List集合双层for循环的优化

根据两个list集合中bean属性id过滤集合,并处理相应业务

1、请求用户信息:信息从用户用户模块获取。

获取到集合: List 集合比较大 (16万)全部用户信息

public class GradeInfo {
    private String userId;
    private String loginId;
    private String name;
    private String introduce;
    private String flagGender;
    ......

2、请求智能笔信息:信息从资源服务获取。

获取到集合:List 集合比较大(8万) 全部笔信息

   public class PenVersionInfo {
    private String penId;
    private String fkCustomId;
    .......

3、双层for循环:效率极低,导致接口直接崩溃。时间复杂度(o(n2))

 List<GradeInfo> list = new ArrayList<GradeInfo>();
 // penVersionInfos(8万)
 for (PenVersionInfo penVersionInfo : penVersionInfos) {
             //  List<GradeInfo>(16万)
            for (GradeInfo gradeInfo : gradeInfos) {
                if (penVersionInfo.getFkCustomId().equals(gradeInfo.getUserId())) {
                    list.add(gradeInfo);
                    ......业务逻辑.......
                }
            }
        }

4、利用map来进行获取,效率极高,时间复杂度o(1)

 List<GradeInfo> list = new ArrayList<GradeInfo>();
 final Map<String, GradeInfo> gradeInfoMap = gradeInfos.stream()
            .collect(
            Collectors.toMap(GradeInfo::getUserId, Function.identity()));
            
    list = penVersionInfos.stream().map(h -> {
        GradeInfo gradeInfo = gradeInfoMap.get(h.getFkCustomId());
        ... 业务逻辑....
        return gradeInfo;
    }).collect(Collectors.toList());         
### 双层for循环的运行机制 双层 `for` 循环是一种常见的编程结构,用于遍历两个嵌套的数据集。其基本原理是一个外层循环控制主要迭代过程,而内层循环则在外层每次迭代的基础上进一步细化操作。这种模式通常会显著增加计算量,因为总的循环次数等于内外两层循环变量范围的乘积。 例如,在伪代码中表示如下: ```plaintext for each element A in outer collection: for each element B in inner collection: perform operation on A and B ``` 如果外层集合有 \(m\) 个元素,内层集合有 \(n\) 个元素,则总的操作数为 \(O(m \times n)\),即时间复杂度呈指数增长[^1]。 --- ### 如何优化双层for循环 #### 方法一:减少不必要的比较 通过提前过滤掉不满足条件的情况来降低内部循环的执行频率。这种方法的核心在于利用逻辑判断跳过无意义的运算步骤。比如 JavaScript 中可以采用 `continue` 或者 `break` 来中断当前轮次或者整个循环流程[^2]: ```javascript for (let i = 0; i < withdrawCell.length; i++) { const item = withdrawCell[i]; // 如果外部数据不存在对应字段,则直接进入下一轮循环 if (!props.rowInfo[item.key]) { continue; } switch (item.type) { case 'field': item.val = props.rowInfo[item.key]; break; case 'filterDic': item.val = filterDic( props.rowInfo[item.key], useDictionary.originDictionary[item.dictionary] ); break; } } ``` 此段脚本展示了如何借助布尔表达式快速排除不符合预期的结果项从而提升效率。 #### 方法二:引入缓存技术 对于重复访问相同资源的情形,可以通过建立临时存储空间保存中间状态避免多次查询数据库或其他慢速接口调用。以 Python 实现为例: ```python from collections import defaultdict def optimized_double_loop(users, memos): memo_dict = defaultdict(list) # 构建基于 userId 的索引表 for memo in memos: memo_dict[memo['userId']].append(memo) result = [] for user in users: target_memos = memo_dict.get(user['id'], []) # 对应用户的备忘录列表为空时无需继续查找 if not target_memos: continue matched_content = next((memo['content'] for memo in target_memos), None) if matched_content is not None: result.append(f"Processed content: {matched_content}") return result ``` 这里创建了一个字典作为映射关系加速检索速度[^3]. #### 方法三:并行化处理 现代计算机架构支持多线程或多进程并发执行任务,因此可考虑将大块工作分割成若干独立子任务分别交给不同 CPU 核心完成后再汇总成果。Java 提供了多种方式实现这一点,其中包括 Fork/Join 框架以及 Stream API 并行流功能[^4]: ```java import java.util.concurrent.*; import java.util.stream.*; public class ParallelForLoopExample { public static void main(String[] args){ ExecutorService executor = Executors.newFixedThreadPool(Runtime.getRuntime().availableProcessors()); List<User> userList = getUserList(); List<UserMemo> memoList = getMemoList(); try{ CompletableFuture<Void>[] futures = userList.parallelStream() .map(user -> CompletableFuture.runAsync(() -> processUserMemos(user, memoList), executor)) .toArray(CompletableFuture[]::new); CompletableFuture.allOf(futures).join(); }finally{ executor.shutdown(); } } private static void processUserMemos(User user, List<UserMemo> memos){ Optional<String> firstMatchedContent = memos.stream() .filter(memo -> Objects.equals(user.getUserId(), memo.getUserId())) .findFirst() .map(UserMemo::getContent); firstMatchedContent.ifPresent(content -> System.out.println("Simulated processing of content... "+content)); } } ``` 上述例子运用 Java8 特性简化传统双重循环的同时还实现了真正的异步操作。 --- ### 总结 针对双层 `for` 循环带来的性能瓶颈问题,可以从算法设计层面入手改进策略;也可以依赖硬件特性采取措施缓解压力。具体选择取决于实际应用场景需求和技术栈特点等因素综合考量决定最佳方案。
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