x, constT&y) { returnx<y; } }; template<classT>classgreater { public: booloperator()(constT&x, constT&y) { returnx>y; } }; } intmain() { my_functor::less<int>lessFunc; //这样调用起来，看起来lessFunc是一个函数，但其实它是一个对象//因此，类less叫做仿函数，lessFunc叫做函数对象lessFunc(1, 2); return0; }
仿函数的好处
还记得冒泡排序吗，在C语言中，一般情况下，我们写的排序算法，一般都是写死的，即只能用于降序，或用于升序，但这样显示不好，那么有没有办法让冒泡排序可以灵活点呢？站在上层的角度，每次调用冒泡排序的时候，我们可以多传一个参数进去，这个参数可以改变冒泡排序的排序形式！这时候，仿函数闪亮登场！
template<classT,classCompare>//添加泛型和仿函数voidBubbleSort(T*a, intn,Comparecom)//多添加一个函数对象{ for (intj=0; j<n; ++j) { intexchage=0; for (inti=1; i<n-j; ++i) { //if (a[a[i] < a[i-1])if(com(a[i-1] , a[i])//不需要写死，排序方式交给函数对象即可！ { swap(a[i-1], a[i]); exchage=1; } } if (exchage==0) { break; } } }
此时调用的时候，就应该是这样的：
要升序是吧，简单！
inta[] = { 6,2,5,4,8,9,3,1,7 }; my_functor::less<int>lessFunc; BubbleSort(a, sizeof(a) /sizeof(int), lessFunc);//有名对象BubbleSort(a, sizeof(a) /sizeof(int), my_functor::less<int>());//匿名对象
要降序是吧，好说！
my_functor::greater<int>greaterFunc; BubbleSort(a, sizeof(a) /sizeof(int), greaterFunc);
总的来说仿函数的好处就是，可以将函数改造成函数对象，有了这个函数对象，我们可以把它写进类模板里面，为代码程序添加更多功能。
优先级队列priority_queue
优先级队列不是队列，它跟普通的队列不一样，普通的队列是先进先出，但是优先级队列是具有优先级的数据先出。因此优先级队列本质上就是一个堆，它是一种容器适配器（用vector来适配），根据严格的弱排序标准，它的第一个元素总是它所包含的元素中最大的（即默认是大的数据优先级高，大堆）。
模拟实现优先级队列priority_queueq
优先级队列是一个堆，因此其核心是会建堆，以及调整堆排序。关于堆排序的相关知识，已经在二叉树的这篇文章中有了。二叉树----堆排序。因此这里就不再进行解析。
需要说明的是：因为我们在建堆的时候，可能会需要用到它的迭代器区间构造，因此需要实现一下，这就导致我们需要写一个无参构造，但这个无参构造并不需要写任何东西，因为适配器的对象会调用自己的初始化列表。
需要注意的是，根据文档：优先级队列中less表示的是大堆，即升序，greater表示的小堆，即降序。
namespacemy_priority_queue{ //less类，仿函数template<classT>classless { public: booloperator()(constT&x, constT&y) { returnx<y; } }; //greater类仿函数template<classT>classgreater { public: booloperator()(constT&x, constT&y) { returnx>y; } }; template<classT,classContainer=vector<T>,classCompare=less<T>>classpriority_queue { public: //迭代器区间构造，不需要实现迭代器template<classInputIterator>priority_queue(InputIteratorfirst,InputIteratorlast) :_con(first,last)//调用vector或其它适配器的迭代器区间构造 { //建堆,采用向下调整比较好for (inti= (_con.size() -2) /2; i>=0; --i) { adjust_down(i); } } //无参构造，会去调用适配器的初始化列表priority_queue() {} //向下调整voidadjust_up(size_tchild) { Comparecom; size_tparent= (child-1) /2; while (child>0) { //less-->x < y -->parent < child 默认大堆 if(com(_con[parent],_con[child])) { swap(_con[child], _con[parent]); child=parent; parent= (child-1) /2; } else { break; } } } //向上调整voidadjust_down(size_tparent) { Comparecom; size_tchild=parent*2+1; while (child<_con.size()) { //默认左孩子大于右孩子 less-->x < y -->child < child+1 if (child+1<_con.size() &&com(_con[child] , _con[child+1])) { child++; } //less-- > x < y-->child < parentif (com(_con[parent] , _con[child])) { swap(_con[parent], _con[child]); parent=child; child=parent*2+1; } else { break; } } } //插入数据voidpush(constT&x) { _con.push_back(x); //向上调整adjust_up(_con.size() -1); } //将堆顶元素pop掉voidpop() { swap(_con[0], _con[_con.size() -1]); _con.pop_back(); //向下调整adjust_down(0); } //取堆顶元素constT&top() const { return_con[0]; } boolempty() { return_con.empty(); } size_tsize() const { return_con.size(); } private: Container_con; }; }
