HashSet 代码的意外运行时间

Question

原来，我有这个代码：

import java.util.*;

public class sandbox {
    public static void main(String[] args) {
        HashSet<Integer> hashSet = new HashSet<>();
        for (int i = 0; i < 100_000; i++) {
            hashSet.add(i);
        }

        long start = System.currentTimeMillis();

        for (int i = 0; i < 100_000; i++) {
            for (Integer val : hashSet) {
                if (val != -1) break;
            }

            hashSet.remove(i);
        }

        System.out.println("time: " + (System.currentTimeMillis() - start));
    }
}

在我的计算机上运行嵌套的 for 循环大约需要 4 秒，我不明白为什么要花这么长时间。外部循环运行 100,000 次，内部 for 循环应该运行 1 次（因为 hashSet 的任何值都不会是 -1）并且从 HashSet 中删除一个项目是 O(1)，所以应该有大约 200,000 次操作。如果一秒钟内通常有 100,000,000 次操作，那我的代码为什么需要 4s 才能运行？

另外，如果hashSet.remove(i);这一行被注释掉，代码只需要16ms。 如果内部的for循环被注释掉了（而不是hashSet.remove(i);），代码只需要8ms。

Answer 1

您创建了HashSet 的边缘用例，其中算法降级为二次复杂度。

这是需要很长时间的简化循环：

for (int i = 0; i < 100_000; i++) {
    hashSet.iterator().next();
    hashSet.remove(i);
}

async-profiler 表明几乎所有时间都花在 java.util.HashMap$HashIterator() 构造函数中：

    HashIterator() {
        expectedModCount = modCount;
        Node<K,V>[] t = table;
        current = next = null;
        index = 0;
        if (t != null && size > 0) { // advance to first entry
--->        do {} while (index < t.length && (next = t[index++]) == null);
        }
    }

突出显示的行是一个线性循环，用于搜索哈希表中的第一个非空桶。

由于Integer有琐碎的hashCode（即hashCode等于数字本身），原来连续整数大多占据哈希表中连续的桶：数字0去第一个桶，数字1去第二个桶，等等。

现在您删除从 0 到 99999 的连续数字。在最简单的情况下（当存储桶包含单个键时），删除键是通过将存储桶数组中的相应元素清空来实现的。请注意，表格在删除后不会被压缩或重新散列。

因此，您从存储桶数组的开头删除的键越多，HashIterator 需要找到第一个非空存储桶的时间就越长。

尝试从另一端移除钥匙：

hashSet.remove(100_000 - i);

算法将变得更快！