《java提高数据导入效率优化思路》

写在前边的实现需求：

1.总共10万个电话号码；

2.电话号码中有重复和错误；

3.查找出正确的号码（不重复）；

一、优化前的实现方式：

1.先用正则过滤一遍10万条数据，找出错误的；

2.用List.Contains验证重复数据，List.Add添加不重复数据；

3.最终从List中取出正确的数据。

 public class appMain {
     final static int _capacity = 1000000;
     final static Random rand = new Random(System.currentTimeMillis() + _capacity);
     static ArrayList<String> list = new ArrayList<String>(_capacity);
     static ArrayList<String> newlist = new ArrayList<String>(_capacity);

     public static void main(String[] args) throws InterruptedException {
         long ts = System.currentTimeMillis();
         int modVal = _capacity / 3;
         for (int i = 0; i < _capacity; i++) {
             rand.setSeed(i);
             list.add(Integer.toString(Math.abs(rand.nextInt() % modVal)));
         }
         ts = System.currentTimeMillis() - ts;
         System.out.println("生成时间 ：" + ts);

         test1();
     }

     static void test1() {
         newlist.clear();
         int repetition = 0;
         long ts = System.currentTimeMillis();
         for (String s : list) {
             if (!newlist.contains(s))
                 newlist.add(s);
             else {
                 repetition++;
             }
         }
         ts = System.currentTimeMillis() - ts;
         System.out.println("------ 插入检查方法 -------");
         System.out.println("查找时间 ：" + ts);
         System.out.println("重复 ：" + repetition);
         System.out.println("正确 ：" + newlist.size());
     }
 }

优化前执行结果：

/*
条件：capacity = 100000
 结果：
 生成时间 ：33
------ 插入检查方法 -------
查找时间 ：6612
重复 ：76871
正确 ：23129
------ 排序检查方法 -------
查找时间 ：91
重复 ：76871
正确 ：23129
*/

使用以上方式做导入的话数据量一旦超过5w以上马上出现假死状态，故肯定不可取，所以有了下边的优化。

二、优化后的实现方式：

1.先对10万数据排序；

2.对比前后两条数据（这个我之后会详细说明为什么这么做）；

3.筛选出正确数据。

 public class appMain {
     final static int _capacity = 1000000;
     final static Random rand = new Random(System.currentTimeMillis() + _capacity);
     static ArrayList<String> list = new ArrayList<String>(_capacity);
     static ArrayList<String> newlist = new ArrayList<String>(_capacity);

     public static void main(String[] args) throws InterruptedException {
         long ts = System.currentTimeMillis();
         int modVal = _capacity / 3;
         for (int i = 0; i < _capacity; i++) {
             rand.setSeed(i);
             list.add(Integer.toString(Math.abs(rand.nextInt() % modVal)));
         }
         ts = System.currentTimeMillis() - ts;
         System.out.println("生成时间 ：" + ts);

         test2();
     }

     static void test2() {
         newlist.clear();
         int repetition = 0;
         long ts = System.currentTimeMillis();

         Collections.sort(list);
         String str = list.get(0);
         int max = list.size();
         for (int i = 1; i < max; i++) {
             if (str.equals(list.get(i))) {
                 repetition++;
                 continue;
             }
             newlist.add(str);
             str = list.get(i);
         }
         newlist.add(str);

         ts = System.currentTimeMillis() - ts;
         System.out.println("------ 排序检查方法 -------");
         System.out.println("查找时间 ：" + ts);
         System.out.println("重复 ：" + repetition);
         System.out.println("正确 ：" + newlist.size());
     }
 }

优化后执行结果：

/*
条件：capacity = 1000000
 结果：
生成时间 ：392
------ 插入检查方法 -------
查找时间 ：1033818
重复 ：703036
正确 ：296964
------ 排序检查方法 -------
查找时间 ：1367
重复 ：703036
正确 ：296964
*/

当数据量达到10万条的时候，查找时间比差不多90倍的差距了；当数据量达到100万时，我这边测试数据已经卡死在test1()，而test2()依然能在数十秒内反馈结果。

下边来简单解剖下源码：

 Collections.sort(list);
 String str = list.get(0);
 int max = list.size();
 for (int i = 1; i < max; i++) {
     if (str.equals(list.get(i))) {
         repetition++;
         continue;
     }
      newlist.add(str);
      str = list.get(i);
 }

Line 1:排序，加入list排序后的结果是[1,2,2,3,3,3,4,4,4,4,5,5,5,5,5]

Line 2:初始str = 1;

从Line 4开始进入循环：

Line 5:判断str是否和当先selector值相等（暂借我们认为list.get(i)是一个指针），如果相等则跳过以下步骤进入下一个循环

Line 9:将str = 1，加入newlist尾

Line10:将当前selector值赋给str，此时str=2，进入下一个循环

...

这种语言解释我个人觉得特别麻烦，我还是写段代码让程序告诉你它怎么执行的。

 public class appList {
     static ArrayList<String> list = new ArrayList<String>();
     static ArrayList<String> newlist = new ArrayList<String>();

     public static void main(String[] args) {
         for (int i = 1; i < 5 + 1; i++) {
             for (int j = 0; j < i; j++) {
                 list.add(Integer.toString(i));
             }
         }
         System.out.println("list初始值 " + list.toString());
         // print输出值 [1, 2, 2, 3, 3, 3, 4, 4, 4, 4, 5, 5, 5, 5, 5]

         String str = list.get(0);
         int max = list.size();
         for (int i = 1; i < max; i++) {
             Print(i);
             if (str.equals(list.get(i))) {
                 PrintNew();
                 continue;
             }
             newlist.add(str);
             System.out.println("add\t" + str);
             str = list.get(i);
             PrintNew();
         }

         newlist.add(str);
         System.out.println("add\t" + str);
         PrintNew();

         System.out.println("newlist值 " + newlist.toString());
         // print输出值 [1, 2, 3, 4, 5]
     }

     static void PrintNew(){
         StringBuilder stringBuilder = new StringBuilder();
         stringBuilder.append("newlist\t");
         for (int i = 0; i < newlist.size(); i++) {
             stringBuilder.append(newlist.get(i));
             stringBuilder.append(",");
         }
         System.out.println(stringBuilder.toString());
         System.out.println();
     }
     static void Print(int pos) {
         StringBuilder stringBuilder = new StringBuilder();
         stringBuilder.append("list\t");
         for (int i = 0; i < list.size(); i++) {
             if (i == pos) {
                 stringBuilder.append("[");
                 stringBuilder.append(list.get(i));
                 stringBuilder.append("],");
             } else {
                 stringBuilder.append(list.get(i));
                 stringBuilder.append(",");
             }
         }
         System.out.println(stringBuilder.toString());
     }

执行结果：

list初始值 [1, 2, 2, 3, 3, 3, 4, 4, 4, 4, 5, 5, 5, 5, 5]
list       1,[2],2,3,3,3,4,4,4,4,5,5,5,5,5,
add    1
newlist    1,

list       1,2,[2],3,3,3,4,4,4,4,5,5,5,5,5,
newlist    1,

list       1,2,2,[3],3,3,4,4,4,4,5,5,5,5,5,
add    2
newlist    1,2,

list       1,2,2,3,[3],3,4,4,4,4,5,5,5,5,5,
newlist    1,2,

list       1,2,2,3,3,[3],4,4,4,4,5,5,5,5,5,
newlist    1,2,

list       1,2,2,3,3,3,[4],4,4,4,5,5,5,5,5,
add    3
newlist    1,2,3,

list       1,2,2,3,3,3,4,[4],4,4,5,5,5,5,5,
newlist    1,2,3,

list       1,2,2,3,3,3,4,4,[4],4,5,5,5,5,5,
newlist    1,2,3,

list       1,2,2,3,3,3,4,4,4,[4],5,5,5,5,5,
newlist    1,2,3,

list       1,2,2,3,3,3,4,4,4,4,[5],5,5,5,5,
add    4
newlist    1,2,3,4,

list       1,2,2,3,3,3,4,4,4,4,5,[5],5,5,5,
newlist    1,2,3,4,

list       1,2,2,3,3,3,4,4,4,4,5,5,[5],5,5,
newlist    1,2,3,4,

list       1,2,2,3,3,3,4,4,4,4,5,5,5,[5],5,
newlist    1,2,3,4,

list       1,2,2,3,3,3,4,4,4,4,5,5,5,5,[5],
newlist    1,2,3,4,

add    5
newlist    1,2,3,4,5,

newlist值 [1, 2, 3, 4, 5]