PHP数组交集的优化

假设我们正在运营一个手机相关的网站,用户可以通过指定若干参数(如操作系统,屏幕分辨率,摄像头像素等等)来筛选自己想要的手机。不过由于手机的参数多,且不同的手机其参数差异大,所以参数表结构通常是纵表(一个参数是一行),而不是横表(一个参数是一列),此时使用若干参数来取结果,通常就是把每个单独参数来取结果,再一起取交集。

假定每个参数会包含一千个左右的产品ID(int),以此为前提来模拟生成一些数据:

<?php

$rand = function() {
    $result = array();

    for ($i = 0; $i < 1000; $i++) {
        $result[] = mt_rand(1, 10000);
    }

    return $result;
};

$param_a = $rand();
$param_b = $rand();

?>

注意:如果测试数据集过小的话,结论可能会出现不一致。

先看看通过PHP内置方法array_intersect实现的性能:

<?php

$time = microtime(true);

$result = array_intersect($param_a, $param_b);

$time = microtime(true) - $time;

echo "array_intersect: {$time}\n";

?>

在优化之前,我们先来看看array_intersect一些特殊的地方:

<?php

$param_a = array(1, 2, 2);
$param_b = array(1, 2, 3);

var_dump(
    array_intersect($param_a, $param_b),
    array_intersect($param_b, $param_a)
);

?>
  • array_intersect($param_a, $param_b): 1, 2, 2
  • array_intersect($param_b, $param_a): 1, 2

也就是说,如果在第一个数组参数中有重复元素的话,则array_intersect会返回所有满足条件的重复元素。改写array_intersect的时候最好兼容这些功能。

下面看看通过自定义方法int_array_intersect实现的性能:

<?php

function int_array_intersect()
{
    if (func_num_args() < 2) {
        trigger_error('param error', E_USER_ERROR);
    }

    $args = func_get_args();

    foreach ($args AS $arg) {
        if (!is_array($arg)) {
            trigger_error('param error', E_USER_ERROR);
        }
    }

    $intersect = function($a, $b) {
        $result = array();

        $length_a = count($a);
        $length_b = count($b);

        for ($i = 0, $j = 0; $i < $length_a && $j < $length_b; null) {
            if($a[$i] < $b[$j] && ++$i) {
                continue;
            }

            if($a[$i] > $b[$j] && ++$j) {
                continue;
            }

            $result[] = $a[$i];

            if (isset($a[$next = $i + 1]) && $a[$next] != $a[$i]) {
                ++$j;
            }
            ++$i;
        }

        return $result;
    };

    $result = array_shift($args);
    sort($result);

    foreach ($args as $arg) {
        sort($arg);
        $result = $intersect($result, $arg);
    }

    return $result;
}

$time = microtime(true);

$result = int_array_intersect($param_a, $param_b);

$time = microtime(true) - $time;

echo "int_array_intersect: {$time}\n";

?>

直觉上,我们肯定会认为内置函数快于自定义函数,但本例中结果恰恰相反:

  • array_intersect: 0.023918151855469
  • int_array_intersect: 0.0026049613952637

为什么?原因在于int_array_intersect操作的都是整数,而array_intersect操作的都是字符串,如果你传给它整数,它会做一步耗时的『(string)』类型转换操作。

注:测试结果基于PHP5.3.5,不同版本结论可能存在差异

参考:Faster array_intersect

9 thoughts on “PHP数组交集的优化

  1. Pingback引用通告: Tweets that mention PHP数组交集的优化 | 火丁笔记 -- Topsy.com

  2. Pingback引用通告: 網站製作學習誌 » [Web] 連結分享

  3. 没有实际测试过,如果真是这种情况的话,个人觉得得是算法不同的原因:
    在PHP的内部实现是在排序后,从第一个数组删除不在其它数组中元素的过程。
    而LZ的实现是在排序后,将相同的元素提取出来的过程
    并且对于数字和字符串,PHP的内部实现已经做了处理。

  4. Pingback引用通告: PHP数组交集的优化方法 « Php教程 « dedecms仿站_dedecms模板下载_dedecms教程_dedecms企业模板_dedecms建站-织梦者

  5. 确实是这么回事。
    处理 array_intersect、int_array_intersect 分别2000次,$param_a、$param_b各1000长度。
    Did array_intersect() in 14.576308012009 seconds
    Did int_array_intersect() in 2.9925479888916 seconds

    不过当$param_a、$param_b小的时候,如果是5个长度,那就相反了
    Did array_intersect() in 0.015894889831543 seconds
    Did int_array_intersect() in 0.019869089126587 seconds

  6. Pingback引用通告: PHP数组交集的优化 | 莲娜用户体验研究日志 Lyna UED

发表评论

电子邮件地址不会被公开。 必填项已用*标注