数据规模对数组的读取效率的影响——顺序读取和随机读取

2024-05-08 18:58

本文主要是介绍数据规模对数组的读取效率的影响——顺序读取和随机读取,希望对大家解决编程问题提供一定的参考价值,需要的开发者们随着小编来一起学习吧!


        数组是可以随机读取的数据结构,在数据量比较小的情况下,数组的顺序读取和随机读取几乎都能在瞬间完成,我们是感觉不到的,对我们的程序也不会感觉到有什么影响,但是在数据规模比较大的情况下,可能就会明显的影响到算法的性能。

        下面测试不同数据规模下,数组的顺序读取和随机读取所耗费的时间。其中输入文件是随机产生的整数,每个整数一行。文件为txt格式。程序的工作原理很简单,请看main函数中的源代码,这样可以做到在其他条件都一致的条件下,观察顺序读取和随机读去对象能的影响。

#include <iostream>
#include <fstream>
#include <string>
#include <stdlib.h>
#include <sys/time.h>#define MAX 10000000using namespace std;void readNum(int a[]){string filename;ifstream infile("data_1000w.txt", ios::in);string textline = "";int i = 0;while(getline(infile, textline, '\n')){a[i] = atoi(string(textline).c_str());i++;}infile.close();
}long getCurrentTime(){struct timeval tv;gettimeofday(&tv, NULL);return tv.tv_sec * 1000 + tv.tv_usec / 1000;
}int main()
{int a[MAX] = {0};int b[MAX] = {0};int c[MAX] = {0};int d[MAX] = {0};readNum(a);readNum(b);cout << "Number Counts:" << MAX << endl;cout << "Sort Result:" << endl;long time_1 = getCurrentTime();int max = 0;	for(int i = 0; i < MAX-1; i++){max = a[i];c[i] = a[i+1];}long time_2 = getCurrentTime();	cout << time_2 - time_1 << " ms" << endl;long time_3 = getCurrentTime();int min = 0;for(int j = 0; j < MAX-1; j++){min = c[j];d[j] = c[min];}long time_4 = getCurrentTime();cout << time_4 - time_3 << " ms" << endl;return 1;
}

分别用100万数据和1000万数据做测试,结果如下图所示:

100万数据:顺序读取耗时5ms,随机读取耗时36ms。

1000万数据:顺序读取耗时52ms,随机读去耗时239ms。



        看了以上的结果,奋斗在IT一线的同志们,以后写程序可要注意了,数组虽然是一种随机存取的数据结构,但也要看数据的规模哦。如果亲们写算法的时候需要处理大量的数据,那么尽量优化算法,使用顺序的方式读取数组吧。

这篇关于数据规模对数组的读取效率的影响——顺序读取和随机读取的文章就介绍到这儿,希望我们推荐的文章对编程师们有所帮助!



http://www.chinasem.cn/article/971160

相关文章

SQL Server修改数据库名及物理数据文件名操作步骤

《SQLServer修改数据库名及物理数据文件名操作步骤》在SQLServer中重命名数据库是一个常见的操作,但需要确保用户具有足够的权限来执行此操作,:本文主要介绍SQLServer修改数据... 目录一、背景介绍二、操作步骤2.1 设置为单用户模式(断开连接)2.2 修改数据库名称2.3 查找逻辑文件名

canal实现mysql数据同步的详细过程

《canal实现mysql数据同步的详细过程》:本文主要介绍canal实现mysql数据同步的详细过程,本文通过实例图文相结合给大家介绍的非常详细,对大家的学习或工作具有一定的参考借鉴价值,需要的... 目录1、canal下载2、mysql同步用户创建和授权3、canal admin安装和启动4、canal

MySQL JSON 查询中的对象与数组技巧及查询示例

《MySQLJSON查询中的对象与数组技巧及查询示例》MySQL中JSON对象和JSON数组查询的详细介绍及带有WHERE条件的查询示例,本文给大家介绍的非常详细,mysqljson查询示例相关知... 目录jsON 对象查询1. JSON_CONTAINS2. JSON_EXTRACT3. JSON_TA

使用SpringBoot整合Sharding Sphere实现数据脱敏的示例

《使用SpringBoot整合ShardingSphere实现数据脱敏的示例》ApacheShardingSphere数据脱敏模块,通过SQL拦截与改写实现敏感信息加密存储,解决手动处理繁琐及系统改... 目录痛点一:痛点二:脱敏配置Quick Start——Spring 显示配置:1.引入依赖2.创建脱敏

SpringBoot读取ZooKeeper(ZK)属性的方法实现

《SpringBoot读取ZooKeeper(ZK)属性的方法实现》本文主要介绍了SpringBoot读取ZooKeeper(ZK)属性的方法实现,强调使用@ConfigurationProperti... 目录1. 在配置文件中定义 ZK 属性application.propertiesapplicati

Java中JSON格式反序列化为Map且保证存取顺序一致的问题

《Java中JSON格式反序列化为Map且保证存取顺序一致的问题》:本文主要介绍Java中JSON格式反序列化为Map且保证存取顺序一致的问题,具有很好的参考价值,希望对大家有所帮助,如有错误或未... 目录背景问题解决方法总结背景做项目涉及两个微服务之间传数据时,需要提供方将Map类型的数据序列化为co

详解如何使用Python构建从数据到文档的自动化工作流

《详解如何使用Python构建从数据到文档的自动化工作流》这篇文章将通过真实工作场景拆解,为大家展示如何用Python构建自动化工作流,让工具代替人力完成这些数字苦力活,感兴趣的小伙伴可以跟随小编一起... 目录一、Excel处理:从数据搬运工到智能分析师二、PDF处理:文档工厂的智能生产线三、邮件自动化:

Python中文件读取操作漏洞深度解析与防护指南

《Python中文件读取操作漏洞深度解析与防护指南》在Web应用开发中,文件操作是最基础也最危险的功能之一,这篇文章将全面剖析Python环境中常见的文件读取漏洞类型,成因及防护方案,感兴趣的小伙伴可... 目录引言一、静态资源处理中的路径穿越漏洞1.1 典型漏洞场景1.2 os.path.join()的陷

Python数据分析与可视化的全面指南(从数据清洗到图表呈现)

《Python数据分析与可视化的全面指南(从数据清洗到图表呈现)》Python是数据分析与可视化领域中最受欢迎的编程语言之一,凭借其丰富的库和工具,Python能够帮助我们快速处理、分析数据并生成高质... 目录一、数据采集与初步探索二、数据清洗的七种武器1. 缺失值处理策略2. 异常值检测与修正3. 数据

pandas实现数据concat拼接的示例代码

《pandas实现数据concat拼接的示例代码》pandas.concat用于合并DataFrame或Series,本文主要介绍了pandas实现数据concat拼接的示例代码,具有一定的参考价值,... 目录语法示例:使用pandas.concat合并数据默认的concat:参数axis=0,join=