引子:
事情的起因我已经记不清了,但是事情的根本原因在于,我们要遍历一个集合,是用字典来存储还是用数组链表来存储。
1. 把基本概念说清
对List<T>的阐述,我在http://www.cnblogs.com/kym/archive/2009/03/09/1406657.html一文中已经有过相应的解释,再此不再赘述。
Dictionary<T1,T2>,我们俗称其为字典,他包含一个Key和与之对应的Value,其目的是能够根据Key迅速地找到Value,算法复杂度为O(1)。
2. Dictionary<T1,T2>和Hashtable的异同
首先很多人都认同一个观点,说Dictionary<T1,T2>是HashTable的泛型版本,这一点在大致上是正确的,可是当我们运行这样一段代码时,便可看出他们的不同:
![](https://images.cnblogs.com/OutliningIndicators/ExpandedBlockStart.gif)
2 dic.Add(1, 5);
3 dic.Add(10, 3);
4 dic.Add(2, 5);
5 foreach (int key in dic.Keys)
6 {
7 Console.WriteLine(key);
8 }
9
10 Hashtable hashtable = new Hashtable();
11 hashtable.Add(1, 5);
12 hashtable.Add(10, 3);
13 hashtable.Add(2, 5);
14 foreach (object key in hashtable.Keys)
15 {
16 Console.WriteLine(key.ToString());
17 }
Dictionary<T1,T2>是根据插入的顺序来遍历,但是Hashtable在插入时会打乱其位置。
并且我们在用Reflector看源码的时候也会发现
![](https://images.cnblogs.com/OutliningIndicators/ExpandedBlockStart.gif)
2 {
3 if (index != -1)
4 {
5 num6 = index;
6 }
7 Thread.BeginCriticalRegion();
8 this.isWriterInProgress = true;
9 this.buckets[num6].val = nvalue;
10 this.buckets[num6].key = key;
11 this.buckets[num6].hash_coll |= (int) num3;
12 this.count++;
13 this.UpdateVersion();
14 this.isWriterInProgress = false;
15 Thread.EndCriticalRegion();
16 }
17
Hashtable是线程安全的,而Dictionary明显不具备如此特性。
3. Dictionary<T1,T2>的存储原理
说到字典,我们就不能不说其存储结构,他会根据Key通过Hash计算来得到其应存放的虚拟内存地址,这也是在哈希表中Key必须唯一的原因,当我们按照Key进行查找时,首先就是根据Key计算出其所存放的虚拟内存地址,去对应的内存地址找数据,得到其Value。
这一点HashTable与其相同。
4. 问题提出
我们为了讨论遍历时Dictionary和List的效率,我写了这样一段测试代码:
![](https://images.cnblogs.com/OutliningIndicators/ExpandedBlockStart.gif)
2 Random r = new Random();
3 for (int i = 0; i < 100000; i++)
4 {
5 int random = r.Next(10);
6 dic.Add(i.ToString(), random.ToString());
7 }
8 StringBuilder sb = new StringBuilder(10000000);
9 Stopwatch sw = new Stopwatch();
10 sw.Start();
11 foreach (string key in dic.Keys)
12 {
13 sb.Append(dic[key]);
14 }
15 sw.Stop();
16 Console.WriteLine("Dic花费的时间:");
17 Console.WriteLine(sw.ElapsedTicks.ToString());
18 GC.Collect();
19
20 List<string> list = new List<string>();
21 for (int i = 0; i < 100000; i++)
22 {
23 list.Add(r.Next().ToString());
24 }
25
26 sb = new StringBuilder(10000000);
27 sw.Reset();
28 sw.Start();
29
30 foreach (string s in list)
31 {
32 sb.Append(s);
33 }
34
35 sw.Stop();
36 Console.WriteLine("List花费的时间:");
37 Console.WriteLine(sw.ElapsedTicks.ToString());
这段代码产生的测试结果如下:
5. 问题剖析
同样是集合,为什么性能会有这样的差距。我们要从存储结构和操作系统的原理谈起。
首先我们清楚List<T>是对数组做了一层包装,我们在数据结构上称之为线性表,而线性表的概念是,在内存中的连续区域,除了首节点和尾节点外,每个节点都有着其唯一的前驱结点和后续节点。我们在这里关注的是连续这个概念。
而HashTable或者Dictionary,他是根据Key而根据Hash算法分析产生的内存地址,因此在宏观上是不连续的,虽然微软对其算法也进行了很大的优化。
由于这样的不连续,在遍历时,Dictionary必然会产生大量的内存换页操作,而List只需要进行最少的内存换页即可,这就是List和Dictionary在遍历时效率差异的根本原因。
6. 再谈Dictionary
也许很多人说,既然Dictionary如此强大,那么我们为什么不用Dictionary来代替一切集合呢?
在这里我们除了刚才的遍历问题,还要提到Dictionary的存储空间问题,在Dictionary中,除了要存储我们实际需要的Value外,还需要一个辅助变量Key,这就造成了内存空间的双重浪费。
而且在尾部插入时,List只需要在其原有的地址基础上向后延续存储即可,而Dictionary却需要经过复杂的Hash计算,这也是性能损耗的地方。
7. 任何方法都要合理使用
我在之前的文章中,如:从Dynamic到特性误用.曾无数次强调过,方法可以用,但每个方法都有着其存在的意义,我们调用这个方法,或者使用某个类,数据结构前,一定要搞清其存在的意义,其优点和缺点,这样我们才能写出最好的代码。