Question

我有2个非常大的阵列（大小约为2,500,000）。我需要找到这些数组之间的差异。差异我的意思是我需要一个结果数组，其值在数组1中但不在数组2中。我使用array_diff（）但它需要超过半小时！

第一个数组来自一个数据库，第二个数组来自另一个数据库。它们不在同一个数据库服务器上。阵列的大小不同。我正在处理大量的手机号码。我需要找出一个列表中的移动号码，但不在另一个列表中

数组是带数字键的普通数组。 Diff代码如下：

$numbers_list = array_diff($numbers_list, $some_other_list);

有更好的方法吗？请帮忙。

Answer 1

这是一个简单的算法。

翻转第一个数组。价值观将成为关键。因此，重复的值将被丢弃。
翻转第二个数组（可选）
检查第二个数组中的每个元素（如果它存在于第一个数组中）。

当您使用非常大的数组时，它会消耗大量内存。

这是我的实施，

$a = file("l.a"); // l.a is a file contains 2,500,000 lines
$b = file("l.b");

function large_array_diff($b, $a){
    // Flipping 
    $at = array_flip($a);
    $bt = array_flip($b); 
    // checking
    $d = array_diff_key($bt, $at);

    return array_keys($d);   
}

我使用 4G 内存限制运行它。 3G也有效。刚刚测试过。

$ time php -d memory_limit=4G diff_la.php

大约需要11秒！。

real    0m10.612s
user    0m8.940s
sys     0m1.460s

<强>更新

以下代码运行比上述large_array_diff 功能快2倍。

function flip_isset_diff($b, $a) {
    $at = array_flip($a);
    $d = array();
    foreach ($b as $i)
        if (!isset($at[$i])) 
            $d[] = $i;

    return $d;
}

因为它不会调用array_flip（1次），array_diff_key和array_keys。由此可以节省大量的CPU周期。

Answer 2

确定，更新，转换为字符串以获得良好的衡量标准（如果我们可以使用整数而不是字符串，则会产生很多不同......）：

<?php
$start = microtime(true);
echo 'creating' . PHP_EOL;
$array1 = array();
$array2 = array();
for ($i = 0;$i < 2000000;$i++) {
    $array1[] = (string)rand(100000000, 999999999);
    $array2[] = (string)rand(100000000, 999999999);
}
echo (microtime(true) - $start) . PHP_EOL;
$start = microtime(true);
echo 'key diff flip' . PHP_EOL;
$array1f = array_flip($array1);
$array2f = array_flip($array2);
echo (microtime(true) - $start) . PHP_EOL;
$start = microtime(true);
echo 'key diff' . PHP_EOL;
$diff = array_diff_key($array1f, $array2f);
echo (microtime(true) - $start) . PHP_EOL;
$start = microtime(true);
echo 'sorting' . PHP_EOL;
$start = microtime(true);
sort($array1);
sort($array2);
$notin2 = array();
reset($array2);
echo (microtime(true) - $start) . PHP_EOL;
echo 'comparing' . PHP_EOL;
$start = microtime(true);
foreach ($array1 as $value) {
    while (current($array2) < $value) {
        if (next($array2) == false) break;
    }
    if (current($array2) != $value) $notin2[] = $value;
}
echo (microtime(true) - $start) . PHP_EOL;
echo 'plain diff' . PHP_EOL;
$start = microtime(true);
$diff = array_diff($array1, $array2);
echo (microtime(true) - $start) . PHP_EOL;
?>

<强>字符串

creating
8.66658186913
key diff flip
3.07359004021
key diff
1.48775887489
sorting
48.4047858715
comparing
9.41756916046
plain diff
19.21976614

real    1m37.574s
user    1m34.970s
sys     0m1.676s

<强>整数（已移除(string)）：

creating
4.69975805283
key diff flip
2.5843539238
key diff
1.4868490696
sorting
15.2628200054
comparing
5.62516498566
plain diff
101.688895941

real    2m18.090s
user    2m15.112s
sys     0m1.356s

令我惊讶的是..... array_diff讨厌整数...

在PHP中找到两个大型数组之间差异的最佳方法

2 个答案: