Python微信订餐小程序课程视频

https://edu.csdn.net/course/detail/36074

Python实战量化交易理财系统

https://edu.csdn.net/course/detail/35475

java中如何将嵌套循环性能提高500倍

转载请注明出处https://blog.csdn.net/funnyzpc/p/15975882.html

前面

似乎上一次更新在遥远的九月份，按照既定的时间线应该要补5篇博文才对得起这懒惰的半年?, 近期工作强度虽不大，但也时有烦心的事儿，比如这忽冷忽热的天气、反反复复的疫情、不大不小的房贷、还有我那半死不活的手机，当然咯，手机这月必须得换了，准备xperia 5 Ⅲ或者iPhone SE ，资金若是充裕的话也给老爸换一部(耳机也安排上),各位觉得如何呢；哈哈?，扯远了，现在就来填一下坑（补一篇博客)。
首先,我面对的问题是：两拨数据都从db抽取到应用(主要是mysql的AP能力太感人了)，在应用里面做嵌套循环处理的时候发现十分的缓慢，看到cnblogs的网友有做优化，遂就顺带就学了一手，似乎是好了许多，但是对于极致性能追求的我怎能就这样马马虎虎地过呢。。。oh不能！！！
现在开始: show me code ~?

代码及基本业务逻辑

我们是从db抽出两拨数据，两拨数据需要做匹配同时还要配合着配置项计算相关的金额，计算金额无非就是BigDecimal嘛，这里略去哈~ ...下面我就demo出两拨测试数据及最原始的代码逻辑，很简陋哈~?
oh,对了，我电脑配置为8核16GB 256SSD => MacBook Pro ,所以各位电脑运行效率有差异很正常哈?

package com.mee.base;

import cn.hutool.core.collection.ConcurrentHashSet;
import org.junit.jupiter.api.Test;

import java.time.Instant;
import java.util.*;
import java.util.concurrent.atomic.AtomicInteger;

public class BigDataLoopTest {

    // 简单的业务逻辑代码
    @Test
    public void test00(){
        List lst\_5w = this.build5W();
 List lst\_60w = this.build60W();
 Set count = new HashSet<>(lst\_5w.size());
 long s = Instant.now().toEpochMilli();
 for(int i = 0;ifor(int j = 0;jInteger val = lst\_5w.get(j);
 if(val%2==0 && lst\_60w.get(i).equals(val)){
 count.add(val);
 System.out.println(val);
 // 这里加不加break似乎性能相差无几~
// break;
 }
 }
 }
 System.out.println("匹配到个数"+count.size()+" 耗时"+(Instant.now().toEpochMilli()-s)/1000D+"秒");
 }

 // 60万数据
 private List build60W(){
 List lst = new ArrayList<>(600000);
 SHOT\_STATIC\_IT.getAndSet(100000);
 for(int i=0;i<600000;i++){
 lst.add( genSeq());
 }
 return lst;
 }

 // 5万数据
 private List build5W(){
 List lst = new ArrayList<>(100000);
 SHOT\_STATIC\_IT.getAndSet(1);
 for(int i=100000;i<600000;i++){
 int val = genSeq();
 if(val%7==0){
 lst.add(val);
 }
 if(lst.size()==50000){
 return lst;
 }
 }
 return lst;
 }

 // 构造数
 private static final AtomicInteger SHOT\_STATIC\_IT = new AtomicInteger(1);
 public static int genSeq(){
 if(SHOT\_STATIC\_IT.intValue()>990000){
 SHOT\_STATIC\_IT.getAndSet(1);
 }
 return SHOT\_STATIC\_IT.getAndIncrement();
 }

}

整体耗时 60.318秒 64.304秒`

以上test00部分即为业务逻辑，不用笑话，写的确实很low哈哈，主要就是比较两拨数据匹配到的打印出来，同时这个数要能被2整除才行~ ，当然接下来的优化主要针对test00进行优化哈～?

第一波是看得到的优化::去掉不必要的冗余循环+在需要的时候果断break

这是看得到的优化:

    @Test
  public void test01(){
      List lst\_5w = this.build5W();
 List lst\_60w = this.build60W();
 Set count = new HashSet<>(lst\_5w.size());
 long s = Instant.now().toEpochMilli();
 for(int i = 0;iget(i);
 if(val%2 == 0){
 for(int j = 0;jget(j);
 if(val.equals(val2)){
 count.add(val);
 System.out.println(val2);
 break;
 }
 }
 }
 }
 System.out.println("匹配到个数"+count.size()+" 耗时"+(Instant.now().toEpochMilli()-s)/1000D+"秒");
 }

来，看看效率如何->9.958秒 10.123秒 (为两次执行结果)
wow，太棒了，我们得到了6x左右的优化，赞?
试想一下，如果我们做一个功能，调用一次，用户需要等待10s,这样合适嘛?️，再试试看～

第二波优化::来自博客网友的助攻->内大外小

这里主要方式是将大list放到内层，小list循环放到外层，试试看：

public void test02(){
        List lst\_5w = this.build5W();
 List lst\_60w = this.build60W();
 Set count = new HashSet<>(lst\_5w.size());
 long s = Instant.now().toEpochMilli();
 for(int j = 0;jget(j);
 if(val % 2 == 0) {
 for (int i = 0; i < lst\_60w.size(); i++) {
 if (lst\_60w.get(i).equals(val)) {
 count.add(val);
 System.out.println(val);
 break;
 }
 }
 }
 }
 System.out.println("匹配到个数"+count.size()+" 耗时"+(Instant.now().toEpochMilli()-s)/1000D+"秒");
 }

执行时间为=>6.314秒 6.306秒(两次执行结果)
相对于前一次，我们得到了40%的优化,看起来也不错，只是还需要等6s+, 小小的一步。。。听网友说，他们还有其他方案，再试试看～

第三波优化:for循环参数提出循环内+循环参数常量化final

代码示例：

    @Test
    public void test03(){
        List lst\_5w = this.build5W();
 List lst\_60w = this.build60W();
 Set count = new HashSet<>(lst\_5w.size());
 long s = Instant.now().toEpochMilli();
 int j;
 final int j\_len = lst\_5w.size();
 int i;
 final int i\_len = lst\_60w.size();
 for(j = 0;jget(j);
 if(val % 2 == 0){
 for(i = 0;iif (lst\_60w.get(i).equals(val)) {
 count.add(val);
 System.out.println(val);
 break;
 }
 }
 }
 }
 System.out.println("匹配到个数"+count.size()+" 耗时"+(Instant.now().toEpochMilli()-s)/1000D+"秒");
 }

oh,似乎没有明显的优化，而且执行效率也降低了许多哦?=> 7.382秒 6.376秒(两次执行结果)
ennnn....,java提供的循环方式多种，病急的时候我们会乱投医，尤为盲目的时候。。。

第四波优化：使用for增强方式=>for :

    @Test
    public void test04(){
        List lst\_5w = this.build5W();
 List lst\_60w = this.build60W();
 Set count = new HashSet<>(lst\_5w.size());
 long s = Instant.now().toEpochMilli();
 int i;
 final int i\_len = lst\_60w.size();
 for(Integer val:lst\_5w){
 if(val % 2 == 0) {
 for (i = 0; i < i\_len; i++) {
 if (lst\_60w.get(i).equals(val)) {
 count.add(val);
 System.out.println(val);
 break;
 }
 }
 }
 }
 System.out.println("匹配到个数"+count.size()+" 耗时"+(Instant.now().toEpochMilli()-s)/1000D+"秒");
 }

它似乎只回到了初次优化的效率=> 6.323秒 6.342秒(两次执行结果) ；此时，我们遗忘了很久的工具它似乎带来了一线光明 ?

第五波优化:并行流多线程=>parallelStream

 @Test
    public void test05(){
        List lst\_5w = this.build5W();
 List lst\_60w = this.build60W();
 Set count = new ConcurrentHashSet<>(lst\_5w.size());
 long s = Instant.now().toEpochMilli();
 final int i\_len = lst\_60w.size();
 lst\_5w.parallelStream().forEach(val->{
 if(val % 2 == 0){
 for(int i = 0;iif (lst\_60w.get(i).equals(val)) {
 count.add(val);
 System.out.println(val);
 break;
 }
 }
// for(Integer val2:lst\_60w){
// if (val2.equals(val)) {
// System.out.println(val);
// break;
// }
// }
 }
 });
 System.out.println("匹配到个数"+count.size()+" 耗时"+(Instant.now().toEpochMilli()-s)/1000D+"秒");
 }

执行效率=> 2.61s 2.44s (两次执行结果)
难以置信，它相比以上 整整提高了1倍的效率，当你以为在多线程下洋洋得意的时候，以为它只能在2.5s左右徘徊嘛？？？

NO NO NO。。。。☝️☝️☝️

第六波优化::终极优化之=>HashMap

我想，很多使用java多年的同学都很难想到此，其实一开始我也不知道???，只是一个偶然的时间瞟了一眼HashMap的源码 从此发现了天机。。。?
final code:

   public void test06(){
        List lst\_5w = this.build5W();
 List lst\_60w = this.build60W();
 final Integer value = 1;
 Set count = new HashSet<>(lst\_5w.size());
 HashMap map\_60w = new HashMap<>(lst\_60w.size(),1);
 for(Integer key:lst\_60w){
 map\_60w.put(key,value);
 }
 long s = Instant.now().toEpochMilli();
 for(Integer val:lst\_5w){
 if(val % 2 == 0) {
 Integer val2 = map\_60w.get(val);
 if (null!=val2 /*&& val2.equals(val)*/) {
 count.add(val);
 System.out.println(val);
 continue;
// break;
 }
 }
 }
 System.out.println("匹配到个数"+count.size()+" 耗时"+(Instant.now().toEpochMilli()-s)/1000D+"秒");
 }

oh，天。。。它只需要=>0.082秒 0.099秒 0.095秒 (三次执行结果)
我只是试试看的心态，结果着实震撼到我了...0.1s都不需要，不要自行车，不要摩托车，我们只要?

最后

>>> 60/0.095
631.578947368421

500x的效率提升，标题着实有点儿保守了，各位不妨在各自电脑上试试看，当然如果您有其他优化思路 麻烦也告知下哈(建设性的更好)???
现在是 2022-03-07 21:50 各位晚安?

转载请注明：xuhss » java中如何将嵌套循环性能提高500倍