powershell比较运算符包含vs大数组答案

【问题标题】：powershell comparison operator contain vs large arraypowershell比较运算符包含vs大数组
【发布时间】：2023-03-28 20:38:01
【问题描述】：

想知道是否有机会提高以下数组搜索的性能。现在是 16 秒。

Measure-Command -Expression {

$a = @()
$b = @()
1..10000 | %{$a += $_}
1..10000 | %{$b += $_}

#Try to resize but still running 16 seconds
[array]::Resize([ref]$a,10000) 
[array]::Resize([ref]$b,10000)

foreach ($i in $a){
    if ($b -contains $i) {
        #write-host $i
    }
}

}

【问题讨论】：

标签： arrays powershell comparison-operators

【解决方案1】：

+= 在数组的情况下重新创建整个数组：它将旧内容与新元素一起复制到新数组中。这可以说是在 PowerShell 中填充大型数组的最糟糕的方法。 += 仅当它是一次性操作而不是在循环内，或者数组很小并且时间无关紧要时才使用。

直接填充数组：
```
$a = 1..10000
```
或者直接收集foreach语句的输出：
```
$a = foreach ($i in 1..10000) { $i }
```
或者使用 ArrayList：
```
$a = [Collections.ArrayList]@()
foreach ($i in 1..10000) { $a.Add($i) >$null }
```
注意，在这种特殊情况下，将现有数组转换为 ArrayList 会更快：
```
$a = [Collections.ArrayList]@(1..10000)
```
流水线是一项复杂的操作，它比foreach（语句，不是 cmdlet）、while、do 等流控制语句慢几倍/几倍。
ScriptBlock（ForEach cmdlet 中的花括号 { } 中的代码，别名为 %）与简单代码相比，为每个元素创建执行上下文需要大量时间里面。
-contains 检查每个元素，直到找到匹配项，因此最终迭代次数在最坏情况下为 $a.count * $b.count，或平均为一半。

最有效的方法是建立一个查找表：

作为哈希表：

$a = 1..10000
$b = 1..10000

$bIndex = @{}
foreach ($i in $b) { $bIndex[$i] = $true }

foreach ($i in $a) {
    if ($bIndex[$i]) {
        #write-host $i
    }
}

在 i7 CPU 上为 15 毫秒

作为 HashSet（.NET 3.5 和更新版本，built-in since Win7，可在 XP 上安装）：

$a = 1..10000
$b = 1..10000

$bIndex = [Collections.Generic.HashSet[int]]$b

foreach ($i in $a) {
    if ($bIndex.Contains($i)) {
        #write-host $i
    }
}

i7 CPU 上 7 毫秒

使用 HashSet 将数组相交，然后迭代结果：

$a = 1..10000
$b = 1..10000

$inBoth = [Collections.Generic.HashSet[int]]$a
$inBoth.IntersectWith([Collections.Generic.HashSet[int]]$b)
foreach ($i in $inBoth) {
    #write-host $i
}

i7 CPU 上 7 毫秒

如果数组的内容不同，即交集比数组小很多时，它会快很多倍。

还可以在数组中构建一个真正的index that contains a list of original item indices - 在重复值的情况下很有用。

【讨论】：