在 Java 中快速搜索特定字符答案

【问题标题】：Very fast search for specific characters in Java在 Java 中快速搜索特定字符
【发布时间】：2013-02-20 02:28:11
【问题描述】：

这似乎是一个有点愚蠢的问题。也许它是。但我有一个我经常使用的功能，想知道这是否是完成这项工作的最快方法。该功能被使用了很多次，以至于任何速度的提高实际上都是显而易见的。它所做的只是检查一个字符是否是一个核苷酸（即：如果一个字符是 'A'、'T'、'C' 或 'G'。

private static boolean isValidNucleotide(char nucleotide) {
    nucleotide = Character.toUpperCase(nucleotide);
    if(nucleotide == 'A') return true; 
    if(nucleotide == 'T') return true;
    if(nucleotide == 'C') return true;
    if(nucleotide == 'G') return true;
    return false;
}

这是完成工作的最快方法吗？还是您认为值得实现某种索引/映射/其他东西（可能在函数之外执行比较，然后将此文本复制到代码中的几个位置）？我真的不是 Java 中这类事情的专家。

【问题讨论】：

退后一步，重新审视实际的问题，而不是你的解决方案。实际上，以完全不同的方式执行此操作可能会更快，例如，预先限制用户输入，或尽早检查整个核苷酸序列，以便以后无需重复检查。甚至可能有理由（如果您更关心速度而不是有效性）根本不检查。
@paxdiablo 感谢您的建议。我确实接受了答案，但这些 cmets 绝对值得考虑。我确实必须验证，但可能有一种方法可以限制链中较早的输入。

标签： java performance search character

【解决方案1】：

最快（但内存效率最低，仍然 255 字节还不错！）会是这样的：

/* this is static member of class */
static boolean map[] = new boolean[256];
static {
    for(int j = 0; j < map.length; j++)
        map[j] = false;
    /* map your required values true here */ 
    map['A'] = true;
    map['T'] = true;
    map['C'] = true;
    map['G'] = true;
    /* make small letter here too */
    map['a'] = true;
    map['t'] = true;
    map['c'] = true;
    map['g'] = true;
}

然后做一个这样的函数：

private static boolean isValidNucleotide(char nucleotide) {
    /* complexity is just one access to array */
    return map[nucleotide];
}

正如@paxdiablo 所说，在 java 中 char 是 2 个字节而不是 1 个字节，但你的字符在这个范围内。只需将return map[nucleotide]; 更改为return map[0x00ff & nucleotide]; 即可。

您还可以将地图大小更改为65536，以确保安全并避免任何类型的错误。 boolean map = new boolean[65536]

【讨论】：

如果字符高于 255会怎样？ Java 本身不是 Unicode 吗？
好像是这样。我做了一个类似于 iTech 所做的测试。令人印象深刻！
顺便说一句，您还应该将其更改为 256，从而为您提供索引 0..255。
所以事实上，如果核苷酸高于 255 会发生什么情况，那就是你得到了一个异常！或者如果你掩盖它，你可能会得到错误的答案......这更糟。
@paxdiablo 谢谢！是的，有道理。

【解决方案2】：

你可以试试switch-case，它通常实现为小开关的表查找：

switch(nucleotide) {
case 'A':
case 'T':
case 'C':
case 'G':
    return true;
}
return false;

请注意，如果调用足够频繁，JVM 的 JIT 可能会使基于 if 的代码非常快。

【讨论】：

有趣，是的，我想知道 JVM 是否会自行进行这些优化。不过，这看起来很可靠。我会尝试一个测试，看看它对运行时有什么影响。
您也可以尝试通过将小写字母添加到switch 来替换toUpperCase 调用。
检查后，接受的答案比我机器上的这个更快。不过，这个答案也很好，因为它也很快并且意图更清晰，这意味着它可能会从 JRE 的未来优化中获得更多好处。

【解决方案3】：

摆脱Character.toUpperCase 并检查大写和小写，这将显着加快您的功能。

private static boolean isValidNucleotide(char nucleotide) {       
    if(nucleotide == 'A' || nucleotide == 'a') return true; 
    // Rest of your conditions

    return false;
}

我用你的原始函数做了一个小测试，平均 80 ms 执行10000000 times 但是当我删除 Character.toUpperCase() 并明确检查这两种情况时，它只需要 40 ms，这是显着的改进。

编辑：

使用@Shivam Kalra 建议的Map 解决方案平均只需要11 ms！

【讨论】：

尝试将switch (nucleotide)更改为switch ((byte) nucleotide)
我试过了，但不影响性能，还用了40 ms
地图解决方案更快，因为它跳过了一些范围检查。仅当您可以假设输入字符都小于 256 时，它才有效。
（我的想法是，也许可以说服 JIT 编译器使用更大的开关表并避免一些“不必要的”范围测试。这样会更快。）

【解决方案4】：

我没试过，不过你可以试试用Regex看看效果

【讨论】：