为什么 HashSet<Point> 比 HashSet<string> 慢这么多？

Question

我想在不允许重复的情况下存储一些像素位置，所以首先想到的是HashSet<Point> 或类似的类。但是，与 HashSet<string> 之类的内容相比，这似乎非常慢。

例如这段代码：

HashSet<Point> points = new HashSet<Point>();
using (Bitmap img = new Bitmap(1000, 1000))
{
    for (int x = 0; x < img.Width; x++)
    {
        for (int y = 0; y < img.Height; y++)
        {
            points.Add(new Point(x, y));
        }
    }
}

大约需要 22.5 秒。

虽然下面的代码（这显然不是一个好的选择）只需要 1.6 秒：

HashSet<string> points = new HashSet<string>();
using (Bitmap img = new Bitmap(1000, 1000))
{
    for (int x = 0; x < img.Width; x++)
    {
        for (int y = 0; y < img.Height; y++)
        {
            points.Add(x + "," + y);
        }
    }
}

所以，我的问题是：

• 有什么原因吗？我检查了this answer，但 22.5 秒比该答案中显示的数字多得多。
• 有没有更好的方法来存储不重复的点？

Answer 1

Point 结构会引发两个性能问题。将Console.WriteLine(GC.CollectionCount(0)); 添加到测试代码时可以看到的内容。您会看到 Point 测试需要 ~3720 个集合，但字符串测试只需要 ~18 个集合。不是免费的。当你看到一个值类型引发了这么多集合时，你需要得出结论“呃，哦，太多的装箱”。

问题在于HashSet<T> 需要IEqualityComparer<T> 才能完成其工作。由于您没有提供一个，它需要退回到EqualityComparer.Default<T>() 返回的一个。该方法可以很好地处理字符串，它实现了 IEquatable。但不适用于 Point，它是一种来自 .NET 1.0 的类型，并且从未得到泛型的喜爱。它所能做的就是使用 Object 方法。

另一个问题是 Point.GetHashCode() 在这个测试中表现不佳，太多的碰撞，所以它对 Object.Equals() 的打击很大。 String 具有出色的 GetHashCode 实现。

您可以通过为 HashSet 提供一个好的比较器来解决这两个问题。喜欢这个：

class PointComparer : IEqualityComparer<Point> {
    public bool Equals(Point x, Point y) {
        return x.X == y.X && x.Y == y.Y;
    }

    public int GetHashCode(Point obj) {
        // Perfect hash for practical bitmaps, their width/height is never >= 65536
        return (obj.Y << 16) ^ obj.X;
    }
}

并使用它：

HashSet<Point> list = new HashSet<Point>(new PointComparer());

现在它的速度提高了大约 150 倍，轻松击败了字符串测试。

Answer 2

性能下降的主要原因是正在进行的所有拳击（正如Hans Passant's 答案中已经解释的那样）。

除此之外，哈希码算法使问题更加严重，因为它会导致更多对Equals(object obj) 的调用，从而增加装箱转换的数量。

还要注意the hash code of Point 是由x ^ y 计算的。这会在您的数据范围内产生非常小的分散，因此HashSet 的存储桶会被过度填充——string 不会发生这种情况，其中散列的分散要大得多。

您可以通过实现自己的 Point 结构（简单）并为您的预期数据范围使用更好的哈希算法来解决该问题，例如通过移动坐标：

(x << 16) ^ y

有关哈希码的一些好的建议，请阅读Eric Lippert's blog post on the subject。