Fatal编程技术网
  • java/
  • Java 使用Hashmap跟踪原始计数与否

Java 使用Hashmap跟踪原始计数与否

java android

Java 使用Hashmap跟踪原始计数与否,java,android,Java,Android,我正在应用程序启动时扫描MediaStore。我对它进行迭代以获得音频曲目并存储它们。我还存储其他方面，如相册。我将歌曲存储在 ARAYLISTAB/COD>中，这也适用于相册（不同的代码> AlrayList< /Cord>）。这很好，但是我已经开始考虑性能。 我想在扫描时记录每张专辑的曲目数量。因此，我最初使用了唱片集id->曲目计数的哈希映射。对于扫描期间获得的每个曲目，我都会检查HashMap（与唱片集id关联）是否存在。我在它不存在时创建它，否则用计数更新它。然后，在扫描之后，我将遍历

我正在应用程序启动时扫描
MediaStore
。我对它进行迭代以获得音频曲目并存储它们。我还存储其他方面，如相册。我将歌曲存储在<代码> ARAYLISTAB/COD>中，这也适用于相册（不同的代码> AlrayList< /Cord>）。这很好，但是我已经开始考虑性能。

我想在扫描时记录每张专辑的曲目数量。因此，我最初使用了唱片集id->曲目计数的
哈希映射。对于扫描期间获得的每个曲目，我都会检查
HashMap
（与唱片集id关联）是否存在。我在它不存在时创建它，否则用计数更新它。然后，在扫描之后，我将遍历相册
ArrayList
，并使用
HashMap
查找来使用
HashMap
中的信息更新条目

我开始怀疑在这里使用
HashMap
来提高性能是否值得。跳过
HashMap
并使用for循环查找我想要更新的相册，然后更新它，性能会更好吗

谢谢

编辑：因为我不能发布代码，因为它是一个大的块，所以我将简化它。原始代码：


private void scanTracks()
{
    HashMap<Long, Integer> albumHashMap= new HashMap<>();

    // Iterate over tracks in MediaStore Block Start

    // Get albumId.

    if (!albumHashMap.containsKey(albumId))
        albumHashMap.put(albumId, 1);
    else
        albumHashMap.put(albumId, albumHashMap.get(albumId) + 1);

    // Iterate over tracks in MediaStore Block End

    for(Album album : mAlbums)
    {
        album.setCount(albumHashMap.get(album.getId()));
    }
}


我正在应用程序启动时扫描MediaStore。我对它进行迭代以获得音频曲目并存储它们。我还存储其他方面，如相册。我在ArayLIST中存储磁道，也适用于相册（不同的ARARYLIST），这很好，但是我已经开始考虑性能。
有了这个描述，我知道您有一个所有曲目的列表，它不是按唱片集分组的。然后，你有另一张所有专辑的列表

如果是这种情况，使用HashMap，时间复杂度将是O（n+m）
，其中n和m分别是曲目和专辑的计数。还没有用另一种方式来评估绩效，我可以说这是良好绩效的标志

现在，如果你浏览专辑列表中的每一张专辑，然后迭代曲目进行计数，时间复杂度将是
O（m*n）
，这比上面的
O（m+n）
要糟糕得多

因此，在重述中，使用
HashMap

我正在应用程序启动时扫描MediaStore。我对它进行迭代以获得音频曲目并存储它们。我还存储其他方面，如相册。我在ArayLIST中存储磁道，也适用于相册（不同的ARARYLIST），这很好，但是我已经开始考虑性能。 有了这个描述，我知道您有一个所有曲目的列表，它不是按唱片集分组的。然后，你有另一张所有专辑的列表

如果是这种情况，使用HashMap，时间复杂度将是O（n+m），其中n和m分别是曲目和专辑的计数。还没有用另一种方式来评估绩效，我可以说这是良好绩效的标志

现在，如果你浏览专辑列表中的每一张专辑，然后迭代曲目进行计数，时间复杂度将是
O（m*n）
，这比上面的
O（m+n）
要糟糕得多

因此，在重述中，请清楚地使用
HashMap

1st approach

first loop goes for n times
second loop goes for m times (say)

Advantage: overall time complexity O(m+n)
Disadvantage: Additional space complexity O(n) (hashmap)

2nd Apporach

Outer loop goes for n times
    inner loop goes for m times

Advantage: No additional space complexity (no use for hashmap)
Disadvantage: overall time complexity O(m*n)
这是时间和空间复杂度之间的折衷，我想建议第一种方法。

显然

1st approach

first loop goes for n times
second loop goes for m times (say)

Advantage: overall time complexity O(m+n)
Disadvantage: Additional space complexity O(n) (hashmap)

2nd Apporach

Outer loop goes for n times
    inner loop goes for m times

Advantage: No additional space complexity (no use for hashmap)
Disadvantage: overall time complexity O(m*n)
这是时间和空间复杂性之间的折衷，我想建议第一种方法。

我不确定你的问题，你能发布一个示例代码吗？但对于查找问题，始终首选地图。@SabareeshMuralidharan我已更新了我的问题。我不确定您的问题，您能发布此问题的示例代码吗？但对于查找问题，始终首选地图。@SabareeshMuralidharan我已更新了我的问题。您是否有机会检查我的问题编辑？您好@JohnAnderson，您更新的问题确认了我对问题的理解。我的答案仍然有效，正如您在替代实现中所看到的，有一个嵌套循环导致时间复杂度
O（m*n）
。在初始实现中，HashMap操作的时间复杂度通常为
O（1）
，因此整个方法的时间复杂度仅为
O（m+n）
。希望有帮助！谢谢你，洪泰。我很感激。如果你有时间，你能在这里检查我的其他问题吗？你有机会检查我的问题编辑吗？嗨@JohnAnderson，你更新的问题确认了我对问题的理解。我的答案仍然有效，正如您在替代实现中所看到的，有一个嵌套循环导致时间复杂度
O（m*n）
。在初始实现中，HashMap操作的时间复杂度通常为
O（1）
，因此整个方法的时间复杂度仅为
O（m+n）
。希望有帮助！谢谢你，洪泰。我很感激。如果你有时间，你能在这里检查我的其他问题吗？非常感谢你的帮助，Sabareesh Muralidharan。很遗憾，我不能在这里选择两个答案。我和洪一起去是因为这是第一次。酷…不管怎样，我试着回答你的后续问题。希望有帮助！！非常感谢你的帮助，Sabareesh Muralidharan。很遗憾，我不能在这里选择两个答案。我和洪一起去是因为这是第一次。酷…不管怎样，我试着回答你的后续问题。希望有帮助！！