如何在Java中使用HashMap改進(jìn)查找性能

如何在Java中使用HashMap改進(jìn)查找性能？很多新手對(duì)此不是很清楚，為了幫助大家解決這個(gè)難題，下面小編將為大家詳細(xì)講解，有這方面需求的人可以來(lái)學(xué)習(xí)下，希望你能有所收獲。

Java中，HashMap，其實(shí)就是鍵值對(duì)。一個(gè)Key，對(duì)應(yīng)一個(gè)值；寫數(shù)據(jù)時(shí)，指定Key寫對(duì)應(yīng)值；讀取時(shí)憑Key找到相應(yīng)值。感覺(jué)就跟Redis差不多。

// 創(chuàng)建 HashMap 對(duì)象 Sites
HashMap<Integer, String> Sites = new HashMap<Integer, String>();
// 添加鍵值對(duì)
Sites.put(1, "Google");
Sites.put(2, "Runoob");
Sites.put(3, "Taobao");
Sites.put(4, "Zhihu");
//讀取
String val = Sites.get(1);//得到Google

為什么說(shuō)可以用HashMap來(lái)改進(jìn)性能呢？原因不是說(shuō)HashMap這種數(shù)據(jù)結(jié)構(gòu)存儲(chǔ)性能就比其他的，比如數(shù)組，集合先進(jìn)多少。我主要看中的，是在知道Key的情況下，找到相應(yīng)值得速度非?？?。如果是用數(shù)組，最簡(jiǎn)單的，用循環(huán)；講究一點(diǎn)，排好序，用折半查找（二分查找）。都比不上用Key在HashMap里直接讀取。不知道為什么HashMap在查找方面為啥這么快，估計(jì)是存儲(chǔ)結(jié)構(gòu)，使用了啥樹(shù)，并為Key建立了索引。這是另外一個(gè)課題，以后再了解。昨天，我只是利用了這個(gè)特性，將運(yùn)行幾個(gè)小時(shí)都沒(méi)結(jié)束的問(wèn)題，只耗費(fèi)了十幾秒。

問(wèn)題如下：
有25萬(wàn)條記錄，每條記錄含經(jīng)緯度；存在不同記錄坐標(biāo)相同情況。現(xiàn)在想將坐標(biāo)相同的記錄歸并在一起。

如果數(shù)據(jù)是保存在數(shù)據(jù)庫(kù)里，那么用SQL進(jìn)行坐標(biāo)分組，應(yīng)該能解決問(wèn)題。然而并沒(méi)有數(shù)據(jù)庫(kù)，數(shù)據(jù)是從gdb文件里讀出來(lái)的。

好吧，將數(shù)據(jù)保存到數(shù)組里，再新建一個(gè)集合；然后循環(huán)數(shù)組，與新集合中的記錄逐個(gè)比較，坐標(biāo)相同就歸并到新集合，不同就插入新集合。最簡(jiǎn)單了。結(jié)果2個(gè)小時(shí)過(guò)去了，還沒(méi)有結(jié)束的跡象。

想想也對(duì)，新集合越來(lái)越大，比較的次數(shù)也越來(lái)越多，仿佛棋盤里的大米一樣，每格的大米數(shù)量是前一格的兩倍；最后即使是整個(gè)國(guó)家糧庫(kù)的大米都放進(jìn)去，都填不滿整個(gè)棋盤。

將25萬(wàn)條記錄先排好序再處理？單是排序就忙死了，不行吧。

將25萬(wàn)條記錄先保存到數(shù)據(jù)庫(kù)里，再分組？應(yīng)該也可以，但總覺(jué)得笨了一些，而且速度應(yīng)該也是以分鐘算的。

最后決定用HashMap來(lái)做這個(gè)新集合。
如上所述，HashMap按照Key來(lái)寫入或讀取值。關(guān)鍵是這個(gè)Key怎么得來(lái)。上面的例子，是寫代碼的人自己給出了一些字符作為Key。而在我們項(xiàng)目中，可以用經(jīng)緯度之和的哈希值來(lái)作為Key。哈希值相同的，就認(rèn)為是經(jīng)緯度相同，只需要判斷新集合中，是否存在這個(gè)Key對(duì)應(yīng)的元素就可以了，根本無(wú)須循環(huán)比較。

由于存在兩個(gè)不同的經(jīng)緯度加起來(lái)，結(jié)果是一樣的可能性，因此先將經(jīng)度 乘以1000，再加緯度，這樣基本杜絕沖突的機(jī)會(huì)。

代碼如下：

private HashMap<Long,SimpleItem> recGeo(HashMap<Long, SimpleItem> map,String geo,int j){
  /*
    將相同坐標(biāo)的記錄合成一條
    HashMap<Long, SimpleItem> map, 新集合
    String geo, 坐標(biāo)字符串
    int j 記錄ID
   */

  try {
    Point p = (Point)reader.read(geo);
    /*
      計(jì)算哈希值
      因?yàn)槿绻捎醚h(huán)來(lái)比較，數(shù)據(jù)量太大，速度太慢了
      為避免不同坐標(biāo)出現(xiàn)經(jīng)度+緯度結(jié)果相同的情況，將經(jīng)度 * 1000再相加
     */
    //計(jì)算Key
    long k = Long.valueOf(Double.doubleToLongBits(p.getX() * 1000 + p.getY())).hashCode();
    
    SimpleItem si = map.get(k);
    if(si != null){//新集合中該Key對(duì)應(yīng)元素已存在，應(yīng)該是相同坐標(biāo)的記錄
      si.getPointers().add(j);//歸并
    } else {//否則插入
      si = new SimpleItem();
      si.setGeo(geo);
      List<Integer> pointers = new ArrayList();
      pointers.add(j);
      si.setPointers(pointers);
      map.put(k,si);
    }
  } catch (ParseException e) {
    e.printStackTrace();
  }

  return map;
}

private static GeometryFactory geometryFactory = JTSFactoryFinder.getGeometryFactory( null );
private static WKTReader reader = new WKTReader( geometryFactory );
class SimpleItem{
  private Point geo;
  private List<Integer> pointers;

  public Point getGeo() {
    return geo;
  }

  public void setGeo(String geo) {
    try {
      this.geo = (Point)reader.read(geo);
    } catch (ParseException e) {
      e.printStackTrace();
    }
  }

  public List<Integer> getPointers() {
    return pointers;
  }

  public void setPointers(List<Integer> pointers) {
    this.pointers = pointers;
  }
}

看完上述內(nèi)容是否對(duì)您有幫助呢？如果還想對(duì)相關(guān)知識(shí)有進(jìn)一步的了解或閱讀更多相關(guān)文章，請(qǐng)關(guān)注億速云行業(yè)資訊頻道，感謝您對(duì)億速云的支持。