从字符串映射到整数 - 各种方法的性能

Question

假设我需要从String到整数进行映射。整数是唯一的，从0开始形成连续范围。即：

Hello -> 0
World -> 1
Foo   -> 2
Bar   -> 3
Spam  -> 4
Eggs  -> 5
etc.

至少有两种直接的方法可以做到这一点。使用hashmap：

HashMap<String, Integer> map = ...
int integer = map.get(string); // Plus maybe null check to avoid NPE in unboxing.

或列表：

List<String> list = ...
int integer = list.indexOf(string); // Plus maybe check for -1.

我应该使用哪种方法，为什么？可以说相对性能取决于列表/地图的大小，因为List#indexOf()是使用String#equals()的线性搜索 - ＆gt; O（n）效率，而HashMap#get()使用哈希来缩小搜索范围 - ＆gt;当地图很大时肯定会更有效率，但是当只有很少的元素时可能会更低效（计算哈希值必须有一些开销，对吧？）。

由于正确地对Java代码进行基准测试非常困难，所以我希望得到一些有根据的猜测。我的推理上面是否正确（列表更适合小型，地图更适合大型）？阈值大小约为多少？各种List和HashMap实现有何不同？

Answer 1

第三个选项，可能我最喜欢的是使用trie：

我敢打赌它在性能上胜过HashMap（没有冲突+无论如何计算哈希码都是O(length of string)的事实），在某些情况下可能还有List方法（例如，如果你的字符串有很长的公共前缀，因为indexOf会在equals方法中浪费大量时间。）

在列表和地图之间进行选择时，我会选择Map（例如HashMap）。这是我的理由：

• <强>可读性

  Map界面只为这个用例提供了更直观的界面。

• 在正确的地方进行优化

  我会说如果你使用的是List，那么无论如何你都会针对小案例进行优化。那可能不是瓶颈的位置。

第四个选项将使用LinkedHashMap，如果尺寸较小则迭代它;如果尺寸很大，则get关联的数字。

第五个选项是将决策封装在一个单独的类中。在这种情况下，您甚至可以实现它以在列表增长时在运行时更改策略。

Answer 2

你是对的：一个列表是O（n），一个HashMap就是O（1），所以一个HashMap对n来说会更快，所以计算哈希值的时间不会淹没List线性搜索。

我不知道门槛大小;这是一个实验或更好的分析问题，而不是我现在可以考虑的事情。

Answer 3

你的问题在所有方面都是完全正确的：

• HashMap s更好（他们使用哈希）
• 对Java代码进行基准测试很难

但是在一天结束时，您只需要对特定应用程序进行基准测试。我不明白为什么HashMaps对于小案例会更慢，但如果是，基准测试会给你答案。

另一个选项，TreeMap是另一个地图数据结构，它使用树而不是哈希来访问条目。如果您正在进行基准测试，那么您也可以进行基准测试。

关于基准测试，主要问题之一是垃圾收集器。但是，如果您执行的测试不分配任何对象，那应该不是问题。填写你的地图/列表，然后写一个循环来获得N个随机元素，然后计时，它应该是合理可重复的，因此提供信息。

Answer 4

不幸的是，您将不得不自己进行基准测试，因为相对性能将主要取决于实际的String值，以及测试不在映射中的字符串的相对概率。当然，这取决于String.equals()和String.hashCode()的实施方式，以及所使用的HashMap和List类的详细信息。

在HashMap的情况下，查找通常涉及计算键字符串的哈希值，然后将键字符串与一个或多个条目键字符串进行比较。哈希码计算查看String的所有字符，因此依赖于键字符串。 equals操作通常会在equals返回true时检查所有字符，而在返回false时则更少。为给定键字符串调用equals的实际次数取决于散列键字符串的分布方式。通常情况下，您希望平均有1或2个呼叫等于“命中”，而对于“未命中”则可能高达3。

在List的情况下，在“点击”的情况下，查找将调用equals平均一半的条目键字符串，而在“点击”的情况下，所有这些字符串都是“小姐”。如果您知道要查找的键的相对分布，则可以通过对列表进行排序来提高“命中”案例的性能。但“未命中”案例无法优化。

除了@aioobe建议的trie替代方法之外，您还可以使用所谓的perfect hash function将专用String实现为整数hashmap。这会将每个实际的键字符串映射到一个小范围内的唯一哈希值。然后可以使用散列来索引键/值对的数组。这减少了对一个哈希函数调用和一个String.equals调用的查找。 （如果您可以假设提供的密钥将始终是映射字符串之一，则可以省去对equals的调用。）

完美哈希方法的难点在于找到适用于映射中的键集的函数，并且计算起来并不太昂贵。 AFAIK，这必须通过反复试验来完成。

但实际情况是，简单地使用HashMap是一种安全的选择，因为它使O(1)性能具有相对较小的比例常数（除非输入键是病态的）。

（FWIW，我的猜测是HashMap.get()优于List.contains()的收支平衡点小于10条目，假设字符串平均长度为5到10。）

Answer 5

从我记忆中，list方法将是O（n），但是可以快速添加项目，因为不会发生任何计算。如果您实现了b搜索或其他搜索算法，则可以获得较低的O（log n）。哈希值为O（1），但插入速度较慢，因为每次添加元素时都需要计算哈希值。

我在.net中知道，这是一个名为HybridDictionary的特殊集合，它正是这样做的。使用列表到点，然后是哈希。我认为交叉点大约是10，所以这可能是一个很好的线条。

我会说你在上面的陈述中是正确的，尽管我不是100％确定小集合的列表是否更快，以及交叉点是什么。

Answer 6

我认为HashMap总会更好。如果您有n个字符串，每个字符串的长度最多为l，那么String#hashCode和String#equals都是O(l)（无论如何，在Java的默认实现中）。

执行List#indexOf时，它会遍历列表（O(n)）并对每个元素（O(l)）执行比较，以提供O(nl)表现。

Java的HashMap有（假设）r个桶，每个桶都包含一个链表。这些列表中的每一个都具有O(n/r)的长度（假设String的hashCode方法在桶之间均匀地分配字符串）。要查找字符串，您需要计算hashCode（O(l)），查找存储桶（O(1) - 一个，而不是l），然后遍历该存储桶链表（O(n/r)元素）对每个元素进行O(l)比较。这使得总查找时间为O(l + (nl)/r)。

由于List实现是O(nl)而HashMap实现是O(nl/r)（我正在删除第一个l，因为它相对无关紧要），查找性能应该等于{{1对于r=1的所有更大值，HashMap会更快。

请注意，使用this构造函数构建r时，可以设置r（将HashMap设置为initialCapacity和r对于您的loadFactor和n/r选择n的参数。