—举例（学生排课）—
正常思路的处理方法和优化过后的处理方法：
比如说给学生排课。学生和课程是一个多对多的关系。
按照正常的逻辑 应该有一个关联表来维护 两者之间的关系。
现在，添加一个约束条件用于校验。如：张三上学期学过的课程，在排课的时候不应该再排这种课程。
所以需要出现一个约束表（即：历史成绩表）。
即：学生选课表，需要学生成绩表作为约束。
—方案一：正常处理方式—
当一个学生进行再次选课的时候。需要查询学生选课表看是否已经存在。
即有如下校验：
|
1
2
3
4
5
6
7
8
9
10
11
12
13
|
//查询 学生code和课程code分别为 a 和 b的数据是否存在
//list集合中存放 学生选课记录全部的数据
list<studentrecordentity> liststudentrecord=service.findall();
//查询数据，看是否已经存在
studentrecordentity ensr=liststudentrecord.find(s=>s.学生code==a && s.课程code==b);
if(ensr==null){
//学生没有选该课程
//....
}else{
//学生已经选过该课程
//....
}
|
对于上面这种代码的写法，非常的简练。而且也非常易懂。
首先，假设有5000个学生，100门课程。那么对于学生选课的数据集中，数据量将是5000*100.数据量会是十万级别的数量级。
在十万条数据中，查询学生=a课程=b的一条记录。执行的效率会很低。因为find方法的查询也就是where查询，即通过遍历数据集合来查找。
所以，使用上面的代码。在数据量逐渐增长的过程中，程序的执行效率会大幅度下降。
ps：数据量增长，在该例子中并不太适合。例子可能不太恰当。总之，大概就是这个意思。）
—方案二：使用内存进行优化效率—
这种做法，需要消耗内存。或者说把校验的工作向前做(数据的初始化，在部署系统的过程中进行)。即：在页面加载的时候数据只调用提供的public方法进行校验。
|
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
38
39
|
//学生code 到 数组索引
private dictionary<string,int> _dicstudentcodetoarrayindex;
//课程code 到 数据索引
private dictionary<string,int> _diccoursecodetoarrayindex;
//所有学生
list<studententity> liststudent=service.findallstudent();
//所有课程
list<courseentity> listcourse=service.findallcourse();
//所有 学生选课记录
list<studentcourseentity> liststudentrecord=service.finall();
private int[,] _connstudentrecord=new int[liststudent.count,listcourse.count];
//构造 学生、课程的 数组 用于快速查找字典索引
private void generatedic(){
for(int i=0;
i<liststudent.count;
i++)
_dicstudentcodetoarrayindex.add(liststudent[i].code,i)
}
for(int i=0;
i<listcourse.count;
i++){
_diccoursecodetoarrayindex.add(listcourse[i].code,i)
}
}
//构造学生选课 匹配的 二维数组。 1表示 学生已选该课程
private void generatearray(){
foreach(studentrecordentity sre in liststudentrecord){
int x=_dicstudentcodetoarrayindex[sre.学生code];
int y=diccoursecodetoarrayindex[sre.课程code];
connstudentrecord[x,y]=1;
}
}
//对外公开的方法：根据学生code 和课程code 查询 选课记录是否存在
/// <returns>返回1 表示存在。返回0表示不存在</returns>
public void verifyrecordbystudentcodeandcoursecode(string pstudentcode,string pcoursecode){
int x=_dicstudentcodetoarrayindex[pstudentcode];
int y=_diccoursecodetoarrayindex[pcoursecode];
return connstudentrecord[x,y];
}
|
—性能分析—
分析一下第二种方案的表象。
1、方法很多。
2、使用的变量很多。
首先要说一下。该优化的目的，是提高学生在选课的时候，所出现的卡顿现象（校验数据量大）。
分别对以上两种方案进行分析：
假设学生为n，课程为m
第一种方案：
时间复杂度很容易计算第一种方案最小为o（nm）
第二种方案：
1、代码多。但是给用户提供的只有一个verifyrecordbystudentcodeandcoursecode方法。
2、变量多，因为该方案就是要使用内存提高效率的。
这个方法执行流程：1、在dictionary中使用code找index2、使用index查询数组。
第一步中，dictionary中查询是使用的hash查找算法。时间复杂度为o(lgn)时间比较快。第二步，时间复杂度为o(1)，因为数组是连续的使用索引会直接查找对应的地址。
所以，使用第二种方案进行校验，第二种方案时间复杂度为o（lgn+lgm）
—总结—
通过上面的分析，可以看出，内存的付出是可以提高程序的执行效率的。以上只是一个例子，优化的好坏取决于使用的数据结构。
以上就是本文关于java性能优化之数据结构实例代码的全部内容，希望对大家有所帮助。感兴趣的朋友可以继续参阅本站其他相关专题，如有不足之处，欢迎留言指出。感谢朋友们对本站的支持！
原文链接：http://blog.csdn.net/lee_sire/article/details/54024091