C#的string.IndexOf怎么会执行得这么快，比普通的for循环find快10倍？

Question

我有一个很长的字符串（60MB），我需要在其中找到有多少对“”。

---

我首先尝试了自己的方式：

        char pre = '!';
        int match1 = 0;
        for (int j = 0; j < html.Length; j++)
        {
            char c = html[j];
            if (pre == '<' && c == '>') //find a match
            {
                pre = '!';
                match1++;
            }
            else if (pre == '!' && c == '<')
                pre = '<';
        }

上面的代码在我的字符串上运行了大约 1000 毫秒。

---

然后我尝试使用string.IndexOf

        int match2 = 0;
        int index = -1;
        do
        {
            index = html.IndexOf('<', index + 1);
            if (index != -1) // find a match
            {
                index = html.IndexOf('>', index + 1);
                if (index != -1)
                   match2++;
            }
        } while (index != -1);

上面的代码只运行了大约 150 毫秒。

---

我想知道是什么魔力让string.IndexOf 运行这么快？

谁能启发我？

---

编辑

好的，根据@BrokenGlass 的回答。我修改了我的代码，他们不检查配对，而是检查字符串中有多少个“

---

        for (int j = 0; j < html.Length; j++)
        {
            char c = html[j];
            if (c == '>')
            {
                match1++;
            }
        }

上面的代码运行了大约 760 毫秒。

---

使用IndexOf

        int index = -1;
        do
        {
            index = html.IndexOf('<', index + 1);
            if (index != -1)
            {
                match2++;
            }
        } while (index != -1);

上面的代码运行了大约 132 毫秒。 仍然非常非常快。

---

编辑 2

阅读@Jeffrey Sax 的评论后，我意识到我是在 VS 中以 Debug 模式运行的。

然后我在发布模式下构建并运行，好的，IndexOf 仍然更快，但不再那么快了。

结果如下：

对于配对计数：207ms VS 144ms

对于正常的一个字符数：141ms VS 111ms。

我自己的代码的性能确实得到了改善。

---

经验教训：当您进行基准测试时，请在发布模式下进行！

Answer 1

使用 switch 语句而不是 if 测试也可以加快速度。这段代码偶尔会胜过我机器上的 indexof 代码。

        int count = 0;
        bool open = false;
        for (int j = 0; j < testStr.Length; j++)
        {  
            switch (testStr[j])
            {
                case '<':
                    open = true;
                    break;
                case '>':
                    if (open)
                       count++;

                    open = false;
                    break;         
            }
        }

Answer 2

直接比较您的托管实现和String.IndexOf 方法有点谬误。 IndexOf 的实现主要是本机代码，因此具有与托管实现不同的一组性能特征。特别是本机代码避免了类型安全检查及其相应的开销，这些开销由 CLR 在托管算法中注入。

一个例子是数组索引的使用

char c = html[j];

在托管代码中，此语句将验证 j 是数组 html 的有效索引，然后返回该值。本机代码等效项仅返回内存偏移量，无需额外检查。这种检查的缺乏给原生代码带来了固有的优势，因为它可以避免在循环的每次迭代中添加额外的分支指令。

请注意，这种优势不是绝对的。 JIT 可以很好地检查此循环并确定 j 永远不会是无效索引并忽略生成的本机代码中的检查（在某些情况下它确实会这样做 IIRC）。

Answer 3

我唯一想到的是IndexOf iniside 字符串类的实际实现，它调用

callvirt    System.String.IndexOf

如果我们使用反射器的力量（尽可能多地）最终进入

CompareInfo.IndexOf(..)

调用，而是使用超快的windows原生函数FindNLSString：

Answer 4

我希望string.IndexOf 与您的第一个代码示例相比至少运行速度快两倍（除了可能在那里进行的任何其他优化），因为您检查了 both 中的开始和结束字符你的每一次迭代。另一方面，您使用string.IndexOf 的实现将仅在成功找到开始字符后检查结束字符。这大大减少了每次迭代的操作次数（少了一个比较）。

Answer 5

您是否在 Visual Studio 中运行计时？如果是这样，仅出于这个原因，您的代码运行速度就会明显变慢。

除此之外，在某种程度上，您还在比较苹果和橙子。这两种算法的工作方式不同。

IndexOf 版本交替查找左括号only 和右括号only。您的代码遍历整个字符串并保留一个状态标志，指示它是在寻找左括号还是右括号。这需要更多的工作，预计会更慢。

这里有一些代码，其比较方式与您的 IndexOf 方法相同。

int match3 = 0;
for (int j = 0; j < html.Length; j++) {
    if (html[j] == '<') {
        for (; j < html.Length; j++)
            if (html[j] == '>')
                match3++;
    }
}

在我的测试中，这实际上比 IndexOf 方法快了大约 3 倍。原因？字符串实际上并不像单个字符的序列那么简单。有标记、重音等等。String.IndexOf 可以妥善处理所有这些额外的复杂性，但这是有代价的。