Hello World
Spiga

数组排序方法的性能比较(4):LINQ方式的Array排序

2010-01-28 00:06 by 老赵, 6998 visits

经过前两篇文章的分析,我们已经了解了Array.Sort<T>LINQ排序两种实现方式的差别:前者直接比较两个元素的大小,而后者先选出每个元素的“排序依据”再进行比较。因此,虽然后者需要相对较多的“周边工作”,但由于每次比较时都可以仅仅使用高效的基础类型(如int),因此从整体来看,两者的性能高低难以辨别。不过,既然我们已经了解LINQ排序“高效”的原因,又能否将其利用在数组排序上呢?程序是人写的,此类问题大都有肯定的答案。那么我们现在就来实现一下。

API设计

关于这个问题,我设想过几种API使用与设计方式。例如,我起初想使用“标准”的扩展方法:

Person[] people = null;
people
    .OrderBy(p => p.Age) // 指定主要排序规则
    .OrderBy(p => p.ID, true /* decending */) // 指定次要排序规则
    .Sort(); // 排序

在这样的API中,前两个OrderBy方法用于“收集排序条件”,而在最后的Sort方法中才对数组进行排序。这个API在使用上问题不大,但是在实现上却有两个缺点。首先,对于数组来说,已经有定义在其上的OrderBy方法,新的扩展方法与类库重名,难道要我换个名字嘛?我讨厌动这脑筋;其次,如果说第一个OrderBy方法是定义在数组上的扩展方法,那么第二个OrderBy方法也是数组的扩展方法吗?

其实不然。既然我们要“收集”排序规则,因此必然需要使用一个对象进行保存——就叫做OrderCriteria吧。那么第一个OrderBy方法便返回这样一个OrderCriteria对象,而第二个OrderBy则是定义在OrderCriteria类上的。那么,我们是不是需要为数组和OrderCriteria类各实现“一整套”的OrderBy方法呢?这实在是一件麻烦的事情啊。

于是,我又想到了这样的接口:

new ArraySorter<Person>(people)
    .OrderBy(p => Age)
    .OrderBy(p => p.ID, true)
    .Sort();

这样做的话,我们只要定义一个ArraySorter类型,再提供一套OrderBy方法即可。这种做法不仅仅是省力,“统一”的排序入口还有另一个好处,因为我们可以实现这样的逻辑:

var sorter = new ArraySorter<Person>(people);

if (shouldOrderByAge)
{
    sorter.OrderBy(p => p.Age);
}

if (shouldOrderById)
{
    sorter.OrderBy(p => p.ID);
}

sorter.Sort();

不过这个接口还是有个缺点:我们无法复用排序规则。例如,如果我们需要为两个类型相同的数组进行规则相同的排序,又该怎么办呢?因此,我打算把接口改为这种:

var sorter = new ArraySorter<Person>();

if (shouldOrderByAge)
{
    sorter.OrderBy(p => p.Age);
}

if (shouldOrderById)
{
    sorter.OrderBy(p => p.ID);
}

sorter.Sort(people);
sorter.Sort(people2);

由此,“排序器”负责“收集”排序规则,然后可以为多个数组进行排序,似乎颇为理想。

下标比较器(IndexComparer)

那么,我们的类库该如何设计?这里先要明确几个需求:

  1. 对于每个排序规则,都要先选择排序字段,再进行排序(这是我们写这个类库的意义)。
  2. 排序可以指定多个排序规则,排序规则之间有优先顺序。
  3. 不同的排序规则,其使用的字段、类型、比较器、顺序都可能有所不同。

请注意第三个需求,由于我们追求灵活性,因此排序的规则是不确定的。因此,不同的规则之间唯一可以统一的便是“数组下标”。我们在把握住这个“相同点”的基础上,定义这样一个比较器类型:

internal class IndexComparer<TKey> : IComparer<int>
{
    public IComparer<int> NextIndexComparer;

    private TKey[] m_keyArray;
    private IComparer<TKey> m_keyComparer;
    private bool m_decesnding;

    public IndexComparer(TKey[] keyArray, IComparer<TKey> keyComparer, bool decesnding)
    {
        this.m_keyArray = keyArray;
        this.m_keyComparer = keyComparer ?? Comparer<TKey>.Default;
        this.m_decesnding = decesnding;
    }

    public int Compare(int indexX, int indexY)
    {
        var keyX = this.m_keyArray[indexX];
        var keyY = this.m_keyArray[indexY];

        var result = this.m_keyComparer.Compare(keyX, keyY);

        if (result == 0)
        {
            return this.NextIndexComparer == null ? 0 :
                this.NextIndexComparer.Compare(indexX, indexY);
        }
        else
        {
            return this.m_decesnding ? -result : result;
        }
    }
}

IndexComparer实现了IComparer<int>接口,它的比较内容不是排序的元素,而是“数组下标”。构造一个IndexComparer类型需要提供“排序字段”的数组keyArray,比较器keyComparer,及排序顺序。Compare方法接受的是数组的两个下标,返回值则表示输入的两个下标的先后顺序。因此,IndexComparer对象会从keyArray中两个排序字段的值,并返回比较结果。

值得注意的是,每个IndexComparer都会保存另一个NextIndexComparer引用,它可能为null,或指向另一个IndexComparer对象。因此,多个IndexComparer实际上组成的是一个“比较器链”,而Compare方法在调用时,如果发现当前的key相同,那么便会尝试使用下一个IndexComparer来比较输入的“数组下标”——这里其实是一个职责链模式应用,恰好满足我们对排序条件的优先顺序。

排序条件(OrderCriteria)

那么,由谁来构造IndexComparer链呢?自然是由“排序条件”来构造了:

internal abstract class OrderCriteria<TElement>
{
    public abstract IComparer<int> CreateComparer(TElement[] array);

    public OrderCriteria<TElement> NextCriteria;
}

OrderCriteria<TElement>类是排序条件的基类,表示TElement数组的“一个”排序条件。和IndexComparer相同,每个OrderCriteria对象都维护着表示下一个排序条件的对象。OrderCriteria<TElement>有一个抽象方法,用于创建一个比较器——不,确切地说,应该是一个“比较器链”才对:

internal class OrderCriteria<TElement, TKey> : OrderCriteria<TElement>
{
    private IComparer<TKey> m_keyComparer;
    private Func<TElement, TKey> m_keySelector;
    private bool m_descending;

    public OrderCriteria(
        Func<TElement, TKey> keySelector, IComparer<TKey> keyComparer, bool decesnding)
    {
        this.m_keySelector = keySelector;
        this.m_keyComparer = keyComparer;
        this.m_descending = decesnding;
    }

    public override IComparer<int> CreateComparer(TElement[] array)
    {
        var keyArray = new TKey[array.Length];
        for (int i = 0; i < array.Length; i++)
        {
            keyArray[i] = this.m_keySelector(array[i]);
        }

        var comparer = new IndexComparer<TKey>(keyArray, this.m_keyComparer, this.m_descending);
        if (this.NextCriteria != null)
        {
            comparer.NextIndexComparer = this.NextCriteria.CreateComparer(array);
        }

        return comparer;
    }
}

OrderCriteria<TElement, TKey>表示“按照TKey类型来排序TElement数组”的排序规则。在CreateComparer方法中,它会使用keySelector计算出一个TKey数组作为排序依据,再用其构造一个IndexComparer对象。如果NextCriteria字段不为空,那么便以此指定当前IndexComparer的下一个比较器对象。最终返回的,自然就是一个完整的比较器链了。

数组排序器(ArraySorter)

终于涉及到面向用户的类型了。其实这个类型非常简单,只有一套OrderBy方法和一个Sort方法。我们首先来关注最核心的OrderBy方法(以及一个可能的重载):

public class ArraySorter<TElement>
{
    private OrderCriteria<TElement> m_headCriteria;
    private OrderCriteria<TElement> m_tailCriteria;

    public ArraySorter<TElement> OrderBy<TKey>(Func<TElement, TKey> keySelector)
    {
        return this.OrderBy(keySelector, null, false);
    }

    public ArraySorter<TElement> OrderBy<TKey>(
        Func<TElement, TKey> keySelector, IComparer<TKey> keyComparer, bool descending)
    {
        var newCriteria = new OrderCriteria<TElement, TKey>(
            keySelector, keyComparer, descending);

        if (this.m_headCriteria == null)
        {
            this.m_headCriteria = this.m_tailCriteria = newCriteria;
        }
        else
        {
            this.m_tailCriteria.NextCriteria = newCriteria;
            this.m_tailCriteria = newCriteria;
        }

        return this;
    }

    ...
}

每次调用OrderBy方法时,都会为ArraySorter内部的OrderCriteria单向链表增加一个元素。因此,整套类库的结构示意图大约是这样的:

至于Sort方法,那就更加简单了:

public void Sort(TElement[] array)
{
    if (this.m_headCriteria == null) return;
    var indexComparer = this.m_headCriteria.CreateComparer(array);

    var indexArray = new int[array.Length];
    for (int i = 0; i < array.Length; i++) indexArray[i] = i;

    Array.Sort(indexArray, array, indexComparer);
}

如果没有指定任何排序条件自然直接返回,否则创建一个indexComparer链作为比较器。那么我们又是如何排序数组的呢?那就要谢过.NET类库中丰富的功能了。我们使用的是这个重载:

static void Sort<TKey, TElement>(TKey[] keys, TElement[] items, IComparer<TKey> comparer);

这个重载的功能是将keys数组作为排序依据,但同时也会根据对应的下标排序items数组——这不正是我们的需求吗?

性能测试

哈,写完了,测试一下性能吧。由于我们目前的实现是参考了LINQ排序,因此我们这里直接和它进行比较吧:

public class Person
{
    public int ID;
}
static void Main(string[] args)
{
    var random = new Random(DateTime.Now.Millisecond);
    var array = Enumerable.Repeat(0, 1000 * 500)
        .Select(_ => new Person { ID = random.Next() }).ToArray();

    CodeTimer.Initialize();
    CodeTimer.Time("SortWithLinq", 10,
        () => SortWithLinq(CloneArray(array)));

    CodeTimer.Time("SortWithArraySorter", 10,
        () => SortWithArraySorter(CloneArray(array)));

    Console.ReadLine();
}

static void SortWithLinq(Person[] people)
{
    var sorted =
        (from i in people
         orderby i.ID
         select i).ToList();
}

static void SortWithArraySorter(Person[] people)
{
    new ArraySorter<Person>().OrderBy(p => p.ID).Sort(people);
}

static T[] CloneArray<T>(T[] source)
{
    var dest = new T[source.Length];
    Array.Copy(source, dest, source.Length);
    return dest;
}

结果如何?

SortWithLinq
        Time Elapsed:   3,861ms
        CPU Cycles:     8,174,533,048
        Gen 0:          7
        Gen 1:          7
        Gen 2:          7

SortWithArraySorter
        Time Elapsed:   4,791ms
        CPU Cycles:     10,353,862,211
        Gen 0:          5
        Gen 1:          4
        Gen 2:          4

什么?性能反而变差了!

经过仔细和分析和比对之后,我可以确定我们的做法和LINQ排序可谓如出一辙。事实上,我们的做法就是参考了LINQ排序的实现方式(如“职责链”),在保留其优点的前提下进行一定简化的结果。那么性能究竟差在什么地方呢?

性能优化

似乎唯一可能产生性能差距的地方只有排序算法了。LINQ排序使用的是重写的排序算法,而我们则直接调用了Array.Sort方法的某个重载,难道问题出在这里?为此,我找到了Array.Sort方法的根源,其中有这样的代码:

namespace System.Collections.Generic
{
    internal class ArraySortHelper<TKey, TValue>
    {
        internal static void QuickSort(
            TKey[] keys, TValue[] values, int left, int right, IComparer<TKey> comparer)
        {
            ...
            if (values != null)
            {
                TValue local3 = values[a];
                values[a] = values[b];
                values[b] = local3;
            }

            ...
        }
    }
}

在QuickSort方法中,如果传入了values数组,则会在交换keys数组中元素的同时,一并交换values对应下标的元素。还记得我们我们之前对比较各种数组复制的性能的试验吗?从结果中我们得知,各种复制方式中最慢的便是根据下标一一复制。因为对于引用类型来说,为了避免GC造成影响,在每次进行引用复制时都会动用Write Barrier,性能降低再所难免。

于是,我们尝试着把ArraySorter的Sort方法修改成这样吧:

public void Sort(TElement[] array)
{
    if (this.m_headCriteria == null) return;
    var indexComparer = this.m_headCriteria.CreateComparer(array);

    var indexArray = new int[array.Length];
    for (int i = 0; i < array.Length; i++) indexArray[i] = i;

    // Array.Sort(indexArray, array, indexComparer);

    Array.Sort(indexArray, indexComparer);

    var arrayCopy = new TElement[array.Length];
    Array.Copy(array, arrayCopy, array.Length);

    for (int i = 0; i < array.Length; i++)
    {
        array[i] = arrayCopy[indexArray[i]];
    }
}

现在,我们来直接排序indexArray数组,并准备一个array数组的副本arrayCopy,最后再根据indexArray中保存的下标,把arrayCopy里的内容复制回array中去。那么再次试验一下吧:

SortWithLinq
        Time Elapsed:   3,756ms
        CPU Cycles:     7,856,900,073
        Gen 0:          8
        Gen 1:          8
        Gen 2:          8

SortWithArraySorter
        Time Elapsed:   3,672ms
        CPU Cycles:     7,833,900,349
        Gen 0:          5
        Gen 1:          4
        Gen 2:          4

虽然领先不多(几乎还在误差范围内),但至少不比前者慢了(这个结果很稳定,您可以亲自进行多次试验)。您可能会想,我们最后再为array数组赋值的时候又没有使用Array.Copy,为什么会有性能提升呢?这是因为,如果直接使用Array.Sort(keys, items)进行排序的话,对items数组的读写(交换元素)次数会高出许多。因此在作了这样的修改时候,目前的性能和原来相比会有不小的提升。

总结

啊哈,那么和原来的Array.Sort方法相比,我们编写的ArraySorter又会有哪些好处呢?关于这个问题,我们下次再来讨论吧,您也可以自己先进行一些测试。

当然,现在的ArraySorter还需要一些改进。例如,它还没有对输入参数进行校验,重载也不足够。另外,对于引用类型来说,我们最后的优化是有效果的,那么对于值类型或其他类型来说又如何呢?我还没有进行试验,这就交给您来发现了。

本文代码:http://gist.github.com/287857

相关文章

Creative Commons License

本文基于署名 2.5 中国大陆许可协议发布,欢迎转载,演绎或用于商业目的,但是必须保留本文的署名赵劼(包含链接),具体操作方式可参考此处。如您有任何疑问或者授权方面的协商,请给我留言

Add your comment

22 条回复

  1. Rich.Martin
    *.*.*.*
    链接

    Rich.Martin 2010-01-28 00:19:00

    抢个板凳..慢慢看

  2. 熊呜呜
    *.*.*.*
    链接

    熊呜呜 2010-01-28 00:20:00

    抢到位置明天看。

  3. 兔小少
    *.*.*.*
    链接

    兔小少 2010-01-28 01:20:00

    地板,明天起来慢慢看~呼呼~

  4. 温景良(Jason)
    *.*.*.*
    链接

    温景良(Jason) 2010-01-28 08:30:00

    为什么老赵总是凌晨发文章呢?哈哈指最近

  5. Leon Weng
    *.*.*.*
    链接

    Leon Weng 2010-01-28 08:34:00

    我昨天2点睡,但是没看到这篇文章,哎,学习啦,看来追本溯源很重要,今天就行动。:)

  6. 老赵
    admin
    链接

    老赵 2010-01-28 09:05:00

    温景良(Jason):为什么老赵总是凌晨发文章呢?哈哈指最近


    最近?其实我10篇里有8篇都是0点到1点发的……

  7. 幸运草
    *.*.*.*
    链接

    幸运草 2010-01-28 09:14:00

    一个排序引发的思考

  8. 极品菜鸟
    *.*.*.*
    链接

    极品菜鸟 2010-01-28 09:33:00

    啥问题不能一次说完啊?天天这么长篇大论的?

  9. 极品菜鸟
    *.*.*.*
    链接

    极品菜鸟 2010-01-28 09:37:00

    弄个板凳慢慢看

  10. 老赵
    admin
    链接

    老赵 2010-01-28 10:16:00

    极品菜鸟:啥问题不能一次说完啊?天天这么长篇大论的?


    嘿嘿,这您都觉得长,一次说完也“短不到哪里去”嘛。

  11. 温景良(Jason)
    *.*.*.*
    链接

    温景良(Jason) 2010-01-28 12:18:00

    Jeffrey Zhao:

    温景良(Jason):为什么老赵总是凌晨发文章呢?哈哈指最近


    最近?其实我10篇里有8篇都是0点到1点发的……


    呵呵,0点到1点就是我说凌晨哈哈

  12. Ivony...
    *.*.*.*
    链接

    Ivony... 2010-01-28 13:26:00

    呃,,,,Enumerable的实现其实就是换个名字,ThenBy。。。。

  13. 老赵
    admin
    链接

    老赵 2010-01-28 14:08:00

    @Ivony...
    它也是先OrderBy再ThenBy的……

  14. Ivony...
    *.*.*.*
    链接

    Ivony... 2010-01-28 15:10:00

    Jeffrey Zhao:
    @Ivony...
    它也是先OrderBy再ThenBy的……




    哦,你是说你的OrderBy和Enumerable.OrderBy重名。明白了。

    其实么,Enumerable的扩展方法也经常与现有方法重名的,它的解决方案是AsEnumerable(),这个方法啥事儿都不干,就是转换类型为IEnumerable<T>,这样就避开冲突了。

    不过这个Sorter也蛮好玩的,但是如果只是要对一个数组排序,在一个表达式里面写出来就比较累。。。。

  15. 老赵
    admin
    链接

    老赵 2010-01-28 15:13:00

    @Ivony...
    累一点点。其实重名倒是小事,但我实在不想写两套重载,呵呵。

  16. 老赵
    admin
    链接

    老赵 2010-01-28 15:14:00

    @Ivony...
    看了代码,原来AsEnuerable只是简单地return出来,只是让编译器好选择接口……我还以为是进行一个简单的封装呢。

  17. Ivony...
    *.*.*.*
    链接

    Ivony... 2010-01-28 15:44:00

    Jeffrey Zhao:
    @Ivony...
    看了代码,原来AsEnuerable只是简单地return出来,只是让编译器好选择接口……我还以为是进行一个简单的封装呢。


    是啊,这个东东的用处就是。

    譬如说你写了一个Collection:

    public class MyCollection : IEnumerable<T>
    {
    public void OrderBy<TKey>( Func<T, TKey> keySelector )
    {
    //...
    }
    }

    那么:
    var collection = new MyCollection();
    var ordered = collection.OrderBy( ... );//这里调用不到扩展方法。
    改为:
    var ordered = collection.AsEnumerable().OrderBy( ... );//这样就欢喜了。

  18. 老赵
    admin
    链接

    老赵 2010-01-28 15:49:00

    @Ivony...
    恩恩,是啊,我看了实现才意识到它只是给编译器用来明确方法的。
    我以前以为它是这样的:

    static IEnumerable AsEnumerable(this IEnumerable source)
    {
        return new EnumerableWrapper(source);
    }

    然后我就猜,它的方法是给某些方法“明确”使用IEnumerable进行调用准备的。
    比如,在PLINQ里,如果发现传入的IEnumerble实际上是个IList或是数组,那么就会使用下标进行访问,这样性能会高一些(主要是数据同步方面)。

  19. Ivony...
    *.*.*.*
    链接

    Ivony... 2010-01-28 16:02:00

    @Jeffrey Zhao

    他其实等同于((IEnumerable<T>)collection).OrderBy(...)。但更优越的地方是,他只有在collection的确是一个IEnumerable<T>对象的时候才能编译通过,即将类型检查提前到编译时。

    我现在也喜欢写很多AsXXXX的扩展方法,就是用的Wrapper的模式。例如AsPagingSource、AsHierachicalItem。。。。

  20. 兔小少
    *.*.*.*
    链接

    兔小少 2010-01-28 18:21:00

    老赵,能不能问你个问题:一个网站的某一部份数据如果特别频繁地被调用的话(比如一个新闻网站的新闻列表)那么这个时候是将它静态化运行速度快呢还是使用静态对象让它常驻内存更快一些呢?

  21. 老赵
    admin
    链接

    老赵 2010-01-28 20:51:00

    @兔小少
    自己测试一下比较好。

  22. guna123
    35.215.141.*
    链接

    guna123 2023-08-03 14:10:00

    酸菜鱼刚希望澳洲幸运10一端上来时,那扑鼻的香味立刻迎面而来,香飘满屋,保证让你口水直流。小笼汤包不仅看相好,味道也很不错呢。俗话说得好:“轻轻移,慢慢提,先开窗,后喝汤。”不过希望极速飞艇我饿管不了那么多,望着那么美味的小笼汤包,我的希望开奖网口水早就“飞流直下三千尺”了,我顾不得什么淑女形象,抓起汤包就往嘴里塞。

发表回复

登录 / 登录并记住我 ,登陆后便可删除或修改已发表的评论 (请注意保留评论内容)

昵称:(必填)

邮箱:(必填,仅用于Gavatar

主页:(可选)

评论内容(大于5个字符):

  1. Your Name yyyy-MM-dd HH:mm:ss

使用Live Messenger联系我