使用 Java 流进行高效搜索

Question

我有一个List 的元素，它们之间没有可测量的顺序。它们的属性也很复杂，我不能简单地将它们插入Set（因为不同的属性可能代表相同的元素）。

在我的程序过程中，我分析了列表中的每个元素，并在此基础上添加了其他元素（例如构建图表并转到每个节点以添加其他路径和节点）。但是，他们添加的元素可能等同于List 中的其他元素。在这种情况下，它们不会被添加，并且等效元素的属性已更改（假设是计数器）。

我一直在使用这段代码来查找是否存在等效状态：

public static State stateAlreadyExists(State current) {
    for (State any : list) {
        if (equivalencyMethod(any, current)) {
            return any;
        }
     }
     return null;
}

然而，这段代码虽然有O(n) 的复杂性，但对我的情况来说性能不够。我添加的每个元素都会执行此代码，并且我会为每个分析的元素添加大约 sqrt(N) 元素（因此，例如，分析元素 400 会创建 20 个新元素）。为了提高性能，我使用了 Java 的并行流：

public static State stateAlreadyExists(State current) {
    Optional<State> opt = list.parallelStream().filter(
        any -> equivalencyMethod(any, current)).findFirst();
    if (opt.isPresent()) {
        return opt.get();
    }
    return null;
}

并且性能显着提高。 问题是这段代码并不完全等价，因为我们在返回一个元素之前分析了整个流。大多数情况下，等效元素位于列表的第一个 sqrt(N) 元素中，因此在第一个匹配时停止的方法会更好。

我知道streams 有一个noneFound() 方法。一旦找到匹配项，它就会返回。但是，它返回一个boolean，而不是元素本身。有没有办法使用这个或类似构建的方法来返回找到的第一个匹配项？

根据JavaDoc，findFirst()：

返回此流的第一个元素

而 findAny():

选择流中的任何元素。这是为了在并行操作中实现最大性能。

因此，通过使用findAny() 调用，我的代码可以变得更加高效，因为顺序对我的问题并不重要，因为任何时候都只有 1 个等效元素。

Answer 1

findFirst 是一个短路终端操作（感谢Keppil）。

public static void main(String[] args) {
  final AtomicInteger countNew = new AtomicInteger();
  final AtomicInteger countDoStuff = new AtomicInteger();
  class A {
    A() { countNew.getAndIncrement(); }
    public boolean doStuff() { return countDoStuff.getAndIncrement() % 3 == 2; }
  }
  Stream.generate(A::new).limit(20).filter(A::doStuff).findFirst();
  System.out.println("Number of times an A was created: " + countNew);
  System.out.println("Number of times doStuff was called: " + countDoStuff);
}

此代码将打印

A 被创建的次数：3

doStuff 被调用的次数：3

但不是

创建 A 的次数：20

doStuff 被调用的次数：20

甚至更少

创建 A 的次数：20

doStuff 被调用的次数：3

Answer 2

我会建议您另一种方法。尝试以某种方式制定您的等效标准，以便您可以创建一个散列函数，从而大大减少您必须执行的成对等效检查的数量。对于散列函数，如果两个不相等的项具有相同的散列是没有问题的，唯一重要的是两个相等的项具有相同的散列。然后，您可以简单地将元素存储在 HashSet 中，这将为您完成繁重的工作，您只需要实现 equals(Object other) 和 hashCode() 的元素。

如果不可能找到合适的哈希码，您仍然可以考虑是否能够排序您的对象，也就是说，您可以制定一个比较函数来判断您的任意两个对象的顺序对象（或它们相等）。然后，您可以将TreeSet 与您的自定义比较器一起使用，这也将工作得非常快。