一次提高代码性能的尝试

在做一道题时碰到的问题,记录下来,备忘
题目:Substring with Concatenation of All Words

简单就是说,给一个字符串s,再给一个由字符串words(每个字符串的长度一样)组成的数组。遍历s,如果其中的一个子字符串sub_s是可以由words中的所有字符串组成。那么就记录该sub_s的首字符的index。再把所有的index返回成一个数组。

  • 最开始的想法很直接,即把words中的所有元素进行一次排列Array#permutation,然后将排列好的每一个数组join成一个字符串,再用String#index方法找到索引,再返回
 def find_substring1(s, words)
   array =[]
   words.permutation.map(&:join).each do |ele|
     array << s.index(ele)
   end
   array.compact.sort
 end

这样写的好处是简洁,充分体现了ruby的优势,但缺点是一旦words中的元素有很多,比如10个以上,那么使用permutation就会生成10!这么多的排列,不仅执行速度上会变得很慢,还很容易溢出。所以这个方法是不可取的。

  • 接着尝试了另一种方法
def find_substring2(s, words)  
 array = []
 m = words.first.size
 return [] if s.size < words.size
 j = 0
 until j  > s.size  - words.size * m
   words_dup = words.dup
   j.step(s.size-1,m) do |i|      
     substr = s[i,m]
     if words_dup.include? substr
       index = words_dup.index(substr)
       words_dup.delete_at(index)
       if words_dup.empty?
         array << j
         break
       end
     else
       break
     end
   end
   j += 1
 end
 array
end

从s[0](j=0)开始,先判断s[0,m](这里假设words中每个字符串的长度是m)是否在words_dup数组中,如果在,则从words_dup数组中删除该字符串,然后再判断s[m,m]是否在words_dup数组中,如果不在,则重新开始,从s[1](j+=1)开始重新判断。如果words_dup为空了,说明s中存在一个子字符串是由words中所有的字符串组成的,此时将j添加到array中,最后返回array。
这样可以满足大部分情况,但是当s或者words特别大的时候,比如:

 s = "ab" * 5000
words = ["ab","ba","ab","ba","ab","ba","ab","ba","ab","ba","ab","ba","ab","ba","ab","ba","ab","ba","ab","ba","ab","ba","ab","ba","ab","ba","ab","ba","ab","ba","ab","ba","ab","ba","ab","ba","ab","ba","ab","ba","ab","ba","ab","ba","ab","ba","ab","ba","ab","ba","ab","ba","ab","ba","ab","ba","ab","ba","ab","ba","ab","ba","ab","ba","ab","ba","ab","ba","ab","ba","ab","ba","ab","ba","ab","ba","ab","ba","ab","ba","ab","ba","ab","ba","ab","ba","ab","ba","ab","ba","ab","ba","ab","ba","ab","ba","ab","ba","ab","ba","ab","ba","ab","ba","ab","ba","ab","ba","ab","ba","ab","ba","ab","ba","ab","ba","ab","ba","ab","ba","ab","ba","ab","ba","ab","ba","ab","ba","ab","ba","ab","ba","ab","ba","ab","ba","ab","ba","ab","ba","ab","ba","ab","ba","ab","ba","ab","ba","ab","ba","ab","ba","ab","ba","ab","ba","ab","ba","ab","ba","ab","ba","ab","ba","ab","ba","ab","ba","ab","ba","ab","ba","ab","ba","ab","ba","ab","ba","ab","ba","ab","ba","ab","ba","ab","ba","ab","ba","ab","ba","ab","ba","ab","ba","ab","ba","ab","ba","ab","ba"]

此时该方法的性能会变得很差。

  • 上面方法的瓶颈应该是在include?、index、delete_at这三个方法上。所以想到,是否可以用hash来将字符串的判断变成整数的运算提高性能。
def find_substring3(s, words)  
 array = []
 h = Hash.new(0)
 words.each {|ele| h[ele] += 1}
 m = words.first.size
 return [] if s.size < words.size
 j = 0
 until j  > s.size  - words.size * m
   hash = h.dup
   j.step(s.size-1,m) do |i|      
     substr = s[i,m]
     if hash[substr] > 0
       hash[substr] -= 1
       if hash.all? {|k,v| v == 0}
         array << j
         break
       end      
     else
       break
     end
   end
   j += 1
 end
 array
end

整个判断逻辑是一样的,不同的是,在最开始的时候,将words数组转化为了一个hash,其中key是words中的字符串元素,value是这些字符串元素在words中的重复次数。这样hash的长度肯定是小于等于words的。省去了一些空间。同时将判断变成了hash[substr] > 0(对应上面方法的include?)、删除元素变成了hash[substr] -= 1(对应上面方法的Index,delete_at)。运行一下看看效果。
结果却变得更慢了!

  • 那是什么原因呢?看代码发现有一行是hash.all? {|k,v| v == 0},此处是判断,当words中所有的字符串的次数都为0里,说明s中存在一个子字符串是由words中所有的字符串组成的。分析可以知道,每次循环,都会去调用all?这个方法,而这个方法是比较耗时的,因为是需要遍历hash中的每一对键值。所以再次修改
def find_substring4(s, words)  
 array = []
 h = Hash.new(0)
 words.each {|ele| h[ele] += 1}
 m = words.first.size
 return [] if s.size < words.size
 j = 0
 until j  > s.size  - words.size * m
   hash = h.dup
   j.step(s.size-1,m) do |i|      
     substr = s[i,m]
     if hash[substr] > 0
       hash[substr] -= 1
       #这里        
       unless hash.any? {|k,v| v > 0}
         array << j
         break
       end      
     else
       break
     end
   end
   j += 1
 end
 array
end

将all?改为了any?,这样就不需要遍历整个hash了。

OK。可以用benchmark看一下结果(因为permutation方法在这种输入的情况下已经溢出了,所以就不执行了)

require 'benchmark'
Benchmark.bm(10) do |t|
  t.report("find_substring2") { find_substring2(s, words) }
  t.report("find_substring3") { find_substring3(s, words) }
  t.report("find_substring4") { find_substring4(s, words) }
end

结果如下:

                 user     system      total        real
find_substring2  2.329000   0.000000   2.329000 (  2.327370)
find_substring3  3.312000   0.000000   3.312000 (  3.376481)
find_substring4  0.609000   0.000000   0.609000 (  0.620764)

提升很明显!

  • 再试着优化一下
def find_substring5(s, words)  
 array = []
 h = Hash.new(0)
 words.each {|ele| h[ele] += 1}
 m = words.first.size
 return [] if s.size < words.size
 j = 0
 until j  > s.size  - words.size * m
   hash = h.dup
   j.step(s.size-1,m) do |i|      
     substr = s[i,m]
     if hash[substr] > 0
       hash[substr] -= 1
       #这里
       hash.delete(substr) if hash[substr] == 0
       if hash.empty?
         array << j
         break
       end      
     else
       break
     end
   end
   j += 1
 end
 array
end

将any?改成有empty?,并且在之前增加了一步操作,如果hash[substr]的重复次数为0,那么就在hash中删除掉该元素。这样在循环的过程中,hash的元素会变小,因此要比any? 操作的数据小一些。

验证一下:

require 'benchmark'
Benchmark.bm(10) do |t|
  t.report("find_substring4") { find_substring4(s, words) }
  t.report("find_substring5") { find_substring5(s, words) }
end

结果如下:

                 user     system      total        real
find_substring4  0.610000   0.016000   0.626000 (  0.624748)
find_substring5  0.531000   0.000000   0.531000 (  0.526358)

提升不是很明显,但还是有提升的。


试着总结一下(不一定正确,但可以往这个方向去试着优化)

  • 如果可以用整数操作,尽量用整数进行操作,比字符串的操作要快
  • 一些方法比如permutation、combination用起来很方便,但却是牺牲了空间和时间的
  • 另一些方法比如all?需要遍历才能最终判断的,尽量用any?来取代。而empty?的开销还要小一些。
  • 一般来说,在大数据的情况下,Hash的表现要高于Array
最后编辑于
©著作权归作者所有,转载或内容合作请联系作者
  • 序言:七十年代末,一起剥皮案震惊了整个滨河市,随后出现的几起案子,更是在滨河造成了极大的恐慌,老刑警刘岩,带你破解...
    沈念sama阅读 194,242评论 5 459
  • 序言:滨河连续发生了三起死亡事件,死亡现场离奇诡异,居然都是意外死亡,警方通过查阅死者的电脑和手机,发现死者居然都...
    沈念sama阅读 81,769评论 2 371
  • 文/潘晓璐 我一进店门,熙熙楼的掌柜王于贵愁眉苦脸地迎上来,“玉大人,你说我怎么就摊上这事。” “怎么了?”我有些...
    开封第一讲书人阅读 141,484评论 0 319
  • 文/不坏的土叔 我叫张陵,是天一观的道长。 经常有香客问我,道长,这世上最难降的妖魔是什么? 我笑而不...
    开封第一讲书人阅读 52,133评论 1 263
  • 正文 为了忘掉前任,我火速办了婚礼,结果婚礼上,老公的妹妹穿的比我还像新娘。我一直安慰自己,他们只是感情好,可当我...
    茶点故事阅读 61,007评论 4 355
  • 文/花漫 我一把揭开白布。 她就那样静静地躺着,像睡着了一般。 火红的嫁衣衬着肌肤如雪。 梳的纹丝不乱的头发上,一...
    开封第一讲书人阅读 46,080评论 1 272
  • 那天,我揣着相机与录音,去河边找鬼。 笑死,一个胖子当着我的面吹牛,可吹牛的内容都是我干的。 我是一名探鬼主播,决...
    沈念sama阅读 36,496评论 3 381
  • 文/苍兰香墨 我猛地睁开眼,长吁一口气:“原来是场噩梦啊……” “哼!你这毒妇竟也来了?” 一声冷哼从身侧响起,我...
    开封第一讲书人阅读 35,190评论 0 253
  • 序言:老挝万荣一对情侣失踪,失踪者是张志新(化名)和其女友刘颖,没想到半个月后,有当地人在树林里发现了一具尸体,经...
    沈念sama阅读 39,464评论 1 290
  • 正文 独居荒郊野岭守林人离奇死亡,尸身上长有42处带血的脓包…… 初始之章·张勋 以下内容为张勋视角 年9月15日...
    茶点故事阅读 34,549评论 2 309
  • 正文 我和宋清朗相恋三年,在试婚纱的时候发现自己被绿了。 大学时的朋友给我发了我未婚夫和他白月光在一起吃饭的照片。...
    茶点故事阅读 36,330评论 1 326
  • 序言:一个原本活蹦乱跳的男人离奇死亡,死状恐怖,灵堂内的尸体忽然破棺而出,到底是诈尸还是另有隐情,我是刑警宁泽,带...
    沈念sama阅读 32,205评论 3 312
  • 正文 年R本政府宣布,位于F岛的核电站,受9级特大地震影响,放射性物质发生泄漏。R本人自食恶果不足惜,却给世界环境...
    茶点故事阅读 37,567评论 3 298
  • 文/蒙蒙 一、第九天 我趴在偏房一处隐蔽的房顶上张望。 院中可真热闹,春花似锦、人声如沸。这庄子的主人今日做“春日...
    开封第一讲书人阅读 28,889评论 0 17
  • 文/苍兰香墨 我抬头看了看天上的太阳。三九已至,却和暖如春,着一层夹袄步出监牢的瞬间,已是汗流浃背。 一阵脚步声响...
    开封第一讲书人阅读 30,160评论 1 250
  • 我被黑心中介骗来泰国打工, 没想到刚下飞机就差点儿被人妖公主榨干…… 1. 我叫王不留,地道东北人。 一个月前我还...
    沈念sama阅读 41,475评论 2 341
  • 正文 我出身青楼,却偏偏与公主长得像,于是被迫代替她去往敌国和亲。 传闻我的和亲对象是个残疾皇子,可洞房花烛夜当晚...
    茶点故事阅读 40,650评论 2 335

推荐阅读更多精彩内容