Complessità temporale delle raccolte Java

1. Panoramica

In questo tutorial, parleremo delle prestazioni di diverse raccolte dall'API di raccolta Java . Quando parliamo di raccolte, di solito pensiamo alle strutture dati List, Map e Set e alle loro implementazioni comuni.

Prima di tutto, esamineremo le informazioni sulla complessità di Big-O per le operazioni comuni e, successivamente, mostreremo i numeri reali di alcune operazioni di raccolta in esecuzione.

2. Complessità temporale

Di solito, quando parliamo di complessità temporale, ci riferiamo alla notazione Big-O . In poche parole, la notazione descrive come il tempo per eseguire l'algoritmo cresce con la dimensione dell'input.

Sono disponibili utili resoconti per saperne di più sulla teoria della notazione Big-O o su esempi pratici di Java.

3. Elenco

Cominciamo con un semplice elenco, che è una raccolta ordinata.

Qui, daremo uno sguardo a una panoramica delle prestazioni delle implementazioni ArrayList, LinkedList e CopyOnWriteArrayList .

3.1. Lista di array

L'ArrayList in Java è sostenuta da una matrice . Questo aiuta a capire la logica interna della sua implementazione. Una guida più completa per ArrayList è disponibile in questo articolo.

Quindi, concentriamoci prima sulla complessità temporale delle operazioni comuni, ad un livello elevato:

  • add () - richiede O (1) tempo
  • add (index, element) - in media si esegue in O (n) tempo
  • get () - è sempre una costante di tempo O (1) operazione
  • remove () - viene eseguito in tempo lineare O (n) . Dobbiamo iterare l'intero array per trovare l'elemento che si qualifica per la rimozione
  • indexOf () - viene eseguito anche in tempo lineare. Itera attraverso l'array interno e controlla ogni elemento uno per uno. Quindi la complessità temporale per questa operazione richiede sempre O (n) tempo
  • contiene () - l'implementazione è basata su indexOf () . Quindi verrà eseguito anche in O (n) tempo

3.2. CopyOnWriteArrayList

Questa implementazione dell'interfaccia List è molto utile quando si lavora con applicazioni multi-thread . È thread-safe e spiegato bene in questa guida qui.

Ecco la panoramica della notazione Big-O delle prestazioni per CopyOnWriteArrayList :

  • add () - dipende dalla posizione in cui aggiungiamo valore, quindi la complessità è O (n)
  • get () - èun'operazione a tempo costante O (1)
  • remove () - richiede O (n) tempo
  • contiene () - allo stesso modo, la complessità è O (n)

Come possiamo vedere, l'utilizzo di questa raccolta è molto costoso a causa delle caratteristiche prestazionali del metodo add () .

3.3. Lista collegata

LinkedList è una struttura dati lineare costituita da nodi che contengono un campo dati e un riferimento a un altro nodo . Per ulterioricaratteristiche e capacità di LinkedList , dai un'occhiata a questo articolo qui.

Presentiamo la stima media del tempo necessario per eseguire alcune operazioni di base:

  • add () - supporta l'inserimento di tempo costante O (1) in qualsiasi posizione
  • get () - la ricerca di un elemento richiede O (n) tempo
  • remove () - la rimozione di un elemento richiede anche l'operazione O (1) , poiché forniamo la posizione dell'elemento
  • contiene () - ha anche unacomplessità temporale O (n)

3.4. Riscaldamento della JVM

Ora, per dimostrare la teoria, giochiamo con i dati reali. Per essere più precisi, presenteremo i risultati del test JMH (Java Microbenchmark Harness) delle operazioni di raccolta più comuni .

Se non hai familiarità con lo strumento JMH, consulta questa utile guida.

Per prima cosa, presentiamo i parametri principali dei nostri test di benchmark:

@BenchmarkMode(Mode.AverageTime) @OutputTimeUnit(TimeUnit.MICROSECONDS) @Warmup(iterations = 10) public class ArrayListBenchmark { }

Quindi, impostiamo il numero di iterazioni di riscaldamento su 10 . Inoltre, desideriamo vedere il tempo di esecuzione medio dei nostri risultati visualizzato in microsecondi.

3.5. Test di benchmark

Ora è il momento di eseguire i nostri test delle prestazioni. Innanzitutto, iniziamo con ArrayList :

@State(Scope.Thread) public static class MyState { List employeeList = new ArrayList(); long iterations = 100000; Employee employee = new Employee(100L, "Harry"); int employeeIndex = -1; @Setup(Level.Trial) public void setUp() { for (long i = 0; i < iterations; i++) { employeeList.add(new Employee(i, "John")); } employeeList.add(employee); employeeIndex = employeeList.indexOf(employee); } }

All'interno del nostro ArrayListBenchmark , aggiungiamo la classe State per contenere i dati iniziali.

Qui creiamo un ArrayList di oggetti Employee . Successivamente, lo inizializziamo con 100.000 elementi all'interno del metodo setUp () . Lo @State indica che i test @Benchmark hanno pieno accesso alle variabili dichiarate in esso all'interno dello stesso thread.

Infine, è il momento di aggiungere i test di benchmark per i metodi add (), contains (), indexOf (), remove () e get () :

@Benchmark public void testAdd(ArrayListBenchmark.MyState state) { state.employeeList.add(new Employee(state.iterations + 1, "John")); } @Benchmark public void testAddAt(ArrayListBenchmark.MyState state) { state.employeeList.add((int) (state.iterations), new Employee(state.iterations, "John")); } @Benchmark public boolean testContains(ArrayListBenchmark.MyState state) { return state.employeeList.contains(state.employee); } @Benchmark public int testIndexOf(ArrayListBenchmark.MyState state) { return state.employeeList.indexOf(state.employee); } @Benchmark public Employee testGet(ArrayListBenchmark.MyState state) { return state.employeeList.get(state.employeeIndex); } @Benchmark public boolean testRemove(ArrayListBenchmark.MyState state) { return state.employeeList.remove(state.employee); }

3.6. Risultati del test

Tutti i risultati sono presentati in microsecondi:

Benchmark Mode Cnt Score Error ArrayListBenchmark.testAdd avgt 20 2.296 ± 0.007 ArrayListBenchmark.testAddAt avgt 20 101.092 ± 14.145 ArrayListBenchmark.testContains avgt 20 709.404 ± 64.331 ArrayListBenchmark.testGet avgt 20 0.007 ± 0.001 ArrayListBenchmark.testIndexOf avgt 20 717.158 ± 58.782 ArrayListBenchmark.testRemove avgt 20 624.856 ± 51.101

From the results we can learn, that testContains() and testIndexOf() methods run in approximately the same time. We can also clearly see the huge difference between the testAdd(), testGet() method scores from the rest of the results. Adding an element takes 2.296 microseconds and getting one is 0.007-microsecond operation.

While searching or removing an element roughly costs 700 microseconds. These numbers are the proof of the theoretical part, where we learned that add(), and get() has O(1) time complexity and the other methods are O(n). n=10.000 elements in our example.

Likewise, we can write the same tests for CopyOnWriteArrayList collection. All we need is to replace the ArrayList in employeeList with the CopyOnWriteArrayList instance.

Here are the results of the benchmark test:

Benchmark Mode Cnt Score Error CopyOnWriteBenchmark.testAdd avgt 20 652.189 ± 36.641 CopyOnWriteBenchmark.testAddAt avgt 20 897.258 ± 35.363 CopyOnWriteBenchmark.testContains avgt 20 537.098 ± 54.235 CopyOnWriteBenchmark.testGet avgt 20 0.006 ± 0.001 CopyOnWriteBenchmark.testIndexOf avgt 20 547.207 ± 48.904 CopyOnWriteBenchmark.testRemove avgt 20 648.162 ± 138.379

Here, again, the numbers confirm the theory. As we can see, testGet() on average runs in 0.006 ms which we can consider as O(1). Comparing to ArrayList, we also notice the significant difference between testAdd() method results. As we have here O(n) complexity for the add() method versus ArrayList's O(1).

We can clearly see the linear growth of the time, as performance numbers are 878.166 compared to 0.051.

Now, it's LinkedList time:

Benchmark Cnt Score Error testAdd 20 2.580 ± 0.003 testContains 20 1808.102 ± 68.155 testGet 20 1561.831 ± 70.876 testRemove 20 0.006 ± 0.001

We can see from the scores, that adding and removing elements in LinkedList are quite fast.

Furthermore, there's a significant performance gap between add/remove and get/contains operations.

4. Map

With the latest JDK versions, we're witnessing significant performance improvement for Map implementations, such as replacing the LinkedList with the balanced tree node structure in HashMap, LinkedHashMap internal implementations. This shortens the element lookup worst-case scenario from O(n) to O(log(n)) time during the HashMap collisions.

However, if we implement proper .equals() and .hashcode() methods collisions are unlikely.

To learn more about HashMap collisions check out this write-up. From the write-up, we can also learn, that storing and retrieving elements from the HashMap takes constant O(1) time.

4.1. Testing O(1) Operations

Let's show some actual numbers. First, for the HashMap:

Benchmark Mode Cnt Score Error HashMapBenchmark.testContainsKey avgt 20 0.009 ± 0.002 HashMapBenchmark.testGet avgt 20 0.011 ± 0.001 HashMapBenchmark.testPut avgt 20 0.019 ± 0.002 HashMapBenchmark.testRemove avgt 20 0.010 ± 0.001

As we see, the numbers prove the O(1) constant time for running the methods listed above. Now, let's do a comparison of the HashMap test scores with the other Map instance scores.

For all of the listed methods, we have O(1) for HashMap, LinkedHashMap, IdentityHashMap, WeakHashMap, EnumMap and ConcurrentHashMap.

Let's present the results of the remaining test scores in form of one table:

Benchmark LinkedHashMap IdentityHashMap WeakHashMap ConcurrentHashMap testContainsKey 0.008 0.009 0.014 0.011 testGet 0.011 0.109 0.019 0.012 testPut 0.020 0.013 0.020 0.031 testRemove 0.011 0.115 0.021 0.019

From the output numbers, we can confirm the claims of O(1) time complexity.

4.2. Testing O(log(n)) Operations

For the tree structure TreeMap and ConcurrentSkipListMap the put(), get(), remove(), containsKey() operations time is O(log(n)).

Here, we want to make sure that our performance tests will run approximately in logarithmic time. For that reason, we initialize the maps with n=1000, 10,000, 100,000, 1,000,000 items continuously.

In this case, we're interested in the total time of execution:

items count (n) 1000 10,000 100,000 1,000,000 all tests total score 00:03:17 00:03:17 00:03:30 00:05:27 

When n=1000 we have the total of 00:03:17 milliseconds execution time. n=10,000 the time is almost unchanged 00:03:18 ms. n=100,000 has minor increase 00:03:30. And finally, when n=1,000,000 the run completes in 00:05:27 ms.

After comparing the runtime numbers with the log(n) function of each n, we can confirm that the correlation of both functions matches.

5. Set

Generally, Set is a collection of unique elements. Here, we're going to examine the HashSet, LinkedHashSet, EnumSet, TreeSet, CopyOnWriteArraySet, and ConcurrentSkipListSet implementations of the Set interface.

To better understand the internals of the HashSet, this guide is here to help.

Now, let's jump ahead to present the time complexity numbers. For HashSet, LinkedHashSet, and EnumSet the add(), remove() and contains() operations cost constant O(1) time. Thanks to the internal HashMap implementation.

Likewise, the TreeSet has O(log(n)) time complexity for the operations listed for the previous group. That's because of the TreeMap implementation. The time complexity for ConcurrentSkipListSet is also O(log(n)) time, as it is based in skip list data structure.

For CopyOnWriteArraySet, the add(), remove() and contains() methods have O(n) average time complexity.

5.1. Test Methods

Now, let's jump to our benchmark tests:

@Benchmark public boolean testAdd(SetBenchMark.MyState state) { return state.employeeSet.add(state.employee); } @Benchmark public Boolean testContains(SetBenchMark.MyState state) { return state.employeeSet.contains(state.employee); } @Benchmark public boolean testRemove(SetBenchMark.MyState state) { return state.employeeSet.remove(state.employee); }

Furthermore, we leave the remaining benchmark configurations as they are.

5.2. Comparing the Numbers

Let's see the behavior of the runtime execution score for HashSet and LinkedHashSet having n = 1000; 10,000; 100,000 items.

For the HashSet, the numbers are:

Benchmark 1000 10,000 100,000 .add() 0.026 0.023 0.024 .remove() 0.009 0.009 0.009 .contains() 0.009 0.009 0.010

Similarly, the results for LinkedHashSet are:

Benchmark 1000 10,000 100,000 .add() 0.022 0.026 0.027 .remove() 0.008 0.012 0.009 .contains() 0.008 0.013 0.009

Come si vede, i punteggi rimangono quasi gli stessi per ogni operazione. Inoltre , quando li confrontiamo con gli output di test di HashMap , hanno lo stesso aspetto.

Di conseguenza, confermiamo che tutti i metodi testati vengono eseguiti in tempo O (1) costante .

6. Conclusione

In questo articolo, presentiamo la complessità temporale delle implementazioni più comuni delle strutture dati Java.

Separatamente, mostriamo le prestazioni di runtime effettive di ogni tipo di raccolta attraverso i test di benchmark JVM. Abbiamo anche confrontato le prestazioni delle stesse operazioni in raccolte diverse. Di conseguenza, impariamo a scegliere la collezione giusta che si adatta alle nostre esigenze.

Come al solito, il codice completo di questo articolo è disponibile su GitHub.