在使用Java編程語言時，我們將繼續(xù)討論與建議的實踐有關的系列文章，我們將討論String性能調(diào)優(yōu)。 我們將專注于如何有效地處理字符串創(chuàng)建， 字符串更改和字符串匹配操作。 此外，我們將提供我們自己的用于精確字符串匹配的最常用算法的實現(xiàn)。 與Java開發(fā)工具包中提供的用于精確字符串匹配的幼稚方法相比，這些算法中的許多算法都可以實現(xiàn)更好的性能。 本文以上述精確字符串匹配算法之間的性能比較作為結束。

所有討論的主題均基于用例，這些用例來自于電信行業(yè)的關鍵任務超高性能生產(chǎn)系統(tǒng)的開發(fā)。

在閱讀本文的每個部分之前，強烈建議您參考相關的Java API文檔以獲取詳細信息和代碼示例。

所有測試均針對具有以下特征的Sony Vaio進行：

• 系統(tǒng)：openSUSE 11.1（x86_64）
• 處理器（CPU）：Intel（R）Core（TM）2 Duo CPU T6670 @ 2.20GHz
• 處理器速度：1,200.00 MHz
• 總內(nèi)存（RAM）：2.8 GB
• Java：OpenJDK 1.6.0_0 64位

應用以下測試配置：

• 并發(fā)工作者線程數(shù)：1
• 每個工作人員重復測試的次數(shù)：1000
• 整體測試次數(shù)：100

字符串性能調(diào)優(yōu)

許多人在使用String對象時并沒有考慮性能。 但是，濫用String類可能會嚴重降低應用程序的性能。 您應該記住的最重要的事情是：

字符串對象是不可變的。 一旦創(chuàng)建了String對象，就無法更改它。 每個更改String的操作都會導致至少創(chuàng)建一個新的對象實例。 例如，使用串聯(lián)運算符（+）串聯(lián)兩個字符串會導致創(chuàng)建兩個新對象，一個用于實際串聯(lián)的臨時StringBuffer對象，一個指向串聯(lián)結果的新String實例（ StringBuffer “ toString（）”操作為用于實例化生成的String ）。 另一方面，與串聯(lián)運算符（+）相比，使用String “ concat（String ..）”操作執(zhí)行String串聯(lián)將提供更好的性能結果。 在后臺， 字符串 “ concat（String ..）”操作利用本機“ System.arrayCopy”操作來準備一個帶有兩個串聯(lián)字符串內(nèi)容的字符數(shù)組。 最后，創(chuàng)建一個新的String實例，該實例指向連接的結果

字符串引用是指向?qū)嶋HString對象實例的指針。 因此，如果實際的String對象不同，則使用“ ==”運算符比較表示相同文字內(nèi)容的兩個String實例將返回“ false”。 此外，使用String “ equals（String ..）”或String “ equalsIgnoreCase（String ..）”操作比較兩個String實例可提供有效的結果，但如果兩個比較的String分別由不同的實例表示，則執(zhí)行字符與字符的比較。它們的文字內(nèi)容具有相同的長度。 可以想象，“ equals（String ..）”和“ equalsIgnoreCase（String ..）”操作比“ ==”運算符要昂貴得多，后者在實例級別比較字符串。 然而，上述操作在所有文字內(nèi)容檢查之前執(zhí)行實例相等性檢查（ this == obj ）。 為了能夠在比較String實例時受益于“ this == obj”的相等性檢查，應將String值定義為文字字符串和/或字符串值常量表達式。 這樣做，您的String實例將被JVM自動插入。 另一種但不受歡??迎的方法是使用字符串 “ intern（）”操作，以便手動插入字符串 。 正如Java文檔中針對“ intern（）”方法明確指出的那樣，

“最初為空的字符串池由String類私下維護。

調(diào)用intern方法時，如果池已經(jīng)包含等于equals（Object）方法確定的此String對象的字符串，則返回池中的字符串。

否則，將此String對象添加到池中，并返回對此String對象的引用。

因此，對于任何兩個字符串s和t，當且僅當s.equals（t）為true時，s.intern（）== t.intern（）為true。

所有文字字符串和字符串值常量表達式都將被嵌入。”

我們建議在處理String類時的最佳做法如下：

贊成創(chuàng)建文字字符串和字符串值常量表達式，而不是使用String構造函數(shù)方法之一創(chuàng)建新的String對象

利用字符數(shù)組執(zhí)行String轉(zhuǎn)換操作可獲得最佳性能結果，但靈活性較差

在執(zhí)行String轉(zhuǎn)換操作（例如，刪除，插入，替換或附加字符，連接或拆分String）時，請使用StringBuilder或StringBuffer類。 StringBuilder類在Java 1.5中引入，并且是StringBuffer類的非同步對等形式。 因此，如果只有一個線程將執(zhí)行String轉(zhuǎn)換操作，則傾向于使用StringBuilder類，因為它是性能最好的

模式優(yōu)先精確字符串匹配

Java語言缺少快速的字符串搜索算法。 字符串 “ indexOf（…）”和“ lastIndexOf（…）”操作針對源文本對所提供的模式執(zhí)行幼稚搜索。 天真的搜索基于“強力”模式第一個精確的字符串匹配算法。 “強力”算法包括檢查文本中所有位置的模式是否從那里開始。 然后，每次嘗試后，它都會將圖案恰好向右移動一個位置。 但是，仍然存在其他幾種算法，它們在速度和效率上都遠勝過“蠻力”算法。

應用程序需要兩種解決方案，具體取決于首先給出哪個字符串，模式或文本。 在我們的例子中，模式是預先提供的，這意味著我們總是針對未知文本搜索提供的模式。 對于需要全文搜索（文本優(yōu)先精確字符串匹配）的所有應用程序，需要一套不同的算法來提供索引掃描。 Apache Lucene是實現(xiàn)后一種算法家族的最受歡迎的文本搜索引擎庫之一。 盡管如此，本文只會研究第一種算法。

感謝這項偉大的工作，來自魯昂大學信息學院的魯昂大學的Christian Charras和Thierry Lecroq的一本書名為“ 精確字符串匹配算法 ”，我們得以用Java實現(xiàn)最精確的字符串匹配算法。 ，先給出模式。 下面的列表顯示Christian Charras和Thierry Lecroq所提供的算法名稱，并在括號中顯示我們的算法實現(xiàn)“代碼名稱”。 有關每種算法的更多信息，請單擊相應的鏈接，以便重定向到“精確字符串匹配算法”一書的相關部分。

• 蠻力算法 （BF）
• 確定性有限自動機算法 （DFA）
• Karp-Rabin算法 （KR）
• 移位或算法 （SO）
• Morris-Pratt算法 （MP）
• Knuth-Morris-Pratt算法 （KMP）
• 西蒙算法 （SMN）
• Colussi算法 （CLS）
• Galil-Giancarlo算法 （GG）
• Apostolico-Crochemore算法 （AC）
• 不太天真算法 （NSN）
• Boyer-Moore算法 （BM）
• Turbo BM算法 （TBM）
• Apostolico-Giancarlo算法 （AG）
• 反向Colussi算法 （RC）
• Horspool算法 （HP）
• 快速搜索算法 （QS）
• 調(diào)優(yōu)的Boyer-Moore算法 （BMT）
• Zhu-Takaoka算法 （ZT）
• Berry-Ravindran算法 （BR）
• 史密斯算法 （SMT）
• Raita算法 （RT）
• 逆因子算法 （RF）
• Turbo逆因子算法 （TRF）
• 前向Dawg匹配算法 （FDM）
• 后向不確定Dawg匹配算法 （BNDM）
• 向后Oracle匹配算法 （BOM）
• Galil-Seiferas算法 （GS）
• 雙向算法 （TW）
• 有序字母算法中的字符串匹配 （SMOA）
• 最佳失配算法 （OM）
• 最大移位算法 （MS）
• 跳過搜索算法 （SS）
• KMP跳過搜索算法 （KPMSS）

在“精確字符串搜索算法”套件的初始版本（1.0.0）中，對于每種算法，我們都實現(xiàn)了三個實用程序操作：

• compile（String pattern）–基于提供的模式執(zhí)行所有必要預處理的靜態(tài)操作
• findAll（String source）–返回包含所有索引的列表，其中搜索算法指示有效的模式匹配
• findAll（String pattern，String source）–這是一個輔助靜態(tài)操作，封裝了上述兩個操作的功能

下面是使用Boyer-Moore算法（BM）的示例：

情況1

BM bm = BM.compile(pattern); List<Integer> idx = bm.findAll(source); List<Integer> idx2 = bm.findAll(source2); List<Integer> idx3 = bm.findAll(source3);

情況＃2

List<Integer> idx = BM.findAll(pattern, source);

在第一種情況下，我們編譯模式并以兩個不同的步驟執(zhí)行搜索。 當我們必須在多個源文本中搜索同一模式時，此方法是合適的。 通過編譯模式，由于預處理通常是繁重的操作，因此我們可以最大化性能結果。 另一方面，對于一次搜索，第二種方法提供了更方便的API。

我們必須指出我們提供的實現(xiàn)是線程安全的，并且當前我們不支持模式中的正則表達式。

以下是我們的精確字符串搜索算法套件的算法實現(xiàn)之間的示例性能比較。 我們使用65535個字符的完整字母大小搜索了1150000個字符的文本，以查找故意不存在的37個字符的短語。 請不要忘記這是一個相對的性能比較。 絕大多數(shù)提供的搜索算法的性能結果在很大程度上取決于提供的文本，提供的模式和字母大小。 因此，您應該只將String搜索算法之間的所有性能比較視為相對的。

在本節(jié)的開頭，我們已經(jīng)聲明Java語言缺少快速的String搜索算法。 但是，與我們的算法套件相比，標準的Java天真的實現(xiàn)有多慢？ 為了回答上述問題，我們實現(xiàn)了兩種方法，以便使用標準Java API檢索潛在模式匹配的所有索引值：

方法1 – indexOf（）方法

public static List<Integer> findAll(String pattern, String source) { List<Integer> idx = new ArrayList&ltInteger>(); int id = - 1 ; int shift = pattern.length(); int scnIdx = -shift; while (scnIdx != - 1 || id == - 1 ) { idx.add(scnIdx); id = scnIdx + shift; scnIdx = source.indexOf(pattern, id); } idx.remove( 0 ); return idx; }

方法2 – Matcher find（）方法

public static List<Integer> findAll(String pattern, String source) { List<Integer> idx = new ArrayList&ltInteger>(); Pattern ptrn = Pattern.compile(pattern); Matcher mtch = ptrn.matcher(source); while (mtch.find()) idx.add(mtch.start()); ??return idx; }

下面我們給出上述搜索算法之間的性能比較表

水平軸表示每種算法進行預處理和解析提供的文本所需的平均時間（以毫秒為單位）。 因此，較低的值更好。 如您所見，Java天真實現(xiàn)（indexOf（）方法）以及幾乎所有我們的搜索算法實現(xiàn)都優(yōu)于Java Matcher“ find（）”方法。 換句話說，當您處理中小型字符串搜索時，最好實現(xiàn)類似于我們上面提供的代碼片段之類的東西，而不要使用更復雜的字符串搜索算法。 另一方面，處理大型文檔時，我們套件中最快的算法之一肯定會派上用場！

您可以在此處下載精確字符串搜索算法套件發(fā)行版的1.0.0版

快樂編碼

賈斯汀

相關文章 ：

• Java最佳實踐–多線程環(huán)境中的DateFormat
• Java最佳實踐–高性能序列化
• Java最佳實踐– Vector vs ArrayList vs HashSet
• Java最佳實踐–隊列之戰(zhàn)和鏈接的ConcurrentHashMap
• Java最佳實踐– Char到Byte和Byte到Char的轉(zhuǎn)換

相關片段：

• 將String轉(zhuǎn)換為字節(jié)數(shù)組UTF編碼
• 將字符串轉(zhuǎn)換為字節(jié)數(shù)組ASCII編碼
• 使用indexOf方法搜索字符串
• StringBuffer追加方法
• StringTokenizer計數(shù)令牌
• 使用StringTokenizer反轉(zhuǎn)字符串

翻譯自: https://www.javacodegeeks.com/2010/09/string-performance-exact-string.html

總結

以上是生活随笔為你收集整理的Java最佳实践–字符串性能和精确字符串匹配的全部內(nèi)容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網(wǎng)站內(nèi)容還不錯，歡迎將生活随笔推薦給好友。