里本人就封装了三个办法public

最近写代码,遇到一个问题,微软基于List<T>自带的方法是public bool
Remove(T
item);,可是有时候我们可能会用到诸如RemoveAll<IEnumerable<T>>的方法,坦白的说,就是传入的参数是一个IEnumerable<T>,而不是一个T,这种情景是随时可能用到的。当然我们会轻易的发现List<T>里本身就封装了一个方法public
int RemoveAll(Predicate<T>
match),但是后面我们的测试性能上来说,真不敢恭维。被逼无耐,只能想办法封装一个IEnumerable<T>扩展方法。可是此时不要忘了写这篇文章的宗旨,封装的目的,就是‘性能’必须要好!

下面我们一步一步讲讲我遇到的经历分享给大家。

假设如下的数据:

1.Source IEnumerable Items:A  B  C  D  A 
E  F  G  H

2.Remove IEnumerable Items:A  B  C  D  A 
E

3.Result IEnumerable Items:F  G  H

第1行是原有的IEnumerable数据

第2行是要删除(remove)的数据

第3行是最终删除结果的数据

从上面数据,我们分析下如何高效的得到第3行数据呢?记得,一定要‘高效’,失去高效的方法,我认为不是本节讨论的内容,因为没有任何意义,当然,高效是相对的,不是说,今天讲的方法是最高效的,起码很高效,恩~
请不要骂我,确实是费话!

 

没错,很多程序员想必和我一样,大多数会这样做

图片 1图片 2

 for (int index = 0; index < source.Count; index++)
            {
                var item = source.ElementAt(i);
                if (remove.Contains(item))
                {
                    source.Remove(item);
                }
            }

View Code

好吧,这样做,目的是达到了,但是,接下来的测试,让人纠心。

我们来摸拟下数据

新建一个Source IEnumerable 随机产生10万条数据 和Remove IEnumerable
随机产生1万条数据

图片 3图片 4

  List<string> source = new List<string>();
            List<string> remove = new List<string>();

            int i = 0;
            Random rad = new Random();

            while (i < 100000)
            {
                source.Add(rad.Next(Int32.MaxValue).ToString());
                i++;
            }

            i = 0;

            while (i < 10000)
            {
                remove.Add(rad.Next(Int32.MaxValue).ToString());
                i++;
            }

            DateTime now = DateTime.Now;
            for (int index = 0; index < source.Count; index++)
            {
                var item = source.ElementAt(i);
                if (remove.Contains(item))
                {
                    source.Remove(item);
                }
            }

            Console.WriteLine("Remove Running time:" + (DateTime.Now - now).TotalSeconds);
            Console.ReadKey();

View Code

上述代码消耗的时间是 Remove Running
time:16.6678431s

所以遇到这种情况,测试结果表明,消耗的时候太长,我们根本等不起,何况放在程序里就是一个炸弹。

当然,我们摸拟的数据可能太过于庞大,但不得不承一个从客观事实,这个方法效率不是太好!

 

上面我们讨论过 IEnumerable<T>.RemoveAll<IEnumerable<T>>(IEnumerable<T>
Items)方法

费话不多说,直接上来测试下,看看如何。

代码如下:很简单,仅需一行:

图片 5图片 6

 List<string> source = new List<string>();
            List<string> remove = new List<string>();

            int i = 0;
            Random rad = new Random();

            while (i < 100000)
            {
                source.Add(rad.Next(Int32.MaxValue).ToString());
                i++;
            }

            i = 0;

            while (i < 10000)
            {
                remove.Add(rad.Next(Int32.MaxValue).ToString());
                i++;
            }

            DateTime now = DateTime.Now;
            source.RemoveAll(m => remove.Contains(m));
            Console.WriteLine("RemoveAll Running time:" + (DateTime.Now - now).TotalSeconds);

View Code

 

测试结果所消耗时间是 RemoveAll Running
time:16.1175443s

和第一种方法对比,消耗的时间并没有太大提高,几乎一致,唉,真是让人失望。

这个时候,我们来看看linq to object
看看。

图片 7图片 8

 DateTime now = DateTime.Now;

            /**注册这里ToList()主要是让查询真正的执行,不然,只是生成语句
            var r = (from item in source
                     where !remove.Contains(item)
                     select item).ToList();
            **/
            var r = source.Where(item => !remove.Contains(item)).ToList();

            Console.WriteLine("RemoveAll Running time:" + (DateTime.Now - now).TotalSeconds);
            Console.ReadKey();

View Code

测试结果所消耗时间是 RemoveAll Running
time:16.1112403s

其实我们仔细的分析下代码 m =>
remove.Contains(m) 本来还是一种遍历,外层又一层遍历。再回来过看看Linq To
Object 实际上也是变相的双层遍历

从时间消耗来说,三种方法时间消耗几乎一致
O(M*N);

到此为至,我们并没有找到真正的高效的方法。‘办法’嘛,总是想靠人想的,不能说,就这样算了吧?

仔仔想想,List<T>
在遍历上,是很慢的,而采用诸如字典Dictionary<T>
查找某个键(Key)值(Value),性能是非常高效的,因为它是基于’索引’(下面会详细的说明)的,理论上讲在时间消耗是O(1)。即然这样,我们回过头来再看看我们的例子

 

 

1.Source IEnumerable Items:A  B  C  D  A 
E  F  G  H

2.Remove IEnumerable Items:A  B  C  D  A 
E

3.Result IEnumerable Items:F  G  H

众所周知,字典Key
是唯一的,如果我们把Remove IEnumverable Items
放入字典Dictionary<Remove
Items>里,用一个Foreach遍历所用项,在时间上理论上应该是O(N),然后再对Source
IEnumberable Items遍历对比Dictionary<Remove Items>IEnumverable
Items ,如果两者是相同的项那么continue for遍历,否则,把遍历到的Source
IEnumberable Items
项存入一个数组里,那么这个数组里,即是我们需要的Result IEnumberable
items结果项了。这个方式有点像‘装脑袋’。哈哈~,不要高兴的太早,由于Remove
IEnumverable Items
是允许有重复的项,那么放在字典里,不是有点扯了吗?不用怕,看来,我们直接玩字典得换个方式,把字典的Key放入
Remove
Item,把Value存入一个计数器值作为标计,以此如果存在多项重复的重置value=1,不重复出现的项直接赋值1。仔仔想想,方法可行。

图片 9

上面是一个示意图,A B C D E 作为Key 其中Value值匀为1。

我们看到,A重复了两次,那么在字典里value
标计匀重置为1,B出现了一次,标计为1,这样做不是多此一举吗?

要知道字典是通过Key寻找键值的,速度远远超过foreach 遍历List强的多。

好了,我们按照上面的思路写出方法:

  public static IEnumerable<T> RemoveAll<T>(this IEnumerable<T> source, IEnumerable<T> items)
        {
            var removingItemsDictionary = new Dictionary<T, int>();
            var _count = source.Count();
            T[] _items = new T[_count];
            int j = 0;
            foreach (var item in items)
            {
                if (!removingItemsDictionary.ContainsKey(item))
                {
                    removingItemsDictionary[item] = 1;
                }
            }
            for (var i = 0; i < _count; i++)
            {
                var current = source.ElementAt(i);
                if (!removingItemsDictionary.ContainsKey(current))
                {
                    _items[j++] = current;
                }
            }
            return _items;
        }

方法很简单吧,其实我们主要想利用字典的Key
快速匹配,至于值就没那么重要了。

字典的索引时间上是O(1),遍历source时间是O(M)
总计时间理论上应该上O(M+N)而不是O(M*N)。

上面的代码,我们为了让调用方便,故去扩展IEnumerable<T>,下面我们来测试下看看时间有没有提高多少?

     IEnumerable<string> dd = source.RemoveAll(remove);

这次,哈哈,既然仅仅只用了0.016001…s,上面几个例子用了16s
相差太大了,足足提高了1000倍之多,果然采用字典方式,性能上来了,这样的代码,放在项目才具有实际意义!

其实仔细分析上面代码还是有问题的

T[] _items = new T[_count];
//这里只是粗略的一次性定义了一个_count大小的数组,这样的数据远远超出真正使用的数组

 

通过上面的分析,产生了很多项NULL的多余项,如果要是能够自动扩展大小,那就更好不过了。

这个时候,想起了链表形式的东西。

为了在进更一步的提高下性能,众所周知,hashcode为标志一个数据的’指标’,如果我们能够判断hashcode是否相等,也许可以提高一点性能,如果看到字典的源码,很多人会很快想起,是如何构造了一个类似Set<T>的’数据组’。

试想下,如果我们现在有一个‘特殊字典’,特殊在,我们添加相同的key的时候,返回的是false,而只有不重复的项才可以成功的添加进来,这样我们所得的‘数组’就是我们想要的。

可能我说的有点抽像,就像下面这样

    public static IEnumerable<TSource> Iterator<TSource>(this IEnumerable<TSource> first, IEnumerable<TSource> second, IEqualityComparer<TSource> comparer)
        {
            Set<TSource> iteratorVariable = new Set<TSource>(comparer);
            foreach (TSource local in second)
            {
                iteratorVariable.Add(local);
            }
            foreach (TSource iteratorVariable1 in first)
            {
                if (!iteratorVariable.Add(iteratorVariable1))//这儿是过滤性添加,如果添加失败,说明此项已添加 return false
                {
                    continue;
                }
                yield return iteratorVariable1;//yield语句为我们有机会创造枚举数组
            }
        }

其中yield iteratorVariable1
产生的即是我们想要的‘数组’,这里只所以那么强悍,归功于Set<TSource>

 

我先把所有的代码贴出来,然后一点一点的讲解,不至于片面的头晕

 

Set<T>构造器:Slots

  internal class Set<TElement>
    {

        private IEqualityComparer<TElement> comparer;
        private int count;
        private int freeList;
        private Slot<TElement>[] slots;
        private int[] buckets;

        public Set()
            : this(null)
        { }

        public Set(IEqualityComparer<TElement> comparer)
        {
            if (comparer == null)
            {
                comparer = EqualityComparer<TElement>.Default;
            }
            this.comparer = comparer;
            this.slots = new Slot<TElement>[7];
            this.buckets = new int[7];
            this.freeList = -1;
        }


        private bool Find(TElement value, bool add)
        {
            int hashCode = this.InternalGetHashCode(value);
            for (int i = this.buckets[hashCode % this.buckets.Length] - 1; i >= 0; i = this.slots[i].next)
            {
                if ((this.slots[i].hashCode == hashCode) && this.comparer.Equals(this.slots[i].value, value))
                {
                    return true;
                }
            }
            if (add)
            {
                int freeList;
                if (this.freeList >= 0)
                {
                    freeList = this.freeList;
                    this.freeList = this.slots[freeList].next;
                }
                else
                {
                    if (this.count == this.slots.Length)
                    {
                        this.Resize();
                    }
                    freeList = this.count;
                    this.count++;
                }
                int index = hashCode % this.buckets.Length;
                this.slots[freeList].hashCode = hashCode;
                this.slots[freeList].value = value;
                this.slots[freeList].next = this.buckets[index] - 1;
                this.buckets[index] = freeList + 1;
            }
            return false;
        }

        private void Resize()
        {
            int num = (this.count * 2) + 1;
            int[] numArray = new int[num];
            Slot<TElement>[] destinationArray = new Slot<TElement>[num];
            Array.Copy(this.slots, 0, destinationArray, 0, this.count);
            for (int i = 0; i < this.count; i++)
            {
                int index = destinationArray[i].hashCode % num;
                destinationArray[i].next = numArray[index] - 1;
                numArray[index] = i + 1;
            }
            this.buckets = numArray;
            this.slots = destinationArray;
        }

        public bool Add(TElement value)
        {
            return !this.Find(value, true);
        }

        internal int InternalGetHashCode(TElement value)
        {
            if (value != null)
            {
                return (this.comparer.GetHashCode(value));
            }
            return 0;
        }
    }

    internal struct Slot<TElement>
    {
        internal int hashCode;
        internal TElement value;
        internal int next;
    }

 当数组不够时进行扩容(在当前的基础上*2的最小质数(+1)),然后进行重新hashcode碰撞形成链表关系:

 private void Resize()
        {
            int num = (this.count * 2) + 1;
            int[] numArray = new int[num];
            Slot<TElement>[] destinationArray = new Slot<TElement>[num];
            Array.Copy(this.slots, 0, destinationArray, 0, this.count);
            for (int i = 0; i < this.count; i++)
            {
                int index = destinationArray[i].hashCode % num;
                destinationArray[i].next = numArray[index] - 1;
                numArray[index] = i + 1;
            }
            this.buckets = numArray;
            this.slots = destinationArray;
        }

 

 

估计看到上面的代码,能晕倒一大片,哈哈~晕倒我不负责哦。

里本人就封装了三个办法public。下面我们来分析一些原理,然后再回过头看上面的代码,就很清淅了,必竟写代码是建立在一种思想基础上而来的嘛!

 public Set(IEqualityComparer<TElement> comparer)
        {
            if (comparer == null)
            {
                comparer = EqualityComparer<TElement>.Default;
            }
            this.comparer = comparer;
            this.slots = new Slot<TElement>[7];
            this.buckets = new int[7];
            this.freeList = -1;
        }

 

我们看到,Dictionary在构造的时候做了以下几件事:

  1. 初始化一个this.buckets = new
    int[7]
  2. 初始化一个this.slots= new
    slots<T>[里本人就封装了三个办法public。7]
  3. count=0和freeList=-1
  4. comparer =
    EqualityComparer<TElement>.Default
    作为比较两个T是否相等的比较器

首先,我们构造一个:

Set<TSource> iteratorVariable = new Set<TSource>(NULL);

图片 10

 

添加项时候的变化

 

Add(4,”4″)后:

根据Hash算法: 4.GetHashCode()%7=
4,因此碰撞到buckets中下标为4的槽上,此时由于Count为0,因此元素放在slots中第0个元素上,添加后Count变为1

图片 11

 

Add(11,”11″)

根据Hash算法
11.GetHashCode()%7=4,因此再次碰撞到Buckets中下标为4的槽上,由于此槽上的值已经不为-1,此时Count=1,因此把这个新加的元素放到slots中下标为1的数组中,并且让Buckets槽指向下标为1的slots中,下标为1的slots之下下标为0的slots。

图片 12

 

Add(18,”18″)

里本人就封装了三个办法public。我们添加18,让HashCode再次碰撞到Buckets中下标为4的槽上,这个时候新元素添加到count+1的位置,并且Bucket槽指向新元素,新元素的Next指向slots中下标为1的元素。此时你会发现所有hashcode相同的元素都形成了一个链表,如果元素碰撞次数越多,链表越长。所花费的时间也相对较多。

图片 13

 

Add(19,”19″)

再次添加元素19,此时Hash碰撞到另外一个槽上,但是元素仍然添加到count+1的位置。

图片 14

 

删除项时的变化:

 

Remove(4)

我们删除元素时,通过一次碰撞,并且沿着链表寻找3次,找到key为4的元素所在的位置,删除当前元素。并且把FreeList的位置指向当前删除元素的位置

图片 15

 

Remove(18)

删除Key为18的元素,仍然通过一次碰撞,并且沿着链表寻找2次,找到当前元素,删除当前元素,并且让FreeList指向当前元素,当前元素的Next指向上一个FreeList元素。

此时你会发现FreeList指向了一个链表,链表里面不包含任何元素,FreeCount表示不包含元素的链表的长度。

 

图片 16

 

 

Add(20,”20″)

再添加一个元素,此时由于FreeList链表不为空,因此字典会优先添加到FreeList链表所指向的位置,添加后,FreeList链表长度变为1

图片 17

部分图片参考自互联网,哈哈,然后重画,写文章真心不容易,太耗时间,此时四个小时已过去。

 

里本人就封装了三个办法public。通过以上,我们可以发现Set<T>在添加,删除元素按照如下方法进行:

  1. 通过Hash算法来碰撞到指定的Bucket上,碰撞到同一个Bucket槽上所有数据形成一个单链表
  2. 里本人就封装了三个办法public。默认情况slots槽中的数据按照添加顺序排列
  3. 删除的数据会形成一个FreeList的链表,添加数据的时候,优先向FreeList链表中添加数据,FreeList为空则按照count依次排列
  4. 字典查询及其的效率取决于碰撞的次数,这也解释了为什么Set<T>的查找会很快。

简单来说就是其内部有两个数组:buckets数组和slots数组,slots有一个next用来模拟链表,该字段存储一个int值,指向下一个存储地址(实际就是bukets数组的索引),当没有发生碰撞时,该字段为-1,发生了碰撞则存储一个int值,该值指向bukets数组.

 

一,实例化一个Set<string> iteratorVariable = new
Set<string>(null);

    a,调用Set默认无参构造函数。

    b,初始化Set<T>内部数组容器:buckets
int[]和slots<TElement>[],分别分配长度7;

二,向Set<T>添加一个值,Set.add(“a”,”abc”);

     a,计算”a”的哈希值,

     b,然后与bucket数组长度(7)进行取模计算,假如结果为:2

   
 c,因为a是第一次写入,则自动将a的值赋值到slots[0]的key,同理将”abc”赋值给slots[0].value,将上面b步骤的哈希值赋值给slots[0].hashCode,

       slots[0].next 赋值为-1,hashCode赋值b步骤计算出来的哈希值。

     d,在bucket[2]存储0。

三,通过key获取对应的value,  var v=Set[“a”];

   a, 先计算”a”的哈希值,假如结果为2,

   b,根据上一步骤结果,找到buckets数组索引为2上的值,假如该值为0.

   c, 找到到slots数组上索引为0的key,

       
 1),如果该key值和输入的的“a”字符相同,则对应的value值就是需要查找的值。

         2)
,如果该key值和输入的”a”字符不相同,说明发生了碰撞,这时获取对应的next值,根据next值定位buckets数组(buckets[next]),然后获取对应buckets上存储的值在定位到slots数组上,……,一直到找到为止。

       
 3),如果该key值和输入的”a”字符不相同并且对应的next值为-1,则说明Set<T>不包含字符“a”。

 

至此,我们再回过头来,看看代码,我想不攻自破!不明白的请多多想想,不要老问!

再次测试下看下结果(这些方法我用扩展方法,没事的朋友可以自已写下,代码在上面已经贴出,这里主要看的比较直观些)

    DateTime now = DateTime.Now;
            Set<string> iteratorVariable = new Set<string>(null);
            foreach (var local in remove)
            {
                iteratorVariable.Add(local);
            }
            foreach (var local in source)
            {
                if (!iteratorVariable.Add(local))
                {
                    continue;
                }
            }
            Console.WriteLine("Running time:" + (DateTime.Now - now).TotalSeconds);
            Console.ReadKey();

 

想来想去,还是把它改成扩张方法吧,不然有人会问我,如何改?

var r = source.Iterator(remove, null);

仅仅还是一句话,实现了上述等同的方法!

 

所消耗时间Running time:0.0112076..s 

看到没,与上面的例子性能上相差不大。但是也远远超过了前面三个例子。而且也是自动扩容的,引入了hashcode碰撞,这是一种思想,很多.net字典也是基于这种原理实现的。没事的同学可以看看.net
相关源码。

最后我想说的一件事,在个方法其它等同于Except<IEnumerable<T>>(),在Linq
.net 3.5+微软已经给我们实现。

请不要骂我,刚开始我也不知道这个方法,写着写着想起来了。微软的进步,正悄悄的把我们省了很多事。然后,依据微软的方法进行改进而来。

到这里,不知不觉的你已经学会了一种‘算法’。即使微软提供了我们现成的方法,也不足为奇!必竟思想的提练是我们最终的目标!

 

 

参考资料

 

  1. MSDN, IEquatable<T>,
    ;

  2. MSDN IEqualityComparer,
    ;

3.MSDN
IEqualityComparer,

4.Enumerable.Except<TSource> Method(IEnumerable<TSource>, IEnumerable<TSource>),

 

作者:谷歌’s(谷歌’s博客园)
出处:
欢迎转载,但任何转载必须保留完整文章,在显要地方显示署名以及原文链接。如您有任何疑问或者授权方面的协商,请给我留言。

You may also like...

发表评论

电子邮件地址不会被公开。 必填项已用*标注

网站地图xml地图