List、MAP的性能调优

本文探讨了Java中ArrayList和LinkedList的三种遍历方法:for-each、iterator和for循环的性能差异。对于ArrayList,for循环表现最佳;而对于LinkedList,则iterator方式更优。此外,还讨论了ArrayList的容量预设策略及其带来的性能提升。

摘要生成于 C知道 ,由 DeepSeek-R1 满血版支持, 前往体验 >

众所周知,Java List遍历的方式有三种:for-each、iterator、for循环。这三种遍历方式在性能上有何区别?我们将Arrayist和LinkedList分开进行讨论。

一、Arrayist,根据博客http://ubuntudaily.net/2011/11/performance-comparison-between-3-ways-to-traverse-an-arraylist的分析,博主反编译java class文件通过字节码分析得出,for-each是使用iterator方式进行工作的,应该是为了方便用户使用,但是这样就导致了for-each的工作效率没有iterator的高。那么iterator跟for循环比呢?还是通过博主的字节码分析,iterator方式每遍历一个文件使用了两次函数调用,而for循环只用了一次函数调用,因此性能要领先。

结论:ArrayList遍历优先考虑for循环。

二、上边讲了Arrayist的遍历性能,那这种结论是否也适用于LinkedList呢?我们可以分析一下,Arrayist每次get一个child(假设是第i个元素,列表大小n),都需要遍历到第i个元素,那么遍历完整个列表,也就需要o(1 + 2 + 3 + ... + n) = o(n2);而iterrator方式只需要通过指针指向要遍历的下一个元素,因此遍历的开销是o(n)。

结论:LinkedList遍历优先考虑iterator方式。


每个 ArrayList 实例都有一个容量。该容量是指用来存储列表元素的数组的大小。它总是至少等于列表的大小。随着向 ArrayList 中不断添加元素,其容量也自动增长。并未指定增长策略的细节,因为这不只是添加元素会带来分摊固定时间开销那样简单。

在添加大量元素前,应用程序可以使用 ensureCapacity 操作来增加 ArrayList 实例的容量。这可以减少递增式再分配的数量。

 

测试程序:

       private static void testlist() {
        List al = new ArrayList();
        long s1 = System.currentTimeMillis();

        for (int i = 0; i < 10000000; i++) {
         al.add("s");
        }
        long s11 = System.currentTimeMillis();
        System.out.println("没有设定大小:" + (s11 - s1));
       
        List bl = new ArrayList(10000000);
        s1 = System.currentTimeMillis();

        for (int i = 0; i < 10000000; i++) {
         bl.add("s");
        }
        s11 = System.currentTimeMillis();
        System.out.println("设定大小:" + (s11 - s1));

        ArrayList cl = new ArrayList(1000);
        s1 = System.currentTimeMillis();
        for (int i = 0; i < 10000000; i++) {
         cl.add("s");
        }
        s11 = System.currentTimeMillis();
        System.out.println("设定大小为小于最大数量的时候:" + (s11 - s1));
   }

测试结果:

没有设定大小:843
设定大小:235
设定大小为小于最大数量的时候:765

 

结论:

    在已知List中要存放多少条数据时,应该先设定好大小,然后再向List中添加数据,这样效率会提高3倍左右。


### Java Stream 性能化技巧与最佳实践 Java Stream API 提供了一种功能强大且简洁的方式来处理集合数据。然而,为了确保在使用 Stream API 时能够获得最佳性能,需要了解其内部工作原理以及相关的化技巧[^1]。 #### 1. 避免不必要的中间操作 Stream 的中间操作(如 `filter`、`map` 等)不会立即执行,而是延迟到终端操作(如 `collect`、`forEach`)触发时才会真正执行。因此,如果存在多个中间操作,应尽量减少不必要的转换或过滤逻辑,以降低计算开销[^1]。 #### 2. 合理使用并行流 并行流可以通过多线程加速处理大数据集,但并非所有场景都适合使用。对于小规模数据集,并行流可能因为线程创建和管理的开销反而导致性能下降。此外,并行流的使用可能会引入额外的复杂性,例如线程安全问题和顺序保证[^1]。 ```java // 示例:并行流的合理使用 List<Integer> list = IntStream.range(0, 1000000).boxed().collect(Collectors.toList()); long sum = list.parallelStream().mapToInt(Integer::intValue).sum(); ``` #### 3. 避免频繁装箱和拆箱 在处理基本类型时,应尽量避免使用 `Stream` 的对象版本(如 `Integer`),而选择专用的基本类型流(如 `IntStream`、`LongStream`)。这是因为装箱和拆箱操作会带来额外的性能开销[^1]。 ```java // 示例:避免装箱和拆箱 int sum = IntStream.range(0, 1000000).sum(); // 更高效 // 相比于 int sum = Stream.iterate(0, n -> n + 1).limit(1000000).mapToInt(Integer::intValue).sum(); // 较低效 ``` #### 4. 使用短路操作 短路操作(如 `findFirst`、`anyMatch`)可以在满足条件时提前终止流的处理,从而避免不必要的计算。这在处理大规模数据集时尤为重要[^1]。 ```java // 示例:短路操作 boolean found = Stream.of("a", "b", "c").anyMatch(s -> s.equals("b")); // 提前终止 ``` #### 5. 避免过早收集结果 在链式用中,过早地将流转换为集合(如 `toList`)会导致额外的内存分配和数据复制。应尽可能推迟收集操作,直到所有必要的处理完成[^1]。 #### 6. 注意 Stream 的不可重复性 Stream 是一次性使用的,一旦执行了终端操作,就不能再次使用。如果需要多次迭代相同的数据,应重新生成 Stream 或考虑其他数据结构[^1]。 ```java // 示例:避免重复使用 Stream Stream<String> stream = Stream.of("a", "b", "c"); stream.forEach(System.out::println); // 第一次使用 // stream.forEach(System.out::println); // 第二次使用会抛出异常 ``` #### 7. 避免在流中进行复杂的计算 Stream API 的设计初衷是提供简洁的函数式编程接口,而不是替代复杂的业务逻辑。如果在流中嵌套过多的复杂逻辑,不仅会降低代码可读性,还可能导致性能问题[^1]。 --- ### 总结 通过以上技巧,可以显著提升 Java Stream API 在实际应用中的性能表现。关键在于理解 Stream 的工作机制,合理选择操作类型,并结合具体场景化代码实现[^1]。 ```java // 综合示例:化后的 Stream 使用 List<Integer> numbers = Arrays.asList(1, 2, 3, 4, 5, 6, 7, 8, 9, 10); int sum = numbers.stream() .filter(n -> n % 2 == 0) // 中间操作:过滤偶数 .mapToInt(Integer::intValue) // 转换为基本类型流 .sum(); // 终端操作:求和 ``` ---
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值