Question

我有一个程序可以存储一个类的许多实例，比方说高达10.000或更多。类实例有不时需要的几个属性，但最重要的属性是ID。

class Document
  attr_accessor :id
  def ==(document)
    document.id == self.id
  end
end

现在，存储数千个这些对象的最快方法是什么？

我曾经将它们全部放入一个文档数组中：

documents = Array.new
documents << Document.new
# etc

现在另一种方法是将它们存储在哈希：

documents = Hash.new
doc = Document.new
documents[doc.id] = doc
# etc

在我的应用程序中，我主要需要查明文档是否存在。哈希的has_key?函数是否明显快于数组的线性搜索和Document对象的比较？都在 O（n）或has_key?甚至 O（1）内。我会看到差异吗？

此外，有时我需要在文档已存在时添加它。当我使用数组时，我必须先检查include?，当我使用哈希时，我只会再次使用has_key?。与上述问题相同。

你有什么想法？什么是存储大量数据的最快方法，90％的时间我只需要知道ID是否存在（而不是对象本身！）

Answer 1

哈希更快查找：

require 'benchmark'
Document = Struct.new(:id,:a,:b,:c)
documents_a = []
documents_h = {}
1.upto(10_000) do |n|
  d = Document.new(n)
  documents_a << d
  documents_h[d.id] = d
end
searchlist = Array.new(1000){ rand(10_000)+1 }

Benchmark.bm(10) do |x|
  x.report('array'){searchlist.each{|el| documents_a.any?{|d| d.id == el}} }
  x.report('hash'){searchlist.each{|el| documents_h.has_key?(el)} }
end

#                user     system      total        real
#array       2.240000   0.020000   2.260000 (  2.370452)
#hash        0.000000   0.000000   0.000000 (  0.000695)

Answer 2

Ruby在其标准库中有一个set类，您是否考虑过只保留一组（附加）ID？

http://stdlib.rubyonrails.org/libdoc/set/rdoc/index.html

引用文档：“这是Array的直观互操作设施和Hash快速查找的混合体。”

Answer 3

使用唯一值时，您可以使用之前提到的Ruby Set。以下是基准测试结果。它虽然比哈希略慢。

                 user     system      total        real
array        0.460000   0.000000   0.460000 (  0.460666)
hash         0.000000   0.000000   0.000000 (  0.000219)
set          0.000000   0.000000   0.000000 (  0.000273)

我只是添加到@ steenslag的代码，可以在https://gist.github.com/rsiddle/a87df54191b6b9dfe7c9找到。

我使用ruby 2.1.1p76进行此测试。

Answer 4

使用一套文件。它具有您想要的大多数属性（常量查找并且不允许重复）。 Smalltalkers会告诉你，使用已经拥有你想要的属性的集合是最重要的战斗。
按文档ID使用Hash of Documents，|| =用于条件插入（而不是has_key？）。

哈希设计用于恒定时间插入和查找。 Ruby的Set在内部使用Hash。

请注意您的Document对象需要实现#hash和#eql？正确地使它们像你希望的那样表现为哈希键或集合的成员，因为它们用于定义哈希相等。

Ruby中数组和哈希的性能

4 个答案: