Question

Jon Skeet最近在他的博客上提出了一个有趣的编程主题："There's a hole in my abstraction, dear Liza, dear Liza"（重点补充）：


事实上我有一套 - HashSet。我想从中删除一些项目...许多项目可能根本不存在。事实上，在我们的测试用例中，“removals”集合中的项目的 none 将在原始集合中。这听起来 - 实际上 - 非常容易编码。毕竟，我们有Set<T>.removeAll来帮助我们，对吧？

我们在命令行中指定“source”集的大小和“removals”集合的大小，并构建它们。源集仅包含非负整数;删除集仅包含负整数。我们使用System.currentTimeMillis()来衡量移除所有元素所需的时间，这不是世界上最准确的秒表，但在这种情况下绰绰有余，正如您所见。这是代码：

import java.util.*; public class Test { public static void main(String[] args) { int sourceSize = Integer.parseInt(args[0]); int removalsSize = Integer.parseInt(args[1]); Set<Integer> source = new HashSet<Integer>(); Collection<Integer> removals = 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"); } }

让我们从简单的工作开始吧： 100件物品的来源，100件要删除：

c:UsersJonTest>java Test 100 100 Time taken: 1ms

好的，所以我们没想到它会慢一点......显然我们可以提升一点。如何删除一百万件物品和300,000件物品？

c:UsersJonTest>java Test 1000000 300000 Time taken: 38ms

嗯。这看起来仍然很快。现在我觉得我有点残忍，要求它去除所有这些。让我们更轻松一点 - 300,000个源项目和300,000个删除：

c:UsersJonTest>java Test 300000 300000 Time taken: 178131ms
     对不起？差不多三个分钟？哎呀！当然，从较小的集合中删除项目应该比我们在38ms内管理的项目更容易吗？

有人可以解释为什么会这样吗？为什么HashSet<T>.removeAll方法这么慢？

Answer 1

行为（有些）记录在javadoc：

中

此实现通过在每个集合上调用size方法来确定该集合和指定集合中较小的集合。 如果此集合具有较少的元素 ，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 是否包含在指定的集合中 。如果包含它，则使用迭代器的remove方法从该集合中删除它。如果指定的集合具有较少的元素，则实现将迭代指定的集合，使用此set的remove方法从迭代器返回的每个元素中删除此集合。

这在实践中意味着，当您致电source.removeAll(removals);时：

如果removals集合的大小小于source，则会调用remove HashSet方法，这很快。
如果removals集合的大小等于或大于source，则调用removals.contains，这对于ArrayList来说很慢。

快速修复：

Collection<Integer> removals = new HashSet<Integer>();

请注意，an open bug与您描述的内容非常相似。底线似乎是它可能是一个糟糕的选择但不能改变，因为它在javadoc中有记录。

作为参考，这是removeAll的代码（在Java 8中 - 尚未检查其他版本）：

public boolean removeAll(Collection<?> c) {
    Objects.requireNonNull(c);
    boolean modified = false;

    if (size() > c.size()) {
        for (Iterator<?> i = c.iterator(); i.hasNext(); )
            modified |= remove(i.next());
    } else {
        for (Iterator<?> i = iterator(); i.hasNext(); ) {
            if (c.contains(i.next())) {
                i.remove();
                modified = true;
            }
        }
    }
    return modified;
}

HashSet <t> .removeAll方法非常慢</t>

1 个答案: