什么时候应该在 Scala 中选择 Vector？答案

【问题标题】：When should I choose Vector in Scala?什么时候应该在 Scala 中选择 Vector？
【发布时间】：2011-08-03 14:45:07
【问题描述】：

看来Vector Scala 收藏派对迟到了，所有有影响力的博文都已经离开了。

在 Java 中，ArrayList 是默认集合 - 我可能会使用 LinkedList，但前提是我已经考虑过算法并足够注意进行优化。在 Scala 中，我应该使用Vector 作为我的默认Seq，还是尝试找出List 实际上更合适的时间？

【问题讨论】：

我想我在这里的意思是，在 Java 中我会创建写 List<String> l = new ArrayList<String>() Scala 博客会让你相信每个人都使用 List 来获得持久的集合优点 - 但 Vector 足够通用我们应该在 List 的地方使用它吗？
@Debilski：我想知道你的意思是什么。当我在 REPL 输入 Seq() 时，我得到一个 List。
嗯，好吧，文档中是这么说的。也许这仅适用于IndexedSeq。
关于Seq 的默认具体类型的评论已超过三年。从 Scala 2.11.4（及更早版本）开始，Seq 的默认具体类型为 List。
对于随机访问，vector 更好。对于头部、尾部访问，列表更好。对于批量操作，如 map、filter、vector 是首选，因为 vector 由 32 个元素组成一个块，而 list 用指针组织元素，不能保证这些元素彼此接近。

标签： scala vector scala-collections

【解决方案1】：

作为一般规则，默认使用Vector。对于几乎所有内容，它都比List 快，对于大于平凡大小的序列，它的内存效率更高。请参阅此documentation，了解 Vector 与其他集合相比的相对性能。使用Vector 有一些缺点。具体来说：

head 的更新比 List 慢（虽然没有你想象的那么快）

Scala 2.10 之前的另一个缺点是 List 的模式匹配支持更好，但在 2.10 中使用通用的 +: 和 :+ 提取器进行了纠正。

还有一种更抽象的代数方式来解决这个问题：你在概念上有什么样的序列？另外，您在概念上在用它做什么？如果我看到一个返回 Option[A] 的函数，我知道该函数在其域中有一些漏洞（因此是部分漏洞）。我们可以将相同的逻辑应用于集合。

如果我有一个List[A] 类型的序列，我实际上是在断言两件事。首先，我的算法（和数据）完全是堆栈结构的。其次，我断言我要对这个集合做的唯一事情就是完整的 O(n) 遍历。这两个真的是齐头并进。相反，如果我有 Vector[A] 类型的东西，我要断言的唯一是我的数据具有明确定义的顺序和有限长度。因此，Vector 的断言较弱，这导致其更大的灵活性。

【讨论】：

2.10 已经出了一段时间了，List 模式匹配还是比 Vector 好吗？
列表模式匹配不再好。事实上，情况恰恰相反。例如，要获得头部和尾部，可以使用case head +: tail 或case tail :+ head。要匹配空，你可以做case Seq()等等。您需要的一切都在 API 中，比List 的更通用
List 是通过单链表实现的。 Vector 的实现类似于 Java 的 ArrayList。
@JosiahYoder 它的实现与 ArrayList 完全不同。 ArrayList 包装了一个动态调整大小的数组。 Vector 是一个trie，其中的键是值的索引。
我很抱歉。我正在访问一个对细节模糊不清的网络资源。我应该更正我之前的陈述吗？还是那种不好的形式？

【解决方案2】：

好吧，如果算法可以单独使用::、head 和tail 来实现，那么List 可以非常快。最近我有一个客观的教训，当我通过生成 List 而不是 Array 来击败 Java 的 split，并且无法用其他任何东西击败它。

但是，List 有一个基本问题：它不适用于并行算法。我无法以有效的方式将 List 拆分为多个段，或将其连接回来。

还有其他种类的集合可以更好地处理并行性——Vector 就是其中之一。 Vector 也有很好的局部性——List 没有——这对于某些算法来说是一个真正的优势。

因此，考虑到所有因素，Vector 是最佳选择除非您有特定的考虑，使其他集合之一更可取 - 例如，如果您愿意，您可以选择 Stream惰性求值和缓存（Iterator 更快，但不缓存），或者List，如果算法是通过我提到的操作自然实现的。

顺便说一句，最好使用Seq 或IndexedSeq，除非您需要特定的API（例如List 的::），甚至GenSeq 或GenIndexedSeq if您的算法可以并行运行。

【讨论】：

感谢您的回答。您所说的“有很好的地方性”是什么意思？
@ngocdaothanh 这意味着数据在内存中紧密组合在一起，提高了数据在需要时进入缓存的机会。
@user247077 是的，考虑到我提到的细节，列表在性能上可以击败向量。并不是向量的所有动作都被摊销 O(1)。事实上，在不可变数据结构上（就是这种情况），任一端的交替插入/删除根本不会摊销。在这种情况下，缓存是无用的，因为您总是在复制向量。
@user247077 也许你不知道Vector 是Scala 中的不可变数据结构？
@user247077 它比这更复杂，包括一些内部可变的东西以使附加更便宜，但是当你将它用作堆栈时，这是不可变列表的最佳方案，你最终仍然拥有相同的链表的内存特性，但具有更大的内存分配配置文件。

【解决方案3】：

这里的一些陈述令人困惑甚至是错误的，尤其是 Scala 中的 immutable.Vector 类似于 ArrayList 的想法。 List 和 Vector 都是不可变的、持久的（即“获得修改后的副本很便宜”）数据结构。没有合理的默认选择，因为它们可能适用于可变数据结构，但这取决于您的算法在做什么。 List 是一个单链表，而 Vector 是一个 base-32 整数 trie，即它是一种具有 32 度节点的搜索树。使用这种结构，Vector 可以相当快地提供最常见的操作，即在 O(log_32(n)) 中。这适用于头/尾中的前置、附加、更新、随机访问、分解。顺序迭代是线性的。另一方面，列表仅提供线性迭代和恒定时间前置，头/尾分解。其他一切都需要一般的线性时间。

这看起来好像 Vector 在几乎所有情况下都是 List 的一个很好的替代品，但是前置、分解和迭代通常是函数式程序中对序列的关键操作，并且这些操作的常量（很多）更高用于向量，因为它的结构更复杂。我做了一些测量，所以列表的迭代速度大约是两倍，列表上的 prepend 大约快 100 倍，列表上的头/尾分解大约快 10 倍，并且从可遍历的生成向量大约快 2 倍。（这可能是因为 Vector 可以在使用构建器构建它时一次分配 32 个元素的数组，而不是一个一个地添加或附加元素）。当然，所有在列表上花费线性时间但在向量上实际上是恒定时间的操作（如随机访问或追加）在大型列表上会非常慢。

那么我们应该使用哪种数据结构呢？基本上有四种常见的情况：

我们只需要通过 map、filter、fold 等操作来转换序列：基本上没关系，我们应该对我们的算法进行通用编程，甚至可能从接受并行序列中受益。对于顺序操作 List 可能要快一些。但是，如果必须进行优化，则应该对其进行基准测试。
我们需要大量的随机访问和不同的更新，所以我们应该使用向量，列表会非常慢。
我们以经典的函数方式对列表进行操作，通过递归分解的前置和迭代来构建它们：使用列表，向量将慢 10-100 倍或更多。
我们有一个性能关键算法，它基本上是命令式的，并且对列表进行大量随机访问，例如就地快速排序：使用命令式数据结构，例如ArrayBuffer，在本地复制数据。

【讨论】：

【解决方案4】：

对于不可变集合，如果您想要一个序列，您的主要决定是使用IndexedSeq 还是LinearSeq，它们为性能提供了不同的保证。 IndexedSeq 提供元素的快速随机访问和快速长度操作。 LinearSeq 仅通过head 提供对第一个元素的快速访问，但也具有快速tail 操作。（取自 Seq 文档。）

对于IndexedSeq，您通常会选择Vector。 Ranges 和 WrappedStrings 也是 IndexedSeqs。

对于LinearSeq，您通常会选择List 或其惰性等效项Stream。其他示例是Queues 和Stacks。

所以在 Java 术语中，ArrayList 的使用类似于 Scala 的 Vector，LinkedList 类似于 Scala 的 List。但在 Scala 中，我倾向于比 Vector 更频繁地使用 List，因为 Scala 对包括遍历序列的函数有更好的支持，比如映射、折叠、迭代等。你会倾向于使用这些函数来操作列表作为整体，而不是随机访问单个元素。

【讨论】：

但是如果 Vector 的迭代速度比 List 的快，而且我也可以映射 fold 等，那么除了一些特殊情况（基本上所有专门用于 List 的 FP 算法）之外，似乎 List 本质上是遗产。
@Duncan 您从哪里听说 Vector 的迭代速度更快？首先，您需要跟踪和更新当前索引，而链表不需要这样做。我不会将列表函数称为“特殊情况”——它们是函数式编程的基础。不使用它们就像尝试在没有 for 或 while 循环的情况下编写 Java。
我很确定Vector 的迭代更快，但需要有人对其进行基准测试才能确定。
我认为Vector 中的 (?) 元素以 32 个一组的形式物理存在于 RAM 中，它们更完全适合 CPU 缓存...因此缓存未命中率更低

【解决方案5】：

在涉及大量随机访问和随机突变的情况下，Vector（或 - 如docs 所说 - Seq）似乎是一个很好的折衷方案。这也是performance characteristics 所建议的。

此外，Vector 类似乎在分布式环境中运行良好，没有太多数据重复，因为不需要对完整对象进行写时复制。（见：http://akka.io/docs/akka/1.1.3/scala/stm.html#persistent-datastructures）

【讨论】：

要学的东西太多了... Vector 作为默认 Seq 是什么意思？如果我写 Seq(1, 2, 3) 我得到 List[Int] 而不是 Vector[Int]。
如果您有随机访问权限，请使用IndexedSeq。这也是Vector，但这是另一回事。
@DuncanMcGregor：向量是默认的IndexedSeq，它实现了Seq。 Seq(1, 2, 3) 是使用 List 实现的 LinearSeq。

【解决方案6】：

如果您要进行不可变编程并且需要随机访问，那么 Seq 是您的最佳选择（除非您想要一个 Set，而您实际上经常这样做）。否则 List 工作得很好，除了它的操作不能并行化。

如果您不需要不可变的数据结构，请坚持使用 ArrayBuffer，因为它是 Scala 等价于 ArrayList。

【讨论】：

我坚持不可变的、持久的集合领域。我的观点是，即使我不需要随机访问，Vector 是否有效地取代了 List？
取决于用例。向量更加平衡。迭代比列表快，随机访问要快得多。更新速度较慢，因为它不仅仅是一个列表前置，除非它是可以使用构建器完成的折叠的批量更新。也就是说，我认为 Vector 是最好的默认选择，因为它用途广泛。
我认为这是我问题的核心 - 向量非常好，我们不妨在示例通常显示列表的地方使用它们。