日常分享：关于时间复杂度和空间复杂度的一些优化心得分享(C#)

前言

今天分享一下日常工作中遇到的性能问题和解决方案，比较零碎，后续会持续更新（运行环境为.net core 3.1）

本次分享的案例都是由实际生产而来，经过简化后作为举例

Part 1（作为简单数据载体时class和struct的性能对比）

关于class和struct的区别，根据经验，在实际开发的绝大多数场景，都会使用class作为数据类型，但是如果是作为简单数据的超大集合的类型，并且不涉及到拷贝、传参等其他操作的时候，可以考虑使用struct，因为相对于引用类型的class分配在堆上，作为值类型的struct是分配在栈上的，这样就拥有了更快的创建速度和节约了指针的空间，列举了3000万个元素的集合分别以class和struct作为类型，做如下测试（测试工具为vs自带的 Diagnostic Tools）：

class Program {
    static void Main (string[] args) {
        var structs = new List<StructTest> ();
        var stopwatch1 = new Stopwatch ();
        stopwatch1.Start ();
        for (int i = 0; i < 30000000; i++) {
            structs.Add (new StructTest { Id = i, Value = i });
        }
        stopwatch1.Stop ();
        var structsTotalMemory = GC.GetTotalMemory (true);
        Console.WriteLine ($"使用结构体时消耗内存：{structsTotalMemory}字节，耗时：{stopwatch1.ElapsedMilliseconds}毫秒");
        Console.ReadLine ();
    }

    public struct StructTest {
        public int Id { get; set; }
        public int Value { get; set; }
    }
}

class Program {
    static void Main (string[] args) {
        var classes = new List<ClassTest> ();
        var stopwatch2 = new Stopwatch ();
        stopwatch2.Start ();
        for (int i = 0; i < 30000000; i++) {
            classes.Add (new ClassTest { Id = i, Value = i });
        }
        stopwatch2.Stop ();
        var classesTotalMemory = GC.GetTotalMemory (true);
        Console.WriteLine ($"使用类时消耗内存：{classesTotalMemory}字节，耗时：{ stopwatch2.ElapsedMilliseconds}毫秒");
        Console.ReadLine ();
    }

    public struct StructTest {
        public int Id { get; set; }
        public int Value { get; set; }
    }
}

通过计算，struct的空间消耗包含了：每个结构体包含两个存放在栈上的整型，每个整型占4个字节，每个结构体占8字节，乘以3000万个元素共计占用240,000,000字节， 跟实际测量值大体吻合；

而class的空间消耗较为复杂，包含了：每个类包含两个存在堆上的整型，每个整型占4字节，两个存在栈上的指针，因为是64位计算机所以每个指针占8字节，再加上类自身的指针8字节，每个类占24字节(4+4+8+8+8)，乘以3000万个元素共计占用960,000,000字节，跟实际测量值大体吻合。时间消耗方面class因为存在内存分配，耗时5秒左右，远大于struct的1.5秒。

基于此次测试，

更多关于class和struct的关系和区别请移步微软官方文档   https://docs.microsoft.com/en-us/dotnet/standard/design-guidelines/choosing-between-class-and-struct

Part 2（集合嵌套遍历的优化）

关于嵌套集合遍历，我们以两层集合嵌套遍历，每个集合存放10000个乱序的整型，然后统计同时存在两个集合的元素个数，从上到下分别以常规嵌套循环，使用HashSet类型，参考PostgreSQL的MergeJoin思路举例：

class Program {
    static void Main (string[] args) {
        var l1s = new List<int> ();
        var l2s = new List<int> ();
        var rd = new Random ();
        for (int i = 0; i < 10000; i++) {
            l1s.Add (rd.Next (1, 10000));
            l2s.Add (rd.Next (1, 10000));
        }

        var sw = new Stopwatch ();
        sw.Start ();
        var r = new HashSet<int> ();
        foreach (var l1 in l1s) {
            foreach (var l2 in l2s) {
                if (l1 == l2) {
                    r.Add (l1);
                }
            }
        }
        sw.Stop ();
        Console.WriteLine ($"共找到{r.Count}个元素同时存在于l1s和l2s，共计耗时{sw.ElapsedMilliseconds}毫秒");
        Console.ReadLine ();
    }

class Program {
    static void Main (string[] args) {
        var l1s = new HashSet<int> ();
        var l2s = new HashSet<int> ();
        var rd = new Random ();
        while (l1s.Count < 10000)
            l1s.Add (rd.Next (1, 100000));
        while (l2s.Count < 10000)
            l2s.Add (rd.Next (1, 100000));

        var sw = new Stopwatch ();
        sw.Start ();
        var r = new List<int> ();
        foreach (var l1 in l1s) {
            if (l2s.Contains (l1)) {
                r.Add (l1);
            }
        }
        sw.Stop ();
        Console.WriteLine ($"共找到{r.Count}个元素同时存在于l1s和l2s，共计耗时{sw.ElapsedMilliseconds}毫秒");
        Console.ReadLine ();
    }

class Program {
    static void Main (string[] args) {
        var l1s = new List<int> ();
        var l2s = new List<int> ();
        var rd = new Random ();
        for (int i = 0; i < 10000; i++) {
            l1s.Add (rd.Next (1, 10000));
            l2s.Add (rd.Next (1, 10000));
        }

        var sw = new Stopwatch ();
        sw.Start ();
        var r = new List<int> ();
        l1s = l1s.OrderBy (x => x).ToList ();
        l2s = l2s.OrderBy (x => x).ToList ();
        var l1index = 0;
        var l2index = 0;
        for (int i = 0; i < 10000; i++) {
            var l1v = l1s[l1index];
            var l2v = l2s[l2index];
            if (l1v == l2v) {
                r.Add (l1v);
                l1index++;
                l2index++;
            }
            if (l1v > l2v && l2index < 10000)
                l2index++;
            if (l1v < l2v && l1index < 10000)
                l1index++;

            if (l1index == 9999 && l2index == 9999)
                break;
        }
        sw.Stop ();
        Console.WriteLine ($"共找到{r.Count}个元素同时存在于l1和l2s，共计耗时{sw.ElapsedMilliseconds}毫秒");
        Console.ReadLine ();
    }

由结果可见，常规嵌套遍历耗时1秒，时间复杂度为O(n²)；使用HashSet耗时3毫秒，HashSet底层使用了哈希表，通过循环外层集合，对内层集合直接进行hash查找，时间复杂度为O(n)； 参考PostgreSQL的MergeJoin思路耗时19毫秒，思路为先对集合进行排序，再标记当前位移，利用数组可以下标直接取值的特性，时间复杂度为O(n)。由此可见，对于数据量较大的集合，嵌套循环要尤为重视起来。

更多关于merge join的设计思路请移步PostgreSQL的官方文档  https://www.postgresql.org/docs/12/planner-optimizer.html

要注意的是，无论是使用哈希表还是排序，都会引入额外的损耗，毕竟在计算机的世界里，要么以时间换空间，要么以空间换时间，如果想同时优化时间或空间可以办到吗？在某些场景上也是有可能的，可以参考我之前的博文，通过内存映射文件结合今天讲的内容，可以尝试一下。

如有任何问题，欢迎大家随时指正，分享和试错也是个学习的过程，谢谢大家~