为什么我的对象需要很长时间才能创建？

Question

我正在编写扫描大段文本并对其进行一些基本统计的代码，例如大小写字符的数量、标点符号等。

原来我的代码是这样的：

    foreach (var character in stringToCount)
    {
        if (char.IsControl(character))
        {
            controlCount++;
        }
        if (char.IsDigit(character))
        {
            digitCount++;
        }
        if (char.IsLetter(character))
        {
            letterCount++;
        } //etc.
    }

然后我从那里创建了一个像这样的新对象，它只是读取局部变量并将它们传递给构造函数：

    var result = new CharacterCountResult(controlCount, highSurrogatecount, lowSurrogateCount, whiteSpaceCount,
        symbolCount, punctuationCount, separatorCount, letterCount, digitCount, numberCount, letterAndDigitCount,
        lowercaseCount, upperCaseCount, tempDictionary);

但是，Code Review Stack Exchange 上的一位用户指出，我可以执行以下操作。太好了，我为自己节省了大量代码，这很好。

    var result = new CharacterCountResult(stringToCount.Count(char.IsControl),
        stringToCount.Count(char.IsHighSurrogate), stringToCount.Count(char.IsLowSurrogate),
        stringToCount.Count(char.IsWhiteSpace), stringToCount.Count(char.IsSymbol),
        stringToCount.Count(char.IsPunctuation), stringToCount.Count(char.IsSeparator),
        stringToCount.Count(char.IsLetter), stringToCount.Count(char.IsDigit),
        stringToCount.Count(char.IsNumber), stringToCount.Count(char.IsLetterOrDigit),
        stringToCount.Count(char.IsLower), stringToCount.Count(char.IsUpper), tempDictionary);

但是第二种方式创建对象大约需要（在我的机器上）额外的 ~200ms。

这怎么可能？虽然它可能看起来不是很多额外的时间，但当我让它运行处理文本时它很快就会加起来。

我应该做些什么不同的事情？

Answer 1

您正在使用方法组（隐藏 lambda 或委托的语法糖）并多次迭代字符，而您可以通过一次完成它（就像在您的原始代码中一样）。

我记得你之前的问题，我记得看到使用方法组和 string.Count(char.IsLetterOrDigit) 的建议并认为“是的，看起来很漂亮但性能不佳”，所以实际上很有趣看到你确实找到了。

如果性能很重要，我会在没有委托期间的情况下进行，并使用单次传递的巨型循环，传统方式没有委托或多次迭代，甚至更进一步，通过组织逻辑来调整它，以便在任何情况下排除其他情况的组织方式使您可以进行“惰性评估”。例如，如果您知道一个字符是空格，则不要检查数字或字母等。或者如果您知道它是 digitOrAlpha，则在该条件中包含数字和字母检查。

类似：

foreach(var ch in string) {
   if(char.IsWhiteSpace(ch)) {
      ...
   }
   else {
      if(char.IsLetterOrDigit(ch)) {
         letterOrDigit++;
         if(char.IsDigit(ch)) digit++;
         if(char.IsLetter(ch)) letter++;
      }  
   }
}

如果您真的想进行微优化，请编写一个程序来预先计算所有选项并发出一个巨大的 switch 语句来进行表查找。

switch(ch) {
   case 'A':
        isLetter++;
        isUpper++;
        isLetterOrDigit++;
        break;
   case 'a':
        isLetter++;
        isLower++;
        isLetterOrDigit++;
        break;
   case '!':
        isPunctuation++;

   ...
}

现在，如果您想真正疯狂，请根据现实生活中的出现频率组织 switch 语句，并将最常见的字母放在“树”的顶部，依此类推。当然，如果你这么在意速度，那可能是普通 C 的工作。

但是我离你原来的问题有点远了。 :)

Answer 2

你曾经浏览过文本的旧方式，随着你去增加你所有的计数器。在您的新方式中，您遍历文本 13 次（每次调用 stringToCount.Count( 一次）并且每次仅更新一个计数器。

但是，这种问题对于Parallel.ForEach 来说是完美的情况。您可以使用多个线程浏览文本（确保您的 increments are thread safe）并更快地获得总数。

Parallel.ForEach(stringToCount, character =>
{
    if (char.IsControl(character))
    {
        //Interlocked.Increment gives you a thread safe ++
        Interlocked.Increment(ref controlCount);
    }
    if (char.IsDigit(character))
    {
        Interlocked.Increment(ref digitCount);
    }
    if (char.IsLetter(character))
    {
        Interlocked.Increment(ref letterCount);
    } //etc.
});

var result = new CharacterCountResult(controlCount, highSurrogatecount, lowSurrogateCount, whiteSpaceCount,
    symbolCount, punctuationCount, separatorCount, letterCount, digitCount, numberCount, letterAndDigitCount,
    lowercaseCount, upperCaseCount, tempDictionary);

它仍然遍历文本一次，但许多工作人员会同时遍历文本的各个部分。