結論

boost::flat_map が圧倒的に速い。
次点は概ね std::unordered_map

やったこととやってないこと

やったこと

C++17 で、std::map<std::string, int> と std::unordered_map<std::string, int>, boost::flat_map<std::string, int> の範囲for文を回して、その部分の時間を測定するコードを書いた。
要素数とキーとなる文字列の長さはコマンドライン引数で指定。
上記コードからできたバイナリをたくさん呼んで csv化するスクリプトを ruby で書いた。
上記コードで出来上がった csv をグラフにするスクリプトを R で書いた。
全部実行した。

やらなかったこと

範囲for文以外の操作の時間を測ること
<std::string, int> 以外のテンプレートパラメータについての調査
ランダムな文字列以外のキーについての調査

実験に使ったソースコード

C++17

まずは C++17 のソースコード。

c++17(bench.cpp)

// clang++ -std=c++17 -O2 bench.cpp -o bench
# include <iostream>
# include <chrono>
# include <map>
# include <unordered_map>
# include <string>
# include <vector>
# include <cstdlib>
# include <random>
# include <boost/container/flat_map.hpp>

char randchar()
{
  static std::mt19937_64 rng(0xbeef);
  std::uniform_int_distribution<> dist(1, 255);
  return static_cast<char>(dist(rng));
}

template< typename map_t >
map_t prepare(int len, int count)
{
  map_t map;
  for (int vi = 0; vi < count; ++vi)
  {
    std::string s;
    s.reserve(len);
    for (int si = 0; si < len; ++si)
    {
      s += randchar();
    }
    map.emplace( std::move(s), vi );
  }
  return map;
}

template <typename map_t>
void run(int len, int count)
{
  map_t map = prepare<map_t>( len, count );
  int sum=0;
  auto start = std::chrono::high_resolution_clock::now();
  for( auto const & [ k, v ] : map ){ // 構造化束縛(C++17)
    sum += v;
  }
  auto end = std::chrono::high_resolution_clock::now();
  std::cout
      << std::chrono::duration_cast<std::chrono::nanoseconds>(end - start).count() * 1e-6
      << "ms"
      << "," << sum // 最適化されないように sum を使ってみる。
      << std::endl;
}

int main(int argc, char const *argv[])
{
  char type = *argv[1];
  int len = std::atoi(argv[2]);
  int count = std::atoi(argv[3]);
  switch (type)
  {
  case 'm':
    run<std::map<std::string, int>>(len, count);
    break;
  case 'u':
    run<std::unordered_map<std::string, int>>(len, count);
    break;
  case 'f':
    run<boost::container::flat_map<std::string, int>>(len, count);
    break;
  default:
    std::cout << "unexpected type" << std::endl;
  }
}

ruby2.6

上記の C++ のコードを走らせて csv に変換するスクリプト

ruby2.6(run.rb)

require "csv"
require "pp"

def run( t, len, count )
  r = %x( ./bench #{t} #{len} #{count} ).gsub( /ms.*/, "" ).to_f
  [t, len, count, r]
end

N=15

def out(csv,data)
  csv << %w( len count u m f )
  data.transpose.each do |u,m,f|
    csv << [ u[1], u[2], u[3], m[3], f[3] ]
  end
end

%x( clang++ -std=c++17 -O2 bench.cpp -o bench )

p :len
CSV.open( "len.csv", "w" ) do |csv|
  data = %w( u m f ).map do |t|
    N.downto(6).map do |e|
      p e
      run(t, (10**(e/3.0)).round, 1000) # 平準化のために走らせる
      run(t, (10**(e/3.0)).round, 1000)
    end
  end
  out(csv,data)
end

p:count
CSV.open( "count.csv", "w" ) do |csv|
  data = %w( u m f ).map do |t|
    N.downto(6).map do |e|
      p e
      run(t, 10, (10**(e/3.0)).round) # 平準化のために走らせる
      run(t, 10, (10**(e/3.0)).round)
    end
  end
  out(csv,data)
end

R

上記のスクリプトの実行結果をグラフにする R のプログラム

R(graph.R)

pdf("len.pdf", width=8, height=5) # 8×5 inch
dt<-read.csv("len.csv")
plot(
  dt$len,dt$m,
  col="red",
  type="o",
  pch=20,
  log="xy",
  xlab="string length",ylab="time(ms)",
  ylim=c(0.00001,0.1))
lines(dt$len,dt$u,col="blue",type="o",pch=20,xlab="foo",ylab="hoge")
lines(dt$len,dt$f,col="green",type="o",pch=20,xlab="bar",ylab="fuga")
legend("bottomright", legend=c("map", "unorderd_map", "flat_map"),pch=20,col=c("red","blue","green"),lwd=1,lty=1)
dev.off()

pdf("count.pdf", width=8, height=5) # 8×5 inch
dt<-read.csv("count.csv")
plot(
  dt$count,dt$m,
  col="red",
  type="o",
  pch=20,
  xlab="item count",ylab="time(ms)",
  log="xy",
  ylim=c(0.0001,10))
lines(dt$count,dt$u,col="blue",type="o",pch=20,xlab="foo",ylab="hoge")
lines(dt$count,dt$f,col=" green",type="o",pch=20,xlab="foo",ylab="hoge")
legend("bottomright", legend=c("map", "unorderd_map", "flat_map"),pch=20,col=c("red","blue","green"),lwd=1,lty=1)
dev.off()

測定結果

結果その1 - 文字列長を変えて、要素数固定

キーになる文字列の長さを変えて測定。要素数は 1000 で固定。

対数目盛注意。
文字列の長さは forループに要する時間に影響を与えない。まあそりゃそうだよね。
速度比較は boost::flat_map の圧勝。10倍ぐらい速い。まあそりゃそうだよね。

std::unordered_map と std::map の対決は、概ね std::unordered_map の勝ち。
もっと差がつくと思っていたけど、辛勝といったところ。

結果その2 - 要素数を変えて、文字列長固定

キーになる文字列は 10文字固定。要素数を変えて測定。

対数目盛注意。
要素数が増えれば forループに要する時間も増える。当たり前だよね。
ここでも boost::flat_map の圧勝。要素数が増えるとなぜか差が開く。なんでだろう。

std::unordered_map と std::map の対決は、概ね std::unordered_map の勝ち。
要素数が多くなると std::unordered_map の優位性は揺らいでくる。なんでだろう。

まとめ

forループを回している時は、boost::flat_map が速い。10倍とかそれぐらい。
std::unordered_map と std::map の対決は、概ね std::unordered_map の勝ち。でも、その差はあまり大きくない。