题目：将25兆的数据读入内存中，并且根据数据中经度和维度，计算距离，将距离小于10千米的地址存入内存中，速度越快越好（只是POI底层的一个操作）
数据如下：
分别是用户ID 系统时间 纬度 经度 地点ID
具体思路：
将数据读入内存中 ，使用哈希表做索引去重，将location存入vector中，对vector进行两层迭代，计算距离值，将距离值小于10千米的存入内存中。
优化：
1）g++ -O3 编译优化（Linux版）
我们先看一下O3优化的成果
显而易见，-O3的优化是非常显著的。
1.介绍
gcc and g++分别是gnu的c & c++编译器 gcc/g++在执行编译工作的时候，总共需要4步
1.预处理,生成.i的文件[预处理器cpp]
2.将预处理后的文件不转换成汇编语言,生成文件.s[编译器egcs]
3.有汇编变为目标代码(机器代码)生成.o的文件[汇编器as]
4.连接目标代码,生成可执行程序[链接器ld]
2.参数设定
-O
接下来是-O变量。这个选项控制所有的优化等级。使用优化选项会使编译过程耗费更多的时间，并且占用更多的内存，尤其是在提高优化等级的时候。
-O设置一共有五种：-O0、-O1、-O2、-O3和-Os。你只能在/etc/make.conf里面设置其中的一种。
除了-O0以外，每一个-O设置都会多启用几个选项，请查阅gcc手册的优化选项章节，以便了解每个-O等级启用了哪些选项及它们有何作用。
让我们来逐一考察各个优化等级：
•-O0：这个等级（字母“O”后面跟个零）关闭所有优化选项，也是CFLAGS或CXXFLAGS中没有设置-O等级时的默认等级。这样就不会优化代码，这通常不是我们想要的。
•-O1：这是最基本的优化等级。编译器会在不花费太多编译时间的同时试图生成更快更小的代码。这些优化是非常基础的，但一般这些任务肯定能顺利完成。
•-O2：-O1的进阶。这是推荐的优化等级，除非你有特殊的需求。-O2会比-O1启用多一些标记。设置了-O2后，编译器会试图提高代码性能而不会增大体积和大量占用的编译时间。
•-O3：这是最高最危险的优化等级。用这个选项会延长编译代码的时间，并且在使用gcc4.x的系统里不应全局启用。自从3.x版本以来gcc的行为已经有了极大地改变。在3.x，-O3生成的代码也只是比-O2快一点点而已，而gcc4.x中还未必更快。用-O3来编译所有的软件包将产生更大体积更耗内存的二进制文件，大大增加编译失败的机会或不可预知的程序行为（包括错误）。这样做将得不偿失，记住过犹不及。在gcc 4.x.中使用-O3是不推荐的。
•-Os：这个等级用来优化代码尺寸。其中启用了-O2中不会增加磁盘空间占用的代码生成选项。这对于磁盘空间极其紧张或者CPU缓存较小的机器非常有用。但也可能产生些许问题，因此软件树中的大部分ebuild都过滤掉这个等级的优化。使用-Os是不推荐的。
但是在Windows下与Linux下的命令参数不同，有关请参考gcc官方手册
2）尽可能只调用一个函数，用宏定义替代函数，用乘法替代除法，用+=代替++，去掉printf
在追求速度的条件下，print是非常费时的一项操作
但是有时候全部都放到主函数效果并不好，子函数的变量可以随之释放掉，但是主函数却不可以
在汇编中所有+=都是要被转变成++的，替它省一步，将省很多时间哟！毕竟你做的可是几万次几十万次几百万次
3）用deque结构代替vetcor
deque是双向队列Double ended queue；can be accessed with random access iterator
deque是双端队列，是可以在两端扩展和收缩的连续容器。一般deque的实现是基于某种形式的动态数组，允许单个元素用随机获取迭代器随机读取，数组容量自动管理。
因此它有和vector相似的函数，但在序列的开始也有高效的插入和删除。但不像vector，deque的元素并不是严格连续存储的。
vector和deque有相似的接口和相似的目的，但内部实现截然不同。
4）用指针代替数组下标
这一步，我们首先想到的是用哈希表做一个索引，申请一个足够大的空间，以数据中地址编号作为数组下标（可以先遍历一遍，找出最小的地址编号是多少，最大的地址编号是多少，可以省很多事），在此基础上，我们用指针代替数组下标加快时间
5）距离计算基于Haversine进行坐标转换和三角函数拟合
首先根据球面模型，推导出球面余弦公式
根据公式我们进行变换得到Haversine（主要变换是消除了cos(jb-ja)项，解决了短距离求算时，对精度要求很高但是系统浮点数运算精度达不到的问题）
通过测试，我们发现，系统占用CPU主要进行的是对三角函数的计算。为了消除三角函数运算，我们将经纬度转换成地理坐标（x,y,z）
x = cos(lat)*cos(lon);
y = cos(lat)*sin(lon);
z = sin(lat);
这样在求夹角AOB的时候就可以只做点乘运算（x1*x2+y1*y2+z1*z2）从而避免大量三角函数的运算，在进行arccos()运算的时候我们将其转变成角度，AB弧长 = 夹角AOB * 地球半径R。
因为我们计算的距离较小（小于200千米其实就在一个城市）我们可以将sinAOB近似成AOB，由此我们可以将Math.acos(cosAOB)R 改为Math.sqrt(1 - cosAOBcosAOB)*R。
当距离小于200千米的时候，由于距离过小，我们可以将经纬度看成是垂直的，这个时候对于ＡＢ两点，我们只需求其对角线即可
南北方向ＡＭ ＝ Ｒ（地球半径）＊ｒａｄ（纬度差）；
东西方向ＢＭ ＝ R（地球半径）＊ｒａｄ（经度差）＊ｃｏｓ＜ｒａｄ（纬度差）＞
代码
到这里，整个计算距离公式我们只剩下一个ｃｏｓ函数，我们使用泰勒公式将其展开，因为不需要精度非常准确，我们泰勒公式只展开到二级多项式。
6）进一步优化
在同一经线，纬度每差1度,实地距离大约为111千米；
在纬线上，经度每差1度,实际距离为111×cosθ千米。（其中θ表示该纬线的纬度.在不同纬线上,经度每差1度的实际距离是不相等的）。
前边讲了，因为我们需要计算距离小于10千米的，我们的数据产生于一个城市，相差不超过200千米，基于这个我们将经纬度看成是相互垂直的。此时我们只需要计算两点之间经度差值大于0.1或者维度差值大于0.1，经度或者维度相差0.1则距离相差11.1千米，对于这样的地点对，我们就可以不计算其具体距离，跳过它。
我们将判断加上之后运行时间减少了一倍。
7）算法优化
我们将存好的地点按照维度从小到大进行排序，在做循环的时候，如果两个地址对的纬度相差大于0.1，我们就跳出内层循环。至此，我们花费在计算距离上的时间已经缩短到0.06s（在前边所有优化的前提下）加上把文件读取到内存的时间0.38s
STL库中的sort函数ccomplare是不能返回等于，只有明确的0和1。
将数据全部放入内存时数据结构的选取：
如果申请二维数组的话，30000*30000大小的数组是开不出来的，在Windows下，vector也有可能报错，因为vector申请的是连续的数组空间，这也就意味着，即使你的电脑还有1个G的内存可以用，但是仍然可能开不出来这么大的空间，但是用链表的话速度就达不到。
运行时间对比
Linux下运行时间
参考资料
总结：
所有的投机取巧都不如算法来的快哈哈哈哈哈哈哈哈哈哈
