Java性能优化：字符串过滤实战

　　★关于需求
　　首先描述一下需求，具体如下：给定一个String对象，过滤掉除数字 （字符'0'-'9'）以外的其它字符。要求时间开销尽可能小。过滤函数的原型如下：String filter(String str);
　 　针对上述需求，我写了5个不同的过滤函数。为了叙述方便，分别称为filter1到filter5。其中filter1性能最差、filter5性能最 好。在你接着看后续的内容之前，你先暗自思考一下，如果由你来实现该函数，大概会写成什么样？最好把你想好的函数写下来，便于后面的对比。

　　★代码实现

　　◇测试代码
　　为了方便测试性能，先准备好一个测试代码，具体如下：

class Test
{
  public static void main(String[] args)
  {
    if(args.length != 1)
    {
      return;
    }

    String str = "";
    long nBegin = System.currentTimeMillis();
    for(int i=0; i<1024*1024; i++)
    {
      str = filterN(args[0]);  //此处调用某个具体的过滤函数
    }
    long nEnd = System.currentTimeMillis();

    System.out.println(nEnd-nBegin);
    System.out.println(str);
  }
};

　 　在没有想好你的实现方式之前，先别偷看后续内容哦！另外，先注明一下，我使用的Java环境是JDK 1.5.0-09，使用的测试字符串为“D186783E36B721651E8AF96AB1C4000B”。由于JDK版本和机器性能不尽相同，你在 自己机器上测试的结果可能和我下面给出的数值不太一样。


　　◇版本1
　　先来揭晓性能最差的filter1，代码如下：

  private static String filter1(String strOld)
  {
    String strNew = new String();
    for(int i=0; i<strOld.length(); i++)
    {
      if('0'<=strOld.charAt(i) && strOld.charAt(i)<='9')
      {
        strNew += strOld.charAt(i);
      }
    }
    return strNew;
  }

　　如果你的代码不幸和filter1雷同，那你的Java功底可就是相当糟糕了，连字符串拼接需要用StringBuffer来优化都没搞明白。
　　为了和后续对比，先记下filter1的处理时间，大约在8.81-8.90秒之间。

　　◇版本2
　　再来看看filter2，代码如下：

  private static String filter2(String strOld)
  {
    StringBuffer strNew = new StringBuffer();
    for(int i=0; i<strOld.length(); i++)
    {
      if('0'<=strOld.charAt(i) && strOld.charAt(i)<='9')
      {
        strNew.append(strOld.charAt(i));
      }
    }
    return strNew.toString();
  }

　 　其实刚才在评价filter1的时候，已经泄露了filter2的天机。filter2通过使用StringBuffer来优化连接字符串的性能。为什 么StringBuffer连接字符串的性能比String好，这个已经是老生常谈，我就不细说了。尚不清楚的同学自己上Google一查便知。我估计应 该有挺多同学会写出类似filter2的代码。
　　另外，JDK 1.5新增加了StringBuilder，性能会比StringBuffer更好，不过考虑到有可能要拿到其它版本的JDK上作对比测试，而且 StringBuilder和StringBuffer之间的差异不是本文讨论的重点，所以后面的例子都使用StringBuffer来实现。
　　filter2的处理时间大约为2.14-2.18秒，提升了大约4倍。

　　◇版本3
　　接着看看filter3，代码如下：

  private static String filter3(String strOld)
  {
    StringBuffer strNew = new StringBuffer();
    int nLen = strOld.length();
    for(int i=0; i<nLen; i++)
    {
      char ch = strOld.charAt(i);
      if('0'<=ch && ch<='9')
      {
        strNew.append(ch);
      }
    }
    return strNew.toString();
  }

　 　乍一看filter3和filter2的代码差不多嘛！你再仔细瞧一瞧，原来先把strOld.charAt(i)赋值给char变量，节省了重复调用 charAt()方法的开销；另外把strOld.length()先保存为nLen，也节省了重复调用length()的开销。能想到这一步的同学，估 计是比较细心的。
　　经过此一优化，处理时间节省为1.48-1.52，提升了约30%。由于charAt()和length()的内部实现都挺简单的，所以提升的性能不太明显。
　　另外补充一下，经网友反馈，在JDK 1.6上，filter3和filter2的性能基本相同。可能是由于JDK 1.6已经进行了相关的优化。

　　◇版本4
　　然后看看filter4，代码如下：

  private static String filter4(String strOld)
  {
    int nLen = strOld.length();
    StringBuffer strNew = new StringBuffer(nLen);
    for(int i=0; i<nLen; i++)
    {
      char ch = strOld.charAt(i);
      if('0'<=ch && ch<='9')
      {
        strNew.append(ch);
      }
    }
    return strNew.toString();
  }

　　filter4和filter3差别也很小，唯一差别就在于调用了StringBuffer带参数的构造函数。通过StringBuffer的构造函数设置初始的容量大小，可以有效避免append()追加字符时重新分配内存，从而提高性能。
　　filter4的处理时间大约在1.33-1.39秒。约提高10%，可惜提升的幅度有点小 :-(

　　◇版本5
　　最后来看看终极版本，性能最好的filter5。

  private static String filter5(String strOld)
  {
    int nLen = strOld.length();
    char[] chArray = new char[nLen];
    int nPos = 0;
    for(int i=0; i<nLen; i++)
    {
      char ch = strOld.charAt(i);
      if('0'<=ch && ch<='9')
      {
        chArray[nPos] = ch;
        nPos++;
      }
    }
    return new String(chArray, 0, nPos);
  }

　　猛一看，你可能会想：filter5和前几个版本的差别也忒大了吧！filter5既没有用String也没有用StringBuffer，而是拿字符数组进行中间处理。
　　filter5的处理时间，只用了0.72-0.78秒，相对于filter4提升了将近50%。为啥捏？是不是因为直接操作字符数组，节省了append(char)的调用？通过查看append(char)的源代码，内部的实现很简单，应该不至于提升这么多。
　　那是什么原因捏？
　 　首先，虽然filter5有一个字符数组的创建开销，但是相对于filter4来说，StringBuffer的构造函数内部也会有字符数组的创建开 销。两相抵消。所以filter5比filter4还多节省了StringBuffer对象本身的创建开销。（在我的JDK 1.5环境中，这个因素比较明显）
　　其次，由于StringBuffer是线程安全的（它的方法都是synchronized），因此调用它的方法有一定的同步开销，而字符数组则没有，这又是一个性能提升的地方。（经网友反馈，此因素在JDK 1.6中比较明显）
　　基于上述两个因素，所以filter5比filter4又有较大幅度的提升。

　　★对于5个版本的总结
　 　上述5个版本，filter1和filter5的性能相差约12倍（已经超过一个数量级）。除了filter3相对于filter2是通过消除函数重复 调用来提升性能，其它的几个版本都是通过节省内存分配，降低了时间开销。可见内存分配对于性能的影响有多大啊！如果你是看了上一个帖子 才写出filter4或者filter5，那说明你已经领会了个中奥妙，我那个帖子也就没白写了。

　　★一点补充说明，关于时间和空间的平衡
　　另外，需要补充说明一下。版本4和版本5使用了空间换时间的手法来提升性能。假如被过滤的字符串很大 ，并且数字字符的比例很低 ，这种方式就不太合算了。
　 　举个例子：被处理的字符串中，绝大部分都只含有不到10%的数字字符，只有少数字符串包含较多的数字字符。这时候该怎么办捏？对于filter4来说， 可以把new StringBuffer(nLen);修改为new StringBuffer(nLen/10);来节约空间开销。但是filter5就没法这么玩了。
　　所以，具体该用版本4还是版本5，要看具体情况了。只有在你非常 看重时间开销，且数字字符比例很高（至少大于50%）的情况下，用filter5才合算。否则的话，建议用filter4。

　　下一个帖子，打算介绍一下“关于垃圾回收（GC） ”的话题。

---

版权声明
本博客所有的原创文章，作者皆保留版权。转载必须包含本声明，保持本文完整，并以超链接形式注明作者编程随想 和本文原始地址：

http://program-think.blogspot.com/2009/03/java-performance-tuning-2-string.html