Ruby on rails “散列”;有“U键”;Ruby中的复杂性
我有一个hashRuby on rails “散列”;有“U键”;Ruby中的复杂性,ruby-on-rails,ruby,algorithm,hash,time-complexity,Ruby On Rails,Ruby,Algorithm,Hash,Time Complexity,我有一个hashvars={“a”=>“Name”,“b”=>“Address”,“c”=>“Phone”}。我想检查这一行的性能: vars.has_key(:b)? 是O(1)还是O(散列大小)?方法的预期复杂性是恒定的 简单基准: require 'benchmark' iterations = 10_000 small = 10 big = 1_000_000 small_hash = {} big_hash = {} (1..small).each
vars={“a”=>“Name”,“b”=>“Address”,“c”=>“Phone”}
。我想检查这一行的性能:
vars.has_key(:b)?
是O(1)还是O(散列大小)?方法的预期复杂性是恒定的 简单基准:
require 'benchmark'
iterations = 10_000
small = 10
big = 1_000_000
small_hash = {}
big_hash = {}
(1..small).each do |i|
small_hash[i] = i
end
(1..big).each do |i|
big_hash[i] = i
end
Benchmark.bmbm do |bm|
bm.report('Small Hash') do
iterations.times { small_hash.has_key?(1) }
end
bm.report('Big Hash') do
iterations.times { big_hash.has_key?(1) }
end
end
运行测试:
$ ruby has_key_test.rb
user system total real
Small Hash 0.000000 0.000000 0.000000 ( 0.001167)
Big Hash 0.000000 0.000000 0.000000 ( 0.001171)
是的,我认为我们可以考虑成本常数O(1)(至少不检查内部MRI实现)。
具有1个条目或100万个条目的哈希之间的差异是。。。最小值。源代码的
键为()
st_lookup
包含以下片段():
tbl->entries\u packed=size散列是直接访问,不像堆栈(数组),需要遍历每个元素,直到找到所需的元素。因此,has_key
不应该依赖于散列的大小(有待确认,但我非常确定)来执行良好的基准测试,您需要对调用的方法执行多个迭代。事实上,我建议您至少进行10^5次迭代以获得一个好的近似值。@IvayloStrandjev是的,您是对的,这只是一个快速的近似值。我将使用Benchmark.bmbm
和更多迭代来更新它。@markets-那么有什么价值呢?
?我尝试将has\u key?(1)
修改为has\u value?(大-1)
,然后大哈希将花费(大/小)x时间。所以我认为的时间复杂度是O(n),如果键不是符号而是字符串呢?我的键不是符号而是整数。只需将o[x]=:a
替换为o[x.to_s]=:a
并将h.has_key?(t)
替换为h.has_key?(t.to_)
并执行代码…@忘记你为什么不使用数组?你会省下很多额外的线路…@IvayloStrandjev我能做到。。。我只用了2分钟就完成了这个基准测试,并进行了大量的复制粘贴。读者如何评估您的断言的有效性?如果你不是Matz(或其他几个人中的一个),你需要提供一份推荐信或证明。
def fake_h(n)
n.times.inject({}){|o,x| o[x] = :a; o}
end
n = 1000000;
h1 = fake_h(1);
h10 = fake_h(10);
h100 = fake_h(100);
h1000 = fake_h(1000);
h10000 = fake_h(10000);
h100000 = fake_h(100000);
h1000000 = fake_h(1000000);
Benchmark.bm do |x|
x.report { n.times{|t| h1.has_key?(t) } }
x.report { n.times{|t| h10.has_key?(t) } }
x.report { n.times{|t| h100.has_key?(t) } }
x.report { n.times{|t| h1000.has_key?(t) } }
x.report { n.times{|t| h10000.has_key?(t) } }
x.report { n.times{|t| h100000.has_key?(t) } }
x.report { n.times{|t| h1000000.has_key?(t) } }
end
# Result :
user system total real
0.200000 0.000000 0.200000 ( 0.204647)
0.210000 0.000000 0.210000 ( 0.205677)
0.210000 0.000000 0.210000 ( 0.214393)
0.210000 0.000000 0.210000 ( 0.206382)
0.210000 0.000000 0.210000 ( 0.208998)
0.200000 0.000000 0.200000 ( 0.206821)
0.220000 0.000000 0.220000 ( 0.213316)
rb_hash_has_key(VALUE hash, VALUE key)
{
if (!RHASH(hash)->ntbl)
return Qfalse;
if (st_lookup(RHASH(hash)->ntbl, key, 0)) {
return Qtrue;
}
return Qfalse;
}
if (table->entries_packed) {
st_index_t i = find_packed_index(table, hash_val, key);
if (i < table->real_entries) {
if (value != 0) *value = PVAL(table, i);
return 1;
}
return 0;
}
#define MAX_PACKED_HASH (int)(ST_DEFAULT_PACKED_TABLE_SIZE * sizeof(st_table_entry*) / sizeof(st_packed_entry))
tbl->entries_packed = size <= MAX_PACKED_HASH;