js处理大数据数组循环的一些性能优化
栏目: JavaScript · 发布时间: 5年前
内容简介:上一节我写了观察者模式,是一种设计模式。这些设计模式就是一些思路。当然,关于排序,有快速排序法,关于查找有二分查找法等等,这些都为我们提供了一些思路。那么对于避免不了的大数据循环,分类,查找,有什么更加提高性能,或者说是降低内存消耗的方法吗?假设后端返回数据如下:上面的数据假设是全世界5000多个城市的数据,城市可能分为几个级别,省、市、区等等。
前言
上一节我写了观察者模式,是一种设计模式。这些 设计模式 就是一些思路。当然,关于排序,有快速 排序 法,关于查找有二分查找法等等,这些都为我们提供了一些思路。那么对于避免不了的大数据循环,分类,查找,有什么更加提高性能,或者说是降低内存消耗的方法吗?
案例
假设后端返回数据如下:
{ "code": 0, "message": "", "data": { "list": [{ "city_level": "CITY_LEVEL_NONE", "parent_id": 0, "name": "中国未知", "id": 156 }, { "city_level": "CITY_LEVEL_NONE", "parent_id": 0, "name": "台湾省", "id": 710000 }, { "city_level": "CITY_LEVEL_NONE", "parent_id": 710000, "name": "台湾省未知", "id": 719900 }, { "city_level": "CITY_LEVEL_NONE", "parent_id": 710000, "name": "高雄市", "id": 710200 }, { "city_level": "CITY_LEVEL_NONE", "parent_id": 710000, "name": "花莲县", "id": 712200 }, { "city_level": "CITY_LEVEL_NONE", "parent_id": 710000, "name": "嘉义市", "id": 710700 }, { "city_level": "CITY_LEVEL_NONE", "parent_id": 710000, "name": "南投县", "id": 711500 }, { "city_level": "CITY_LEVEL_NONE", "parent_id": 710000, "name": "澎湖县", "id": 712300 }, { "city_level": "CITY_LEVEL_NONE", "parent_id": 710000, "name": "屏东县", "id": 712000 }, { "city_level": "CITY_LEVEL_NONE", "parent_id": 710000, "name": "台北市", "id": 710100 }, { "city_level": "CITY_LEVEL_NONE", "parent_id": 710000, "name": "台东县", "id": 712100 }, { "city_level": "CITY_LEVEL_NONE", "parent_id": 710000, "name": "台南市", "id": 710500 }, { "city_level": "CITY_LEVEL_NONE", "parent_id": 710000, "name": "台中市", "id": 710400 }, { "city_level": "CITY_LEVEL_NONE", "parent_id": 710000, "name": "桃园市", "id": 711100 }, { "city_level": "CITY_LEVEL_NONE", "parent_id": 710000, "name": "新竹市", "id": 710600 }, { "city_level": "CITY_LEVEL_NONE", "parent_id": 710000, "name": "宜兰县", "id": 710900 }, { "city_level": "CITY_LEVEL_NONE", "parent_id": 710000, "name": "云林县", "id": 711700 }, ...........//此处省略上千条 ] } }
上面的数据假设是全世界5000多个城市的数据,城市可能分为几个级别,省、市、区等等。
现在要把这些城市数据处理成级联关系的,类似如下:
[{ label: '一级 1', children: [{ label: '二级 1-1', children: [{ label: '三级 1-1-1' }] }] }, { label: '一级 2', children: [{ label: '二级 2-1', children: [{ label: '三级 2-1-1' }] }, { label: '二级 2-2', children: [{ label: '三级 2-2-1' }] }] }] }]
一般人的做法如下: 省、市、区三级,做三个循环,每个循环都要过滤一下,父元素ID和子元素parent_id相等的数据,当然也可以递归循环。
代码可能如下:
this.shengData.forEach((item, index) => { item.children = _tempShengData.filter(itm => itm.parent_id == item.id) item.children.forEach(initem => { initem.children = _tempShengData.filter(itm => itm.parent_id == initem.id) if (initem.children.length > 0) { initem.children.forEach(sunitem => { sunitem.children = _tempShengData.filter(stm => stm.parent_id == sunitem.id) }) } }) })
//_tempShengData 是经过处理之后,去除了父级元素是0或者是空的情况的所有元素, this.shengData是后端返回的所有元素
这里最耗费性能的是循环里面还有过滤。这里消耗会很大!
优化方案
数据库查找快速方法可以建索引。那么数组可以建立类似索引的东西吗?根据上面的数组,我们可以得知,一个parent_id可能有多个子元素,我们可以建立类似key和vue形式的对象,通过对象的key,来直接获取vue值,岂不是更快?
这样就循环一次就可以了,将上面代码改进如下:
// 将所有的数据进行一个分类,key是parent_id,value是children
let regionObj = {} 城市数据.forEach(item => { regionObj[item['parent_id']] = regionObj[item['parent_id']] || [] regionObj[item['parent_id']].push(item) })
这样regionObj这个对象就是以parent_id为key,value是一个children元素的集合了。
然后再进行一次分类吧
this.shengData.forEach((item, index) => { item.children = regionObj[item.id] ? regionObj[item.id] : [] item.children.forEach(initem => { initem.children = regionObj[initem.id] ? regionObj[initem.id] : [] if (initem.children.length > 0) { initem.children.forEach(sunitem => { sunitem.children = regionObj[sunitem.id] ? regionObj[sunitem.id] : [] }) } }) })
这样比之前快了很多。
以上所述就是小编给大家介绍的《js处理大数据数组循环的一些性能优化》,希望对大家有所帮助,如果大家有任何疑问请给我留言,小编会及时回复大家的。在此也非常感谢大家对 码农网 的支持!
猜你喜欢:- 数组常见的遍历循环方法、数组的循环遍历的效率对比
- 循环数组有几种方法?
- php – 删除foreach循环中的数组元素
- 1008 数组元素循环右移问题 (20 分)java
- [Python技巧]如何加快循环操作和Numpy数组运算速度
- 试设计算法得到原数组循环右移 k 次的 结果并分析算法的时间复杂度。
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。
The Definitive Guide to MongoDB
Peter Membrey、Wouter Thielen / Apress / 2010-08-26 / USD 44.99
MongoDB, a cross-platform NoSQL database, is the fastest-growing new database in the world. MongoDB provides a rich document orientated structure with dynamic queries that you’ll recognize from RDMBS ......一起来看看 《The Definitive Guide to MongoDB》 这本书的介绍吧!