Java 如何对使用JDK streams API的代码进行渐近分析？

一般来说，我知道我们必须查看源代码才能了解代码的性能

但更具体地说，这段代码在一个有竞争力的编程网站上超时

这将查找流中从

0

到

100

的数字出现频率。 数组中的数字介于

0

和

100

之间

    // Times out with int[] array containing 100000 elements.

    List<Integer> l = new ArrayList<>();
    for( int i = 0 ; i < array.length ; i ++){
        l.add(array[i]);
    }

    int[] counts = new int[100];
    Arrays.stream(array).forEach( i -> counts[i] = Collections.frequency( l, i));

//包含100000个元素的int[]数组超时。
列表l=新的ArrayList（）；
for（int i=0；icounts[i]=Collections.frequency（l，i））；

---

这段代码的Big-O分析是什么？我认为罪魁祸首是我使用Streams API的方式。

您正在迭代

数组（大小100000）的所有元素，而您所需要做的就是在您创建的列表中查找数字0到100（假设为独占）的频率，因此有效地迭代100次，如下所示：

int[] counts = new int[100];
IntStream.range(0,100).forEach(i -> counts[i] = Collections.frequency(l,i));


顺便说一句，如果假设您要遍历整个数组以将其转换为一个列表，一种更简单的方法是计算同一循环中元素的出现次数

int[] counts = new int[100];
for( int i = 0 ; i < array.length ; i ++){
    counts[array[i]]++; // same asssumption (array[i] < 100)
}

这段代码的Big-O分析是什么


没有理由认为
Arrays.stream（）
本身的成本会随着问题的大小而增加
Stream.forEach（）。您的特定使用不会缩短迭代，因此没有理由期望更严格的限制

lambda的复杂性是由
Collections.frequency（）
驱动的，它与集合的大小（也是n）成线性比例，因为它必须扫描整个对象

总的来说，这就是O（n2）

这里的浪费是扫描整个集合中的每个数组元素。因为您平均期望每个值出现1000次，所以这是非常昂贵的，并且它随数组元素的数量而扩展。我怀疑您打算只扫描一次
count
中的每个位置，但即使这样也会非常浪费。你能想出一种方法一次收集所有的频率计数吗？提示：不要想得太多。
您可能在暗示一个简单的
for
循环或
数组.stream（arr）.forEach（i->counts[i]=counts[i]+1）
应该更好，我能知道你为什么认为
Array.stream
无法扩展吗？@MohanRadhakrishnan，是的，你在评论中描述的方法就是我所想的。它的效率是O（n），对于这个问题，你不会比这个做得更好。当我说
Arrays.stream（）
不随问题的大小而扩展时，我的意思是调用该方法需要
O（1）
，这与
Collection.iterator（）的典型实现非常相似。它设置了一个
流
对象，但它不必执行任何每个元素的工作。
Arrays.stream(array).forEach(i -> counts[i]++);