.Net学习难点讨论系列8 - 泛型字典类比较

近日在网上看到一篇介绍泛型集合类的文章，总结的比较经典，要作者网名iceboy，原文地址失效，可参见此处，原文使用VB.NET2005描述，我将其整理为C#版，转发在此处，留作学习之用。

[转] Dictionary<TKey,TValue>, SortedDictionary<TKey,TValue>, SortedList<TKey,TValue>横向评测

 

Dictionary<TKey,TValue>、SortedDictionary<TKey,TValue>与 SortedList<TKey,TValue>是.NET Framework的三个泛型的关键字查找的类，都属于System.Collections.Generic命名空间。它们无论是名字还是功能都十分相似，以至于实际运用的时候我们会经常混淆。因此有必要比较一下它们。

 

1. 实现

查阅 MSDN 得到如下资料:

Dictionary<TKey, TValue>泛型类提供了从一组键到一组值的映射。字典中的每个添加项都由一个值及其相关联的键组成。通过键来检索值的速度是非常快的，接近于O(1)，这是因为Dictionary<TKey, TValue>类是作为一个哈希表来实现的。

检索速度取决于为TKey指定的类型的哈希算法的质量。

可见，Dictionary<TKey, TValue>基本上就是一个Hashtable。不过它比Hashtable类快，因为它支持泛型~(稍后我们会用实验证明，即使使用Object类型的Dictionary也比 Hashtable稍快)。

SortedDictionary<TKey, TValue>泛型类是检索运算复杂度为O(log n)的二叉搜索树，其中n是字典中的元素数。就这一点而言，它与SortedList<TKey, TValue>泛型类相似。这两个类具有相似的对象模型，并且都具有O(log n)的检索运算复杂度。这两个类的区别在于内存的使用以及插入和移除元素的速度。

SortedList<TKey, TValue>使用的内存比SortedDictionary<TKey, TValue>少。

SortedDictionary<TKey, TValue>可对未排序的数据执行更快的插入和移除操作：它的时间复杂度为O(log n)，而SortedList<TKey, TValue>为O(n)。

如果使用排序数据一次性填充列表，则SortedList<TKey, TValue>比 SortedDictionary<TKey, TValue>快。

 

每个键/值对都可以作为KeyValuePair<TKey, TValue>结构进行检索，或作为 DictionaryEntry通过非泛型IDictionary接口进行检索。

 

只要键用作SortedDictionary<TKey, TValue>中的键，它们就必须是不可变的。SortedDictionary<TKey, TValue>中的每个键必须是唯一的。键不能为 null引用），但是如果值类型TValue为引用类型，该值则可以为空。

 

SortedDictionary<TKey, TValue>需要比较器实现来执行键比较。可以使用一个接受 comparer参数的构造函数来指定IComparer<T>泛型接口的实现；如果不指定实现，则使用默认的泛型比较器Comparer<T>。如果类型TKey实现IComparable<T>泛型接口，则默认比较器使用该实现。

 

C#语言的foreach语句需要集合中每个元素的类型。由于SortedDictionary<TKey, TValue>的每个元素都是一个键/值对，因此元素类型既不是键的类型，也不是值的类型。而是KeyValuePair<TKey, TValue>类型。

 

可见，SortedDictionary<TKey, TValue>类似一个平衡二叉查找树(AVL)。既然是 BST，我们当然可以对其进行中序遍历。有两种方法:

1. foreach

2. Object.GetEnumerator

 

小实验:

SortedDictionary<int, int> TestObject = new SortedDictionary<int, int>(); 
TestObject.Add(7, 2); 
TestObject.Add(0, 1); 
TestObject.Add(5, 3); 
TestObject.Add(1, 1); 
TestObject.Add(4, 4); 
 
foreach (KeyValuePair<int, int> kvp in TestObject) 
{ 
    Console.WriteLine(kvp.Key); 
} 

得到的顺序是0,1,4,5,7(SortedList<TKey, TValue>同样)

但是如果把SortedDictionary<TKey, TValue>换成Dictionary<TKey, TValue>, 结果就是7,0,5,1,4。

 

另一种遍历方法: 

SortedDictionary<int, int>.Enumerator sde = TestObject.GetEnumerator(); 
while (sde.MoveNext()) 
{ 
    Console.WriteLine(sde.Current.Key); 
} 

SortedDictionary<TKey, TValue>类和SortedList<TKey, TValue>类之间的另一个区别是：SortedList<TKey, TValue>支持通过由Keys和Values属性返回的集合对键和值执行高效的索引检索。访问此属性时无需重新生成列表，因为列表只是键和值的内部数组的包装。

二叉树的插入操作怎么是 O(n)?

 

网上有一种说法, 就是SortedList<TKey, TValue>内部就是两个数组, 插入的时候类似O(n^2)的插入排序(每个动作为O(n))，不过插入有序数据特别快(每个动作变成O(1))。同样的情况出现在删除数据。

Random ra = new Random(); 
SortedList<int, int> TestObject = new SortedList<int, int>(); 
for (int i = 1; i <= 1000000; i++) 
{ 
    TestObject.Add(i, ra.Next()); 
} 

其中，ra.Next()用来生成随机数。

 

上述代码执行速度相当快，因为插入的数据的Key值是有序的。

如果把i换成1000000-i，则速度立刻慢得惨不忍睹。

同样的情况出现在把i替换成随机数。在一段时间的等待后出错，因为Key值不能重复。

这样说来，SortedList<TKey, TValue>不太像二叉树结构.

 

SortedList<TKey, TValue>还有一个功能，就是直接访问Key值大小排名为k的Key 和Value。

方法(使用属性)是object.Key[k]和object.Value[k)。

这更加印证了网上的说法.

 

我认为SortedList没什么用 - 除非是对基本有序的数据，或者对内存非常吝啬。如果仅仅需要在BST上加上查找排名为k的节点的功能，可以使用一个经典算法：在每个节点上加上一个leftsize，储存它左子树的大小。

 

2. 功能

这三个类的功能上面都讲得差不多了。因为实现就决定了功能。这里小结一下。

Dictionary<TKey, TValue>的功能:

Add，Clear，ContainsKey，ContainsValue，Count（属性），Enumerator(无序)，Item(属性)， Remove

 

SortedDictionary<TKey, TValue>新增的功能：

Enumerator为有序 - 对应BST的中序遍历。

 

SortedList<TKey, TValue>新增的功能:

Capacity(属性) - 毕竟人家是数组

IndexOfKey，IndexOfValue(返回Value对应Key的排名而不是 Value 的排名)

Keys[k]，Values[k] - 返回按照Key排序的数组的第k个元素

 

3. 速度

实践出真知 - 某名人。

理论和实践不符就是错的 - Thity。

 

我们的测试程序: 

 

static class DictionarySpeedTest 
{ 
    static Random RandomGenerator = new Random(); 
    static List<Key_N_Data> ArrayListData = new List<Key_N_Data>(); 
    static Dictionary<long, long> TestObject = new Dictionary<long, long>(); 
 
    public struct Key_N_Data 
    { 
        public long Key; 
        public long Data; 
    } 
     
    const int ITEM_COUNT = 1000000; 
    const int TEST_COUNT = 500000; 
 
    static long LastTick; 
 
    public static void TimerStart(string Text) 
    { 
        Console.Write(Text); 
        LastTick = DateTime.Now.Ticks; 
    } 
 
    public static void TimerEnd() 
    { 
        long t = DateTime.Now.Ticks - LastTick; 
        Console.WriteLine(((t) / 10000).ToString() + " ms"); 
    } 
 
public static void Main() 
{ 
    Process.GetCurrentProcess().PriorityClass = ProcessPriorityClass.High; 
    Console.WriteLine(TestObject.GetType().ToString()); 
 
    TimerStart("Generating data... "); 
    for (int i = 1; i <= ITEM_COUNT; i++) 
    { 
        Key_N_Data ThisKeyData = default(Key_N_Data); 
        ThisKeyData.Key = ((long)RandomGenerator.Next() << 31) | RandomGenerator.Next(); 
        ThisKeyData.Data = ((long)RandomGenerator.Next() << 31) | RandomGenerator.Next(); 
        ArrayListData.Add(ThisKeyData); 
    } 
    TimerEnd(); 
 
    TimerStart("Test 1: add data test... "); 
    foreach (Key_N_Data Item in ArrayListData) 
    { 
        TestObject.Add(Item.Key, Item.Data); 
    } 
    TimerEnd(); 
 
    TimerStart("Test 2: find data test... "); 
    for (int i = 1; i <= TEST_COUNT; i++) 
    { 
        { 
            if (TestObject[ArrayListData[RandomGenerator.Next(0, ITEM_COUNT)].Key] != ArrayListData[RandomGenerator.Next(0, ITEM_COUNT)].Data) 
                Console.WriteLine("Error!"); 
        } 
    } 
    TimerEnd(); 
 
    TimerStart("Test 3: remove data test..."); 
    for (int i = 1; i <= TEST_COUNT; i++) 
    { 
        TestObject.Remove(ArrayListData[RandomGenerator.Next(0, ITEM_COUNT)].Key); 
    } 
    TimerEnd(); 
 
    Console.Read(); 
    } 
} 
    

通过更改TestObject的类型，我们可以很方便地比较这三个类的速度。测试结果：

 

                  ADD    FIND   REMOVE

Dictionary<TKey, TValue>       265ms  203ms  187ms

SortedDictionary<TKey, TValue> 1843ms 828ms  1234ms

SortedList<TKey, TValue>       N/A

 

我们把ITEM_COUNT和TEST_COUNT都减小10倍：

 

                  ADD    FIND   REMOVE

Dictionary<TKey,TValue>       15ms   31ms   15ms

SortedDictionary<TKey,TValue> 93ms   46ms   38ms

SortedList<TKey,TValue>       8031ms 15ms   6046ms

 

SortedList<TKey,TValue>的随机查找居然比Dictionary<TKey,TValue>和SortedDictionary<TKey,TValue>(Hashtable和BST)还要快。这样说来，SortedList<TKey,TValue>似乎又不是简单的数组了。(不过我仍然觉得它没什么用)

 

4. 小结

如果只是当作索引使用，请用Dictionary<TKey,TValue>。

如果需要查找最小的几个元素，或者需要按顺序遍历元素，就用SortedDictionary<TKey,TValue>。

如果输入/删除的元素是基本增序的，或者访问次数远多于修改次数，或者需要访问第k大的元素，或者对内存吝啬得BT的情况，用SortedList<TKey,TValue>吧。(它居然成使用情况最多的了... orz)

 

PS: 微软似乎也很吝啬，SortedDictionary<TKey,TValue>居然只支持增序(默认的比较器)，如果要降序的话，我们得自己写一个比较器。

class MyComparer : Comparer<long> 
{ 
    public override int Compare(long x, long y) 
    { 
        return Comparer<long>.Default.Compare(y, x); 
    } 
} 

使用：

SortedList<long, long> TestObject = new SortedList<long, long>(new MyComparer());

 

现在我们可以来进行一下刚开始的时候提到的Dictionary<TKey,TValue>（泛型）vs Hashtable（非泛型）对决。

结果：

 

ADD   FIND  REMOVE

Dictionary(Of Long, Long)     271ms 203ms 187ms

Dictionary(Of Object, Object) 468ms 312ms 234ms

Hashtable                         859ms 390ms 218ms

 

结论: 最好用Dictionary代替Hashtable。