vector的内存增长策略通常呈指数增长，如1.5倍或2倍，以减少内存分配次数。它通过预留空间提高性能，但可能造成内存浪费。capacity表示当前可存储元素的最大数量，size表示实际元素数量。当size超过capacity时，vector会重新分配内存。手动控制方法包括：1.reserve(n)预分配空间；2.shrink_to_fit()尝试释放多余内存。clear()和erase()仅删除元素而不释放内存，可通过swap、clear与shrink_to_fit结合彻底释放内存。vector不提供直接释放方法是为了保证安全性与性能平衡。
vector的内存增长策略比较微妙，简单来说，它不是每次添加元素都重新分配内存，而是预留一定的空间，当预留空间不足时，才会重新分配。理解capacity和size对于掌握vector的内存管理至关重要。
vector的内存增长策略，以及capacity和size的内存管理原理。
vector的内存增长策略是什么？
vector的内存增长策略通常是呈指数形式增长，例如每次增加当前容量的一半或者一倍。这样做的好处是可以减少重新分配内存的次数，提高效率。但这种策略也可能导致一定的内存浪费，因为预留的空间可能并没有被完全使用。具体增长因子取决于编译器和标准库的实现。例如，Visual Studio通常是1.5倍增长，而GCC可能是2倍。
立即学习“C++免费学习笔记（深入）”；
这种增长策略背后的逻辑在于，频繁的内存重新分配和数据拷贝是昂贵的。通过预先分配一定的额外空间，vector可以在多次插入操作中避免重复的内存分配，从而提高性能。当然，这种策略也会带来空间上的开销，尤其是在vector存储大量数据时。
capacity和size的区别是什么？
size指的是vector当前实际存储的元素个数，而capacity指的是vector在不重新分配内存的情况下，可以存储的元素总数。size可以通过size()方法获取，capacity可以通过capacity()方法获取。当size超过capacity时，vector会重新分配内存，通常是分配一块更大的内存，然后将原来的元素拷贝到新的内存中，并释放旧的内存。
举个例子，假设你有一个水杯（vector），size代表杯子里实际装了多少水，而capacity代表这个水杯最多能装多少水。你可以往杯子里倒水（添加元素），直到水满（size等于capacity）。如果再倒水，就需要换一个更大的杯子（重新分配内存）。
如何手动控制vector的内存分配？
虽然vector会自动管理内存，但我们也可以通过一些方法来手动控制内存分配，以优化性能或减少内存浪费。
-
reserve(n): 这个方法可以预先分配至少能容纳n个元素的空间。如果n小于当前的capacity，则reserve()什么也不做。使用reserve()可以在已知元素数量的情况下，避免多次重新分配内存。 -
shrink_to_fit(): 这个方法会尝试释放vector不再使用的内存，将capacity减少到与size相等。但需要注意的是，shrink_to_fit()只是一个请求，具体是否释放内存取决于标准库的实现。
例如，如果你知道一个vector最终会存储1000个元素，可以先调用vec.reserve(1000)，这样可以避免vector在插入元素的过程中多次重新分配内存。而如果你发现一个vector占用了大量的内存，但实际只存储了很少的元素，可以尝试调用vec.shrink_to_fit()来释放多余的内存。
vector的内存释放问题，clear()和erase()的区别？
clear()方法会移除vector中的所有元素，但不会释放vector占用的内存。这意味着size会变为0，但capacity保持不变。而erase()方法可以移除vector中指定位置或范围内的元素，同样也不会改变capacity。
如果想要彻底释放vector占用的内存，可以考虑使用以下方法：
std::vector().swap(vec); // 创建一个临时的空vector，然后与vec交换，vec的内存会被释放 vec.clear(); // 清空元素 vec.shrink_to_fit(); // 尝试释放多余的内存
需要注意的是，即使调用了shrink_to_fit()，也并不保证一定能释放内存，这取决于标准库的实现。但通常情况下，这种方法可以有效地减少vector占用的内存。
为什么vector不提供直接释放内存的方法？
vector的设计目标是提供高效的动态数组，而不是最小化内存占用。直接提供释放内存的方法可能会破坏vector的内部状态，导致未定义的行为。因此，vector选择提供reserve()和shrink_to_fit()等方法，让用户可以间接地控制内存分配，同时保证vector的安全性。
此外，频繁的内存分配和释放本身也是一种开销。vector的内存管理策略旨在平衡内存占用和性能，而不是一味地追求最小化内存占用。在大多数情况下，vector的默认内存管理策略已经足够高效，不需要手动干预。只有在对内存占用有严格要求的场景下，才需要考虑手动控制vector的内存分配。
