1

尝试插入 unordered_map 时，当 datact=10736 时发生分段错误（请参阅调用引发错误的注释行）。请参阅下面的尝试修复。

当 SIGSEGV 被抛出时，它指向我的第 764 行hashtable_policy.h

INPUT：column1=counts, column2=16-character strings 的数据文件

目的：通过将所有 1 替换不同序列的计数相加来聚类 16 个字符的序列。看到的第一个序列是“起源”，通过它可以识别它的所有 1 替换朋友。

PSEUDOCODE：对于文件中的每一行：

  1. 读计数，读序列。

  2. 如果序列 key_value 存在于哈希“位置”（类型 unordered_map）中，则添加当前计数；

  3. 否则创建一个新的 key_value，让它指向这里的计数，并分配所有 1 替换序列也指向这个计数。

代码：

#include <iostream>
#include <fstream>
#include <string>
#include <sstream>
#include <cmath>
#include <vector>
#include <unordered_map>
#include <map>

#include "matrix.h"

using namespace std;

int nuc2num(char currchar)
{   // returns 0,1,2,3 for A,C,T,G respectively
    int outnum;

    if (currchar=='A')
    {
        outnum=0;
    }
    else if (currchar=='C')
    {
        outnum=1;
    }
    else if (currchar=='T')
    {
        outnum=2;
    }
    else
    {
        outnum=3;
    }
    return outnum;
}

int main(int argc, char* argv[])
{
    //command line arguments
    //  arg1=filename, arg2=barcode sequence length, arg3=#mismatches permitted

    //input handling
    //  file format: column 1 | column 2
    //               counts   | sequence    [int | string]

    string filename;
    string funnelstring;

    // define lookup matrix; rows=ACTG, cols = ACTG without row element
    Matrix <char> sub_lookup(4,3);
    sub_lookup[0][0] = 'C';
    sub_lookup[0][1] = 'T';
    sub_lookup[0][2] = 'G';
    sub_lookup[1][0] = 'A';
    sub_lookup[1][1] = 'T';
    sub_lookup[1][2] = 'G';
    sub_lookup[2][0] = 'A';
    sub_lookup[2][1] = 'C';
    sub_lookup[2][2] = 'G';
    sub_lookup[3][0] = 'A';
    sub_lookup[3][1] = 'C';
    sub_lookup[3][2] = 'T';

    int L,k;

    int j=0;

    const int buffersize=10000;
    int currentsize=buffersize;

    int datact=0;
    int currchar;

    vector <unsigned int> ctarr(buffersize);
    vector <string> seqarr(buffersize);

    filename=argv[1];
    L=atoi(argv[2]);
    k=atoi(argv[3]);

    unsigned int sct;
    int substrlen;
    string sequence,textct;
    ifstream seqfile (filename.c_str());

    //map <string,unsigned int*> location;
    unordered_map <string,unsigned int*> location;

    if (seqfile.is_open())
    {
        getline(seqfile,textct,'\n');
        while (textct != "")
        {
            sct=atoi(textct.c_str());
            substrlen=textct.length();
            //cout << textct << endl;
            sequence=textct.substr(substrlen-L,L);
            //cout << sequence << endl;

            //is there an associated guy?
            if (location.find(sequence) != location.end()) //just asks whether this key has been assigned
            {   //there's a value in the region
                *location[sequence]+=sct;
            }
            else
            {   //no value in region, make a footprint
                ctarr[datact]=sct;
                seqarr[datact]=sequence;
                location[sequence]=&ctarr[datact]; //assign current key to point to data count


                //assign k substitution "funnel" region to point to this count as well
                for (j=0; j<L; j++)
                {
                    funnelstring=sequence;
                    currchar = nuc2num(sequence[j]);

                    if (datact==10736 && j==13)
                    {
                        cout << "here" << endl;
                        cout << sequence << endl;
                    }

                    for (k=0; k<3; k++)
                    {
                        funnelstring[j]=sub_lookup[currchar][k];

//                    if (datact==10736 && j==13)
//                    {
//                        cout << funnelstring << endl;
//                        cout << location.max_size() << " | " << location.size() << endl;
//                        string asdf;
//                        asdf="AAAAAAAAAAAAAAAA";
//                        location[asdf]=&ctarr[datact]; //still segfaults
//                    }

                        if (location.find(funnelstring) == location.end()) // asks whether this key has been assigned
                        {   //this region is not assigned to another funnel
                            location[funnelstring]=&ctarr[datact]; //LINE THAT CAUSES SIGSEGV
                        }
                    }
                }
                datact++;
                cout << datact << endl;
                if (datact>=currentsize)
                {
                    ctarr.resize(currentsize+buffersize);
                    seqarr.resize(currentsize+buffersize);
                    currentsize+=buffersize;
                }
            }

            getline(seqfile,textct,'\n');
         }
        seqfile.close();
    }

探索。

  1. 添加什么键无关紧要，何时datact==10736和j=13，添加到 (unordered_map) 位置的任何键都会导致 SIGSEGV。
  2. 有问题的代码行（由上面的注释标记）被多次调用，并且运行正确。
  3. 将 unordered_map 交换为 map 会导致相同的事件，但 datact 的计数不同（更高）。仍然很低（在datact==16-35 千之间）。
  4. 据我所知，几乎完全重写此代码，但随机生成的 16 个字符序列可以完美地工作（数据集没有段错误，最高 200,000，没有测试更高）。
  5. 在 (4) 中的代码中，似乎在 10000 左右有一次重新散列，这可能是相关的，也可能是巧合。

如果需要，我可以发布读取的数据文件。

编辑：解决 而不是unordered_map <string,unsigned int*> location，替换为unordered_map <string,unsigned int> location（value_type 是 int 而不是 int*）。现在 value_type 将索引保存在 ctarr[] 中。运行良好。谢谢！

4

1 回答 1

5

当vector您调用vector::resize(). 这是因为可能必须移动整个数据才能找到适合新大小的连续内存块。换句话说：一旦你调用resize，你所有的location数据突然变成无用的垃圾。

可能的解决方案：

  • 让我们location将所需元素的索引存储ctarr为其值而不是指针。（这肯定不会改变程序的语义。）
  • 让我们location存储实际unsigned int 值而不是指针。根据您的程序逻辑以及您更改和访问此数据的方式，这可能不是您想要的。

另请注意，虽然 segfault 发生在 中，但此错误与（或）hashtable_policy.h的实现无关- 不阅读参考完全是您的错 ;-) ：http ://www.cplusplus.com/reference/矢量/矢量/调整大小/（“迭代器有效性”部分）unordered_mapvectorvector::resize()

我注意到您的代码的另一件事是您operator[]用于访问您的vector元素。这将禁用越界检查。如果我在我的代码中遇到像你这样的错误（很难追溯，因为它发生在远离我的错误代码的某个地方），我的第一个行动方案将是交换operator[]（vector::at()实际上，我总是开始at()并且只有在我可以证明的情况下才切换毫无疑问，边界检查是这个特定目的的性能瓶颈）。这对您的问题没有帮助，但通常对发现错误很有帮助。

于 2013-02-06T14:41:18.630 回答