如何有效地从 Scala 不可变 HashSet 中选择随机元素

Question

我有一个scala.collection.immutable.HashSet，我想从中随机选择一个元素。

我可以用这样的扩展方法解决这个问题：

implicit class HashSetExtensions[T](h: HashSet[T]) {
  def nextRandomElement (): Option[T] = {
    val list = h.toList
    list match {
      case null | Nil => None
      case _ => Some (list (Random.nextInt (list.length)))
    }
  }
}

...但是转换为列表会很慢。什么是最有效的解决方案？

Answer 1

警告 此答案仅供实验使用。对于实际项目，您可能应该使用自己的集合类型。

所以我对HashSet source 做了一些研究，我认为几乎没有机会在不违反包的情况下提取最有价值的class HashTrieSet 的内部结构。

我确实想出了这段代码，它扩展了Ben Reich's solution：

package scala.collection

import scala.collection.immutable.HashSet
import scala.util.Random

package object random {
  implicit class HashSetRandom[T](set: HashSet[T]) {
    def randomElem: Option[T] = set match {
      case trie: HashSet.HashTrieSet[T] => {
        trie.elems(Random.nextInt(trie.elems.length)).randomElem
      }
      case _ => Some(set.size) collect {
        case size if size > 0 => set.iterator.drop(Random.nextInt(size)).next
      }
    }
  }
}

文件应在src/scala/collection/random 文件夹中的某处创建

注意scala.collection 包 - 这个东西使HashTrieSet 的elems 部分可见。这是我能想到的唯一解决方案，它可能比O(n) 运行得更好。当前版本应该具有复杂性 O(ln(n)) 与 immutable.HashSet 的任何操作一样。

另一个警告 - HashSet 的私​​有结构不是 scala 标准库 API 的一部分，因此它可能会更改任何版本，从而导致此代码错误（尽管自 2.8 以来它没有更改）

Answer 2

由于size 在HashSet 上是O(1)，而iterator 尽可能地懒惰，我认为这种解决方案会相对高效：

implicit class RichHashSet[T](val h: HashSet[T]) extends AnyVal {
    def nextRandom: Option[T] = Some(h.size) collect {
        case size if size > 0 => h.iterator.drop(Random.nextInt(size)).next
    }
}

如果您想获得每一盎司的效率，您可以在此处使用match，而不是此处使用的更简洁的Some/collect。

您可以查看mutable HashSet 实现以查看size 方法。那里定义的iterator 方法基本上只是在FlatHashTable 上调用iterator。如果您正在使用这些方法，那么这些方法的基本效率同样适用于 immutable HashSet。作为比较，您可以看到HashSet 上的toList 实现一直位于TraversableOnce 的类型层次结构中，并且使用了更多可能效率较低的原始元素，并且（当然）必须迭代整个集合生成List。如果您要将整个集合转换为Traversable 集合，则应使用具有恒定时间查找的Array 或Vector。

您可能还注意到，在上述方法中 HashSet 并没有什么特别之处，如果您这样选择，您可以改为丰富 Set[T]（尽管不能保证这在其他 @ 上同样有效） 987654349@ 实现，当然）。

附带说明，在为扩展方法实现丰富类时，您应该始终考虑通过扩展AnyVal 来创建一个隐式的、用户定义的值类。您可以在docs 和this answer 中了解一些优点和限制。