内容简介:如果你往数组中添加很多元素,你可能会发现:使用首先,让我们看一下数组的存储策略。如果你创建一个包含四个元素的数组,Swift 将会分配足够的内存去存储这仅有的4个元素。所以,数组的现在,你想去添加第五个元素。但数组并没有足够的长度去添加它,所以数组需要寻找一块足够存放五个元素的内存,然后将数组的4个元素拷贝过去,最后再拼接第五个元素。它的时间复杂度是O(n)。
如果你往数组中添加很多元素,你可能会发现:使用 reserveCapacity()
函数提前告诉 Swift 你需要多大的长度,代码性能会更好。然而,对它的使用你需要格外小心,因为它也可能使你的代码变得非常非常慢。
首先,让我们看一下数组的存储策略。如果你创建一个包含四个元素的数组,Swift 将会分配足够的内存去存储这仅有的4个元素。所以,数组的 count
和 capacity
都是4。
现在,你想去添加第五个元素。但数组并没有足够的长度去添加它,所以数组需要寻找一块足够存放五个元素的内存,然后将数组的4个元素拷贝过去,最后再拼接第五个元素。它的时间复杂度是O(n)。
为了避免不断重新分配内存,Swift 对数组的容量采用了一种几何增加模式(a geometric allocation pattern)。这是一种非常好的方式,它成倍的增加数组的容量避免多次重新分配内存的问题。当你在容量为4的数组中添加第五个元素的时候,Swift 将会将数组的长度增加为 8 。每当你超出数组的长度范围,它将会以32、64等成倍的依次增加。
如果你知道你将要存储512个元素,你可以使用 reserveCapacity()
函数来通知 Swift。然后 Swift 会立刻分配一块可以存储512个元素的内存给数组,而不是创建一个小数组,再多次重新分配内存。
示例:
var randomNumbers = [Int]() randomNumbers.reserveCapacity(512) for _ in 1...512 { randomNumbers.append(Int.random(in: 1...10)) } 复制代码
由于 reserveCapacity()
的时间复杂度也是 O(n) ,所以你应该在数组为空的时候调用它。
但是这有一个非常重要的点:你需要确定你的数组增长策略比 Swift 的好。记住, Swift 使用几何增长策略,所以调整数组尺寸的次数会随着数组容量的增加而减少,这就意味着它会将时间复杂度平摊为O(1)。
Tip:平摊(amortization): 是 程序员 选择用来描述算法随时间变化的行为的术语。虽然 append()
在不得不扩充数组的容量的时候时间复杂度是O(n) ;当你有足够的容量存储的时候,它的时间复杂度是O(1)。随着数组容量的增大,O(1) 操作将大大超过O(n)操作。因此我们可以认为 append()
的时间复杂度是O(1)。
当 append()
平摊为一个常量运行时间的时候, reserveCapacity()
也是如此。之前的用法将会使你的代码变得更慢而不是更快。
例如,假设我们想要追踪抽奖的幸运数字。我们可以从一个空数组开始:
var allLuckyNumbers = [Int]() 复制代码
下一步,我们可以编写一个能够选择10个数字的函数,以便我们可以在本周的彩票中进行游戏。这个函数知道我们将要生成10个数字,我们可以使用 reserveCapacity()
来确定我们的数组可以存放10个数字。
func pickLuckyNumbers() { let newSize = allLuckyNumbers.count + 10 allLuckyNumbers.reserveCapacity(newSize) for _ in 1...10 { allLuckyNumbers.append(Int.random(in: 0...50)) } } 复制代码
目前为止还不错: reserveCapacity()
的时间复杂度为O(n),并且他分配了足够的内存来存储。
但是人算不如天算,你可能提前想去生成全年的幸运数字。
for _ in 1...52 { pickLuckyNumbers() } 复制代码
这个循环也是O(n),现在你摊上事了:循环里面嵌套循环,时间复杂度为O(n²)。
即使使用 reserveCapacity()
可以让你的代码变快,但是在这种情况下它将使你的代码变慢:Swift 将会重复调整数组的容量去添加十多个元素。另一方面,如果你移除了 reserveCapacity()
, Swift将恢复其几何增长策略,并最终分配比所需更多的容量。这将会比重复调整数组的容量快很多。
判断该使用的哪一个的方法很简单:如果你调用 reserveCapacity()
一次,那么你就应该使用它,但是如果你可能会调用它多次,那么你应该实现自己的增长策略或者使用 Swift 的几何增长策略。
以上就是本文的全部内容,希望本文的内容对大家的学习或者工作能带来一定的帮助,也希望大家多多支持 码农网
猜你喜欢:- 无服务平台性能比较
- 几种OpenJDK的JVM性能比较
- Scala 中的集合(二):集合性能比较
- Scala 中的集合(二):集合性能比较
- 重定向的九种方案及性能比较
- JEE与Spring Boot代码性能比较
本站部分资源来源于网络,本站转载出于传递更多信息之目的,版权归原作者或者来源机构所有,如转载稿涉及版权问题,请联系我们。
Algorithms + Data Structures = Programs
Niklaus Wirth / Prentice Hall / 1975-11-11 / GBP 84.95
It might seem completely dated with all its examples written in the now outmoded Pascal programming language (well, unless you are one of those Delphi zealot trying to resist to the Java/.NET dominanc......一起来看看 《Algorithms + Data Structures = Programs》 这本书的介绍吧!