为什么是HashSet 比HashSet慢得多 ？

Posted 2021-04-05

我想存储一些像素位置而不允许重复，所以首先想到的是HashSet<Point>或类似的类。然而，与HashSet<string>相比，这似乎非常缓慢。

例如，这段代码：

HashSet<Point> points = new HashSet<Point>();
using (Bitmap img = new Bitmap(1000, 1000))
{
    for (int x = 0; x < img.Width; x++)
    {
        for (int y = 0; y < img.Height; y++)
        {
            points.Add(new Point(x, y));
        }
    }
}

大约需要22.5秒。

虽然以下代码（由于显而易见的原因不是一个好的选择）只需1.6秒：

HashSet<string> points = new HashSet<string>();
using (Bitmap img = new Bitmap(1000, 1000))
{
    for (int x = 0; x < img.Width; x++)
    {
        for (int y = 0; y < img.Height; y++)
        {
            points.Add(x + "," + y);
        }
    }
}

所以，我的问题是：

• 这有什么理由吗？我检查了this answer，但22.5秒比那个答案中显示的数字更多。
• 有没有更好的方法来存储没有重复的点？

答案

Point结构引发了两个性能问题。将Console.WriteLine(GC.CollectionCount(0));添加到测试代码时可以看到的东西。您会看到Point测试需要~3720个集合，但字符串测试只需要~18个集合。不是免费的。当你看到一个值类型诱导如此多的集合时，你需要得出结论“呃哦，太多拳击”。

问题是HashSet<T>需要一个IEqualityComparer<T>来完成它的工作。由于你没有提供一个，它需要回到EqualityComparer.Default<T>()返回的一个。该方法可以很好地完成字符串，它实现了IEquatable。但不是Point，它是一种类似于.NET 1.0的类型，从来没有得到泛型的爱。它所能做的只是使用Object方法。

另一个问题是Point.GetHashCode（）在这个测试中没有做太多的工作，碰撞太多，所以它对Object.Equals（）非常重要。 String具有出色的GetHashCode实现。

您可以通过为HashSet提供一个好的比较器来解决这两个问题。像这个：

class PointComparer : IEqualityComparer<Point> {
    public bool Equals(Point x, Point y) {
        return x.X == y.X && x.Y == y.Y;
    }

    public int GetHashCode(Point obj) {
        // Perfect hash for practical bitmaps, their width/height is never >= 65536
        return (obj.Y << 16) ^ obj.X;
    }
}

并使用它：

HashSet<Point> list = new HashSet<Point>(new PointComparer());

它现在大约快150倍，轻松击败字符串测试。

另一答案

性能下降的主要原因是拳击正在进行（正如Hans Passant's回答中已经解释的那样）。

除此之外，哈希码算法使问题恶化，因为它导致更多调用Equals(object obj)，从而增加了拳击转换的数量。

另请注意，the hash code of Point由x ^ y计算。这在您的数据范围内产生非常小的色散，因此HashSet的桶数量过多 - 这种情况不会发生在string上，其中散列的散射要大得多。

您可以通过实现自己的Point结构（平凡）并使用更好的哈希算法来解决该问题，例如预期的数据范围，例如：通过移动坐标：

(x << 16) ^ y

有关哈希码的一些好建议，请阅读Eric Lippert's blog post on the subject。