—舉例（學(xué)生排課）—

正常思路的處理方法和優(yōu)化過(guò)后的處理方法：

比如說(shuō)給學(xué)生排課。學(xué)生和課程是一個(gè)多對(duì)多的關(guān)系。

按照正常的邏輯 應(yīng)該有一個(gè)關(guān)聯(lián)表來(lái)維護(hù) 兩者之間的關(guān)系。

現(xiàn)在，添加一個(gè)約束條件用于校驗(yàn)。如：張三上學(xué)期學(xué)過(guò)的課程，在排課的時(shí)候不應(yīng)該再排這種課程。

所以需要出現(xiàn)一個(gè)約束表（即：歷史成績(jī)表）。

即：學(xué)生選課表，需要學(xué)生成績(jī)表作為約束。

—方案一：正常處理方式—

當(dāng)一個(gè)學(xué)生進(jìn)行再次選課的時(shí)候。需要查詢(xún)學(xué)生選課表看是否已經(jīng)存在。

即有如下校驗(yàn)：

//查詢(xún) 學(xué)生code和課程code分別為 A 和 B的數(shù)據(jù)是否存在 
 
//list集合中存放 學(xué)生選課記錄全部的數(shù)據(jù) 
List<StudentRecordEntity> ListStudentRecord=service.findAll();   
//查詢(xún)數(shù)據(jù)，看是否已經(jīng)存在 
StudentRecordEntity enSr=ListStudentRecord.find(s=>s.學(xué)生Code==A && s.課程Code==B); 
If(enSr==null){ 
  //學(xué)生沒(méi)有選該課程 
  //.... 
}else{ 
  //學(xué)生已經(jīng)選過(guò)該課程 
  //.... 
} 

對(duì)于上面這種代碼的寫(xiě)法，非常的簡(jiǎn)練。而且也非常易懂。

首先，假設(shè)有5000個(gè)學(xué)生，100門(mén)課程。那么對(duì)于學(xué)生選課的數(shù)據(jù)集中，數(shù)據(jù)量將是5000*100.數(shù)據(jù)量會(huì)是十萬(wàn)級(jí)別的數(shù)量級(jí)。

在十萬(wàn)條數(shù)據(jù)中，查詢(xún)學(xué)生=A課程=B的一條記錄。執(zhí)行的效率會(huì)很低。因?yàn)閒ind方法的查詢(xún)也就是where查詢(xún)，即通過(guò)遍歷數(shù)據(jù)集合來(lái)查找。

所以，使用上面的代碼。在數(shù)據(jù)量逐漸增長(zhǎng)的過(guò)程中，程序的執(zhí)行效率會(huì)大幅度下降。

ps：數(shù)據(jù)量增長(zhǎng)，在該例子中并不太適合。例子可能不太恰當(dāng)?？傊蟾啪褪沁@個(gè)意思。）

—方案二：使用內(nèi)存進(jìn)行優(yōu)化效率—

這種做法，需要消耗內(nèi)存?；蛘哒f(shuō)把校驗(yàn)的工作向前做(數(shù)據(jù)的初始化，在部署系統(tǒng)的過(guò)程中進(jìn)行)。即：在頁(yè)面加載的時(shí)候數(shù)據(jù)只調(diào)用提供的public方法進(jìn)行校驗(yàn)。

//學(xué)生Code 到  數(shù)組索引 
Private Dictionary<string,int> _DicStudentCodeToArrayIndex;
//課程Code 到  數(shù)據(jù)索引 
Private Dictionary<string,int> _DicCourseCodeToArrayIndex;
//所有學(xué)生 
List<StudentEntity> ListStudent=service.findAllStudent();
//所有課程 
List<CourseEntity> ListCourse=service.findAllCourse();
//所有 學(xué)生選課記錄 
List<StudentCourseEntity> ListStudentRecord=service.finAll();
Private int[,] _ConnStudentRecord=new int[ListStudent.count,ListCourse.count];
//構(gòu)造 學(xué)生、課程的 數(shù)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(gòu)造學(xué)生選課 匹配的 二維數(shù)組。 1表示 學(xué)生已選該課程 
Private void GenerateArray(){
Foreach(StudentRecordEntity sre in ListStudentRecord){
	int x=_DicStudentCodeToArrayIndex[sre.學(xué)生Code];
	int y=DicCourseCodeToArrayIndex[sre.課程Code];
	ConnStudentRecord[x,y]=1;
}
}
//對(duì)外公開(kāi)的方法：根據(jù)學(xué)生Code 和課程Code 查詢(xún) 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(shuō)一下。該優(yōu)化的目的，是提高學(xué)生在選課的時(shí)候，所出現(xiàn)的卡頓現(xiàn)象（校驗(yàn)數(shù)據(jù)量大）。

分別對(duì)以上兩種方案進(jìn)行分析：

假設(shè)學(xué)生為N，課程為M

第一種方案：

時(shí)間復(fù)雜度很容易計(jì)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(hù)提供的只有一個(gè)VerifyRecordByStudentCodeAndCourseCode方法。

2、變量多，因?yàn)樵摲桨妇褪且褂脙?nèi)存提高效率的。

這個(gè)方法執(zhí)行流程：1、在Dictionary中使用Code找Index2、使用Index查詢(xún)數(shù)組。

第一步中，Dictionary中查詢(xún)是使用的Hash查找算法。時(shí)間復(fù)雜度為O(lgN)時(shí)間比較快。第二步，時(shí)間復(fù)雜度為O(1)，因?yàn)閿?shù)組是連續(xù)的使用索引會(huì)直接查找對(duì)應(yīng)的地址。

所以，使用第二種方案進(jìn)行校驗(yàn)，第二種方案時(shí)間復(fù)雜度為O（lgN+lgM）

—總結(jié)—

通過(guò)上面的分析，可以看出，內(nèi)存的付出是可以提高程序的執(zhí)行效率的。以上只是一個(gè)例子，優(yōu)化的好壞取決于使用的數(shù)據(jù)結(jié)構(gòu)。

以上就是本文關(guān)于Java性能優(yōu)化之?dāng)?shù)據(jù)結(jié)構(gòu)實(shí)例代碼的全部?jī)?nèi)容，希望對(duì)大家有所幫助。感興趣的朋友可以繼續(xù)參閱本站其他相關(guān)專(zhuān)題，如有不足之處，歡迎留言指出。感謝朋友們對(duì)本站的支持！

最新評(píng)論