Scala性能比较之集合

Posted 2021-04-25 Nathon的学习笔记

在scala里面使用集合做处理的时候，通常会考虑Map,List和Seq,这些常用的不可变集合大多数情况下可以解决很多问题。但是，当我们集合操作变得复杂时候，就需要考虑性能问题。

首先，可以来看看Map集合，继承方面跟java有些类似:

Hashmap跟Hashset，Treemap跟Treeset的数据结构类似，在scala里面通常我们使用Hashmap较多。从数据结构上，Hashset是一种树状结构并且每个节点有32个子树，每个节点存储了相应的hashcode。可以通过一个例子来看:

这里我定义了一个hashset,但是可以看到结果却是无序的。为什么？原因也就是上面提到的，hashset集合里面的元素是根据hashcode得到的。其核心代码如下,也就说对元素做了异或，移位等操作。换言之，也就是在查找集合中的元素时候，将元素先转换成二进制，从右往左依次每个5位二进程码在对应的树上查询是否有对应的二进制码对应，直到找到需要的元素。从性能角度来讲，Hashset的搜索时间复杂度为Log32N,因为它的每一个节点都有32个分支，这一点与Treeset不一样，Treeset的结果是二叉树，时间复杂度为Log2N。所以，比如有100万的数据量，采用Hashset最多只需4层节点搞定，而采用Treeset需要近20层。

因此，通常数据量很小情况下，使用set基本可以处理；当元素量巨大的时候，优先选择Hashset;那么什么情况下使用Treeset较好?Hashset也会有缺点，比如产生哈希碰撞，当这种情况出现较多时候，可以采取Treeset规避。

同理，这些逻辑也对应于Hashmap和Treemap。

最后，来看看Seq,vector和list继承自Seq.

vector的特点与hashset很类似，只不过是通过下标来标识集合中的元素，因为下标不会重复，所以不会出现哈希碰撞的情形，这样性能比Hashset要好，虽然时间复杂度都是Log32N。

List的结构是单链表形式，基于这种数据结构，所以它适合于频繁的对集合中的头部与尾元素部进行操作的场景。