Java实现的高效计数器

在统计来自数据库或文本中某些内容的频率时，你可能经常会用到HashMap。本文对比了三种用HashMap实现的计数器。

1. 简单的计数器

如果你使用这样一个计数器，你的代码可能如下：

String s = "one two three two three three";
String[] sArr = s.split(" ");

//naive approach
HashMap<String, Integer> counter = new HashMap<String, Integer>();

for(String a : sArr) {
if(counter.containsKey(a)) {
int oldValue = counter.get(a);
counter.put(a, oldValue+1);
} else {
counter.put(a, 1);
}
}

每次循环，你都要判断键（key）是否存在。如果该键存在，你需要键对应的值加1，否则，这设置对应的值为1。该方法看起来简单而直接，但它并不是最有效率的方法，它在如下方面欠考虑：

① 如果键（key）已经存在的话，containsKey()、get()就会方法被调用两次，这意味着要搜索map两次；

② 由于整数（Integer）是不可变的，每次循环都会创建一个新的整数对象保存新的计数值。

2. 改进的计数器

自然而然的，我们希望用一个可变的整数值来避免创建过多的整数对象。因此，可以定义一个可变整数类，如下所示：

class MutableInteger {

private int val;

public MutableInteger(int val) {
this.val = val;
}

public int get() {
return val;
}

public void set(int val) {
this.val = val;
}

//used to print value convinently
public String toString() {
return Integer.toString(val);
}
}

改进后的计数器如下所示：

HashMap<String, MutableInteger> newCounter = new HashMap<String, MutableInteger>();

for(String a : sArr) {
if(newCounter.containsKey(a)) {
MutableInteger oldValue = newCounter.get(a);
oldValue.set(oldValue.get() + 1);
} else {
newCounter.put(a, new MutableInteger(1));
}
}

改进后的计数器无需创建大量的整数（Integer）对象，效率有所提高，但是它还有没有解决的问题：当键（key）存在时需要搜索两次map。

3. 高效的计数器

HashMap.put(key, value)方法返回键（key）对应的值。这个方法很有用，我们可以直接使用旧值的引用来更新值，而不需要再多进行一次搜索。

HashMap<String, MutableInteger> efficientCounter = new HashMap<String, MutableInteger>();

for(String a : sArr) {
MutableInteger initValue = new MutableInteger(1);
MutableInteger oldValue = efficientCounter.put(a, initValue);

if(oldValue != null) {
initValue.set(oldValue.get() + 1);
}
}

4. 性能差异

可以使用下面的代码来测试上述三种方法在性能上的差异。性能测试循环次数为1百万次，实验结果如下所示：

Naive Approach : 222796000
Better Approach: 117283000
Efficient Approach: 96374000

三种方法在性能上的差异是十分显著的：223 vs. 117 vs. 96。最原始的计数器和优化后的计数器之间的性能差异十分明显，这意味着创建对象的开销是十分昂贵的。

String s = "one two three two three three";
String[] sArr = s.split(" ");

long startTime = 0;
long endTime = 0;
long duration = 0;

// naive approach
startTime = System.nanoTime();
HashMap<String, Integer> counter = new HashMap<String, Integer>();

for (int i = 0; i < 1000000; i++)
for (String a : sArr) {
if (counter.containsKey(a)) {
int oldValue = counter.get(a);
counter.put(a, oldValue + 1);
} else {
counter.put(a, 1);
}
}

endTime = System.nanoTime();
duration = endTime - startTime;
System.out.println("Naive Approach :  " + duration);

// better approach
startTime = System.nanoTime();
HashMap<String, MutableInteger> newCounter = new HashMap<String, MutableInteger>();

for (int i = 0; i < 1000000; i++)
for (String a : sArr) {
if (newCounter.containsKey(a)) {
MutableInteger oldValue = newCounter.get(a);
oldValue.set(oldValue.get() + 1);
} else {
newCounter.put(a, new MutableInteger(1));
}
}

endTime = System.nanoTime();
duration = endTime - startTime;
System.out.println("Better Approach:  " + duration);

// efficient approach
startTime = System.nanoTime();

HashMap<String, MutableInteger> efficientCounter = new HashMap<String, MutableInteger>();

for (int i = 0; i < 1000000; i++)
for (String a : sArr) {
MutableInteger initValue = new MutableInteger(1);
MutableInteger oldValue = efficientCounter.put(a, initValue);

if (oldValue != null) {
initValue.set(oldValue.get() + 1);
}
}

endTime = System.nanoTime();
duration = endTime - startTime;
System.out.println("Efficient Approach:  " + duration);

当你使用计数器时，你可能需要使用一个方法来根据值（value）对map进行排序，对此，你可以参照文章《HashMap中常用的方法》

5. Keith的评论（如下所示）

下面是我收到的最好的评论之一。

添加下面一系列测试：

1) 重构上述”改进的计数器“，用get()方法来替换containsKey()方法。通常，所需的元素都在HashMap中，因此可以将搜索次数从两次减少到一次。

2) Michal提到了AtuomicInteger，下面也进行了相关的试验。

3) 与单例的int数组相比，http://amzn.com/0748614079中提到这可能会使用更少的内存。

我运行了测试程序3x次，争取每次对代码的改变都最小。需要注意的是，你可能无法做到在程序中做到上述改动，或者试验结果受影响较大，原因可能是垃圾回收期。

Naive: 201716122
Better Approach: 112259166
Efficient Approach: 93066471
Better Approach (without containsKey): 69578496
Better Approach (without containsKey, with AtomicInteger): 94313287
Better Approach (without containsKey, with int[]): 65877234

改进的计数器（不使用containsKey()）：

HashMap<string, mutableinteger=""> efficientCounter2 = new HashMap<string, mutableinteger="">();
for (int i = 0; i < NUM_ITERATIONS; i++)
for (String a : sArr) {
MutableInteger value = efficientCounter2.get(a);

if (value != null) {
value.set(value.get() + 1);
} else {
efficientCounter2.put(a, new MutableInteger(1));
}
}

改进的计数器（不使用containskey()，使用AtomicInteger）：

HashMap<string, atomicinteger=""> atomicCounter = new HashMap<string, atomicinteger="">();
for (int i = 0; i < NUM_ITERATIONS; i++)
for (String a : sArr) {
AtomicInteger value = atomicCounter.get(a);

if (value != null) {
value.incrementAndGet();
} else {
atomicCounter.put(a, new AtomicInteger(1));
}
}

改进的计数器（不使用containsKey()，使用int[]）：

HashMap<string, int[]=""> intCounter = new HashMap<string, int[]="">();
for (int i = 0; i < NUM_ITERATIONS; i++)
for (String a : sArr) {
int[] valueWrapper = intCounter.get(a);

if (valueWrapper == null) {
intCounter.put(a, new int[] { 1 });
} else {
valueWrapper[0]++;
}
}

Guava的MultiSet可能更快。

6. 总结

性能最高的是使用int数组的那个方法。

原文地址：Efficient Counter in Java