—舉例（學生排課）—
正常思路的處理方法和優化過后的處理方法：
比如說給學生排課。學生和課程是一個多對多的關系。
按照正常的邏輯 應該有一個關聯表來維護 兩者之間的關系。
現在，添加一個約束條件用于校驗。如：張三上學期學過的課程，在排課的時候不應該再排這種課程。
所以需要出現一個約束表（即：歷史成績表）。
即：學生選課表，需要學生成績表作為約束。
—方案一：正常處理方式—
當一個學生進行再次選課的時候。需要查詢學生選課表看是否已經存在。
即有如下校驗：
|
1
2
3
4
5
6
7
8
9
10
11
12
13
|
//查詢 學生code和課程code分別為 a 和 b的數據是否存在 //list集合中存放 學生選課記錄全部的數據 list<studentrecordentity> liststudentrecord=service.findall(); //查詢數據，看是否已經存在 studentrecordentity ensr=liststudentrecord.find(s=>s.學生code==a && s.課程code==b); if(ensr==null){ //學生沒有選該課程 //.... }else{ //學生已經選過該課程 //.... } |
對于上面這種代碼的寫法，非常的簡練。而且也非常易懂。
首先，假設有5000個學生，100門課程。那么對于學生選課的數據集中，數據量將是5000*100.數據量會是十萬級別的數量級。
在十萬條數據中，查詢學生=a課程=b的一條記錄。執行的效率會很低。因為find方法的查詢也就是where查詢，即通過遍歷數據集合來查找。
所以，使用上面的代碼。在數據量逐漸增長的過程中，程序的執行效率會大幅度下降。
ps：數據量增長，在該例子中并不太適合。例子可能不太恰當。總之，大概就是這個意思。）
—方案二：使用內存進行優化效率—
這種做法，需要消耗內存?；蛘哒f把校驗的工作向前做(數據的初始化，在部署系統的過程中進行)。即：在頁面加載的時候數據只調用提供的public方法進行校驗。
|
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
|
//學生code 到 數組索引 private dictionary<string,int> _dicstudentcodetoarrayindex;//課程code 到 數據索引 private dictionary<string,int> _diccoursecodetoarrayindex;//所有學生 list<studententity> liststudent=service.findallstudent();//所有課程 list<courseentity> listcourse=service.findallcourse();//所有 學生選課記錄 list<studentcourseentity> liststudentrecord=service.finall();private int[,] _connstudentrecord=new int[liststudent.count,listcourse.count];//構造 學生、課程的 數組 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)}}//構造學生選課 匹配的 二維數組。 1表示 學生已選該課程 private void generatearray(){foreach(studentrecordentity sre in liststudentrecord){ int x=_dicstudentcodetoarrayindex[sre.學生code]; int y=diccoursecodetoarrayindex[sre.課程code]; connstudentrecord[x,y]=1;}}//對外公開的方法：根據學生code 和課程code 查詢 選課記錄是否存在 /// <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—
分析一下第二種方案的表象。
1、方法很多。
2、使用的變量很多。
首先要說一下。該優化的目的，是提高學生在選課的時候，所出現的卡頓現象（校驗數據量大）。
分別對以上兩種方案進行分析：
假設學生為n，課程為m
第一種方案：
時間復雜度很容易計算第一種方案最小為o（nm）
第二種方案：
1、代碼多。但是給用戶提供的只有一個verifyrecordbystudentcodeandcoursecode方法。
2、變量多，因為該方案就是要使用內存提高效率的。
這個方法執行流程：1、在dictionary中使用code找index2、使用index查詢數組。
第一步中，dictionary中查詢是使用的hash查找算法。時間復雜度為o(lgn)時間比較快。第二步，時間復雜度為o(1)，因為數組是連續的使用索引會直接查找對應的地址。
所以，使用第二種方案進行校驗，第二種方案時間復雜度為o（lgn+lgm）
—總結—
通過上面的分析，可以看出，內存的付出是可以提高程序的執行效率的。以上只是一個例子，優化的好壞取決于使用的數據結構。
以上就是本文關于java性能優化之數據結構實例代碼的全部內容，希望對大家有所幫助。感興趣的朋友可以繼續參閱本站其他相關專題，如有不足之處，歡迎留言指出。感謝朋友們對本站的支持！
原文鏈接：http://blog.csdn.net/lee_sire/article/details/54024091
