Java性能优化之数据结构实例代码

—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：

//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。

//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。

来源：http://blog.csdn.net/lee_sire/article/details/54024091