Question

为大学第二学期的计算机科学创建两个结构来计算文本中的单词。一种实现使用带有Word对象的Array，它将单词保存为字符串，其频率保存为int。另一个用作HashMap，Word为键，频率为值。现在他们是一个功能＆＃34; totalWords＆＃34;这应该返回所有频率的总和。

在HashMap变体中：

return _map.values().stream().reduce(0, (a, b) -> a + b);

在数组变体中：

return Arrays.stream(_words)
            .map((word) -> word != null ? word.count() : 0)
            .reduce(0, (a, b) -> a + b);

我的问题是：在测试文本非常短的JUnit测试中，Array变体确实需要大约0.001s，而地图变体需要0.040s，我不明白为什么地图确实需要这么多时间。有人解释，也许是更好的解决方案吗？

Answer 1

其中一个原因是迭代HashMap可能比Array慢得多，原因是locality。现代处理器的计算瓶颈主要是内存访问，这就是使用cache的原因。 Array将数据存储在连续的内存块中，这意味着当您将该块内存交换到缓存中时，您更有可能使用缓存中的所有内容，或者获得cache hits，因此缓存喜欢连续的数据记忆。另一方面，HashMap的每个元素都存储在内存中的不同位置，因此当您遍历HashMap时，会获得大量缓存misses，最终会进行交换数据一直进出缓存，这会大大减慢你的程序速度。

虽然HashMap的实际实现是以优化的方式，使得内存中的数据聚集在一起，但即使在这种情况下，（@ Radiodef），因为HashMap使用某种{ {1}} linked list的每个元素都包含额外的指针，因此HashMap消耗的内存多于HashMap，更多的内存意味着Array更多cache misses }，因此page faults通常比HashMap慢。

Answer 2

HashMap是一个数据结构，它（基本上）有一个链表列表：

0: [ a ] -> [ b ] -> [ c ]
1: [   ]
2: [   ]
3: [ d ] -> [ e ]
4: [   ]
5: [ f ]
6: [   ]
7: [   ]

链接列表是键具有相同哈希码的位置（称为“冲突”）。

因此数据结构中有“漏洞”，并且它比数组更加碎片化，因为HashMap每个条目都有一个对象。迭代HashMap将从内存中生成比迭代数组更多的负载。

我也同意JB Nizet您的基准可能存在缺陷。一个好的基准可能仍然会显示阵列表现更好，但不是那么明显。

为什么map.values（）。stream（）比Array.stream（array）慢得多

2 个答案: