【愚公系列】2021年11月 C#版 数据结构与算法解析 for和foreach性能分析
2023-04-18 14:26:45 时间
public class Testttt {
public static void main(String[] args) {
// 实例化
List<String> stringLinkedList = new LinkedList<String>();
List<String> stringArrayList = new ArrayList<String>();
// 插入数据
for (int i = 0; i < 100000; i++) {
stringLinkedList.add(String.valueOf(i));
stringArrayList.add(String.valueOf(i));
}
String a = null;
// 1、用for循环遍历ArrayList
long forArrayMillis = System.currentTimeMillis();
for (int i = 0; i < 100000; i++) {
a = stringArrayList.get(i);
}
System.err.println("用for循环遍历ArrayList,耗时:" + String.valueOf(System.currentTimeMillis() - forArrayMillis) + "ms");
// 2、用foreach循环遍历ArrayList
long foreachArrayMillis = System.currentTimeMillis();
for (String string : stringArrayList) {
a = string;
}
System.err.println("用foreach循环遍历ArrayList,耗时:" + String.valueOf(System.currentTimeMillis() - foreachArrayMillis) + "ms");
// 3、用for循环遍历LinkedList
long forLinkedMillis = System.currentTimeMillis();
for (int i = 0; i < 100000; i++) {
a = stringLinkedList.get(i);
}
System.err.println("用for循环遍历LinkedList,耗时:" + String.valueOf(System.currentTimeMillis() - forLinkedMillis) + "ms");
// 4、用foreach循环遍历LinkedList
long foreachLinkedMillis = System.currentTimeMillis();
for (String string : stringLinkedList) {
a = string;
}
System.err.println("用foreach循环遍历LinkedList,耗时:" + String.valueOf(System.currentTimeMillis() - foreachLinkedMillis) + "ms");
}
}
本次测试工10W条数据
通过控制台输出的结果可以看出,
循环遍历ArrayList集合时,for和foreach的耗时时间差不多,多次测试可以发现,for循环效率比foreach的效率还要高一些;
循环遍历LinkedList集合时,for循环的耗时明显高于foreach循环的耗时。
结论:当遍历数组结构的集合时用for或者foreach都行
1、在固定长度或者长度不需要计算的时候for循环效率高于foreach;2、在不确定长度或者计算长度有损性能的时候用foreach比较方便–可以自己测试一下),
当遍历链表结构的集合时一定不要用for循环。
相关文章
- 【技术种草】cdn+轻量服务器+hugo=让博客“云原生”一下
- CLB运维&运营最佳实践 ---访问日志大洞察
- vnc方式登陆服务器
- 轻松学排序算法:眼睛直观感受几种常用排序算法
- 十二个经典的大数据项目
- 为什么使用 CDN 内容分发网络?
- 大数据——大数据默认端口号列表
- Weld 1.1.5.Final,JSR-299 的框架
- JavaFX 2012:彻底开源
- 提升as3程序性能的十大要点
- 通过凸面几何学进行独立于边际的在线多类学习
- 利用行动影响的规律性和部分已知的模型进行离线强化学习
- ModelLight:基于模型的交通信号控制的元强化学习
- 浅谈Visual Source Safe项目分支
- 基于先验知识的递归卡尔曼滤波的代理人联合状态和输入估计
- 结合网络结构和非线性恢复来提高声誉评估的性能
- 最佳实践丨云开发CloudBase多环境管理实践
- TimeVAE:用于生成多变量时间序列的变异自动编码器
- 具有线性阈值激活的神经网络:结构和算法
- 内网渗透之横向移动 -- 从域外向域内进行密码喷洒攻击