性能优化：空间换时间

时间 2020-07-10 标签性能优化空间时间

问题背景

在程序开发过程当中，咱们对于数据的处理，会有一些校验。
校验分为两种：简单校验和复杂校验。

对于一些简单的校验，如用户是否存在，密码是否正确等等。这种校验，能够说几乎不耗时的。因此也不必在这里作优化。
对于复杂的校验，须要进行联合查询，经过查询不少次以后，才能够得出数据的正确性与否。固然这种校验执行会很慢。

对于程序开发来讲，时间复杂度和空间复杂度是能够相互转化的。说通俗一点，就是：对于执行的慢的程序，能够经过消耗内存（即构造新的数据结构）来进行优化。而消耗内存的程序，也能够多消耗时间来下降内存的消耗。
前者使用的是最多的。不多有人会为了节省内存而浪费时间。

感兴趣的同窗，请仔细看完这个例子。看如何是如何消耗内存来提升性能的。若是有不正确的地方，还请指出来。

先举例一个场景。来分别看一下正常思路的处理方法和优化事后的处理方法：

好比说给学生排课。学生和课程是一个多对多的关系。

按照正常的逻辑应该有一个关联表来维护二者之间的关系。

如今，添加一个约束条件用于校验。如：张三上学期学过的课程，在排课的时候不该该再排这种课程。

因此须要出现一个约束表（即：历史成绩表）。

即：学生选课表，须要学生成绩表做为约束。

处理方式对比

方案一：正常的处理方式：

当一个学生进行再次选课的时候。须要查询学生选课表看是否已经存在。

即有以下校验：

//查询 学生code和课程code分别为  A 和 B的数据是否存在

//list集合中存放  学生选课记录所有的数据
List<StudentRecordEntity> ListStudentRecord=service.findAll();   
//查询数据，看是否已经存在
StudentRecordEntity enSr=ListStudentRecord.find(s=>s.学生Code==A && s.课程Code==B);
If(enSr==null){
    //学生没有选该课程
    //....
}else{
    //学生已经选过该课程
    //....
}

对于上面这种代码的写法，很是的简练。并且也很是易懂。

首先，假设有5000个学生，100门课程。那么对于学生选课的数据集中，数据量将是5000*100.数据量会是十万级别的数量级。

在十万条数据中，查询学生=A 课程=B的一条记录。执行的效率会很低。由于find方法的查询也就是where 查询，即经过遍历数据集合来查找。

因此，使用上面的代码。在数据量逐渐增加的过程当中，程序的执行效率会大幅度降低。
（ps：数据量增加，在该例子中并不太适合。例子可能不太恰当。总之，大概就是这个意思。）

方案二：使用内存进行优化效率：

这种作法，须要消耗内存。或者说把校验的工做向前作(数据的初始化，在部署系统的过程当中进行)。即：在页面加载的时候数据只调用提供的public方法进行校验。

//学生Code  到   数组索引
Private Dictionary<string,int> _DicStudentCodeToArrayIndex;
//课程Code  到   数据索引
Private Dictionary<string,int> _DicCourseCodeToArrayIndex;

//全部学生
List<StudentEntity> ListStudent=service.findAllStudent();
//全部课程
List<CourseEntity> ListCourse=service.findAllCourse();
//全部 学生选课记录
List<StudentCourseEntity> ListStudentRecord=service.finAll();

Private int[,] _ConnStudentRecord=new int[ListStudent.count,ListCourse.count];

//构造 学生、课程的  数组 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)
    }
}

//构造学生选课 匹配的 二维数组。 1表示 学生已选该课程
Private void GenerateArray(){

    Foreach(StudentRecordEntity sre in ListStudentRecord){
        Int x=_DicStudentCodeToArrayIndex[sre.学生Code];
        Int y=DicCourseCodeToArrayIndex[sre.课程Code];
        ConnStudentRecord[x,y]=1;
    }
}

//对外公开的方法：根据学生Code 和课程Code  查询 选课记录是否存在
/// <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

分析一下第二种方案的表象。
一、方法不少。
二、使用的变量不少。

首先要说一下。该优化的目的，是提升学生在选课的时候，所出现的卡顿现象（校验数据量大）。

分别对以上两种方案进行分析：

假设学生为N，课程为M

第一种方案：
时间复杂度很容易计算 第一种方案最小为O（NM）

第二种方案：
一、代码多。可是给用户提供的只有一个VerifyRecordByStudentCodeAndCourseCode方法。
二、变量多，由于该方案就是要使用内存提升效率的。
这个方法执行流程：一、在Dictionary中使用Code找Index 二、使用Index查询数组。

第一步中，Dictionary中查询是使用的Hash查找算法。时间复杂度为O(lgN) 时间比较快。第二步，时间复杂度为O(1)，由于数组是连续的使用索引会直接查找对应的地址。
因此，使用第二种方案进行校验，第二种方案时间复杂度为O（lgN+lgM）

小结

经过上面的分析，能够看出，内存的付出是能够提升程序的执行效率的。以上只是一个例子，优化的好坏取决于使用的数据结构。