前言
我有一个集合,实际上是一个HashSet。我想从中删除一些item…其中许多item可能不存在。事实上,在我们的测试用例中,“removals”集合中的所有项都不在原始集合中。这听起来——实际上也是——非常容易编码。毕竟,我们已经准备好了。removeAll来帮助我们,对吗?
让我们把它变成一个小测试。我们在命令行上指定“source”set的大小和“removals”集合的大小,并构建它们。source set合只包含非负整数;删除集仅包含负整数。我们使用系统测量删除所有元素所需的时间System.currentTimeMillis()
,它不是世界上最精确的秒表,但在这种情况下就足够了,正如您将看到的那样。
代码如下:
import java.util.*;
public class Test
{
public static void main(String[] args)
{
int sourceSize = Integer.parseInt(args[0]);
int <a href="https://javakk.com/tag/removals" rel="external nofollow" rel="external nofollow" >removals</a>Size = Integer.parseInt(args[1]);
Set<Integer> source = new HashSet<Integer>();
Collection<Integer> <a href="https://javakk.com/tag/removals" rel="external nofollow" rel="external nofollow" >removals</a> = new ArrayList<Integer>();
for (int i = 0; i < sourceSize; i++)
{
source.add(i);
}
for (int i = 1; i <= removalsSize; i++)
{
removals.add(-i);
}
long start = System.currentTimeMillis();
source.removeAll(removals);
long end = System.currentTimeMillis();
System.out.println("Time taken: " + (end – start) + "ms");
}
}
首先,让我们给它一个简单的工作:一个包含100个items的source set,以及要删除的100个items:
c:UsersJonTest>java Test 100 100
Time taken: 1ms
好吧,所以我们没想到会很慢……很明显,我们可以把速度提高一点。一百万件items和300000件items的来源如何?
c:UsersJonTest>java Test 1000000 300000
Time taken: 38ms
嗯,看起来还是挺快的。现在我觉得我有点残忍,要求它做所有这些移除。让我们让它变得更简单一些–300000个source items和300000个删除:
c:UsersJonTest>java Test 300000 300000
Time taken: 178131ms
快三分钟了?哎呀!当然,从一个较小的集合中删除items应该比我们在38ms内管理的集合更容易?嗯,最终这一切都是有道理的。HashSet扩展了AbstractSet,它在removeAll
方法的文档中包含此代码段:
https://docs.oracle.com/javase/6/docs/api/java/util/AbstractSet.html
此实现通过调用每个集合上的size方法来确定此集合和指定集合中的较小者。如果此集合的元素较少,则实现将迭代此集合,依次检查迭代器返回的每个元素,以查看它是否包含在指定的集合中。如果它是这样包含的,则使用迭代器的remove
方法将其从该集中移除。如果指定集合的元素较少,那么实现将迭代指定集合,使用该集合的remove
方法从该集合中删除迭代器返回的每个元素。
从表面上看,这听起来很合理——遍历较小的集合,检查较大集合中是否存在。然而,这就是抽象存在漏洞的地方。仅仅因为我们可以要求一个item出现在一个大的集合中,并不意味着它会很快出现。在我们的例子中,集合的大小是相同的,但是检查哈希集中是否存在项是O(1)
,而在ArrayList中检查是O(N)
…而每个集合的迭代成本是相同的。基本上,通过选择遍历HashSet并检查ArrayList中是否存在,我们得到了一个O(M*N)
解决方案,而不是O(N)
解决方案。removeAll
方法基于在这种情况下无效的假设进行“优化”。
那么如何解决?
有两种简单的方法可以解决这个问题。首先,只需更改要从中删除的集合的类型。只需将ArrayList<Integer>
更改为HashSet<Integer>
,我们就可以回到34ms的范围。我们甚至不需要更改声明的删除类型。
第二种方法是更改我们使用的API:如果我们知道要迭代删除并在源代码中执行查找,那么很容易做到:
for (Integer value : removals)
{
source.remove(value);
}
事实上,在我的机器上,它的性能略优于removeAll
–它不需要在每次迭代时检查remove的返回值,removeAll这样做是为了返回是否删除了任何项。以上运行时间约为28ms
。(我已经用相当大的数据集对其进行了测试,它确实比双哈希集方法更快。)
然而,这两种方法都需要在源代码中添加注释,以解释为什么我们没有使用最明显的代码(列表和删除)。我不能抱怨这里的文档——它确切地说明了它将做什么。在你遇到这样的问题之前,你根本不需要担心它。
那么,实现应该做什么呢?可以说,它真的需要知道它所处理的每一个集合中什么是便宜的。在决定策略之前探索性能特征的想法对于清理我们喜欢在Java集合之类的框架中考虑的抽象是完全不可取的……但在这种情况下,这可能是一个好主意。
到此这篇关于Java HashSet的Removals()方法注意事项的文章就介绍到这了,更多相关Java HashSet 内容请搜索编程网以前的文章或继续浏览下面的相关文章希望大家以后多多支持编程网!