HashSet .remove所有方法都非常慢

Question

Jon Skeet最近在他的博客上提出了一个有趣的编程主题："There's a hole in my abstraction, dear Liza, dear Liza"（重点补充）：

事实上，我有一套 - 一个HashSet。我想从中删除一些项目...许多项目可能根本不存在。实际上，在我们的测试用例中，“removals”集合中的所有项目都不在原始集合中。这听起来 - 实际上 - 非常容易编码。毕竟，我们有Set<T>.removeAll来帮助我们，对吧？

我们在命令行中指定“source”集的大小和“removals”集合的大小，并构建它们。源集仅包含非负整数;删除集仅包含负整数。我们测量使用System.currentTimeMillis()去除所有元素需要多长时间，

import java.util.*;
public class Test 
{ 
    public static void main(String[] args) 
    { 
       int sourceSize = Integer.parseInt(args[0]); 
       int removalsSize = Integer.parseInt(args[1]); 

       Set<Integer> source = new HashSet<Integer>(); 
       Collection<Integer> removals = new ArrayList<Integer>(); 

       for (int i = 0; i < sourceSize; i++) 
       { 
           source.add(i); 
       } 
       for (int i = 1; i <= removalsSize; i++) 
       { 
           removals.add(-i); 
       } 

       long start = System.currentTimeMillis(); 
       source.removeAll(removals); 
       long end = System.currentTimeMillis(); 
       System.out.println("Time taken: " + (end - start) + "ms"); 
    }
}

不是世界上最精确的秒表，但在这种情况下绰绰有余，正如您所看到的。这是代码：

c:UsersJonTest>java Test 100 100
Time taken: 1ms

让我们从一个简单的工作开始：一个包含100个项目的源集，以及100个要删除的源：

c:UsersJonTest>java Test 1000000 300000
Time taken: 38ms

好吧，所以我们没想到它会变慢......显然我们可以提高一点。如何删除一百万件物品和300,000件物品？

c:UsersJonTest>java Test 300000 300000
Time taken: 178131ms

嗯。这看起来仍然很快。现在我觉得我有点残忍，要求它去除所有这些。让我们更轻松一点 - 300,000个源项目和300,000个删除：

HashSet<T>.removeAll

劳驾？差不多三分钟？哎呀！当然，从一个较小的集合中删除项目应该比我们在38ms内管理的项目更容易？

有人可以解释为什么会这样吗？为什么javadoc方法如此之慢？

Answer 1

这种行为（有些）记录在source.removeAll(removals);中：

此实现通过在每个集合上调用size方法来确定哪个是此集合和指定集合中较小的集合。如果此set具有较少的元素，则实现迭代该集合，依次检查迭代器返回的每个元素以查看它是否包含在指定的集合中。如果包含它，则使用迭代器的remove方法从该集合中删除它。如果指定的集合具有较少的元素，则实现迭代指定的集合，使用此set的remove方法从该集合中移除迭代器返回的每个元素。

当你打电话给removals时，这在实践中意味着什么：

• 如果source集合的大小比remove小，那么HashSet的removals方法被称为快速。
• 如果source集合的大小等于或大于removals.contains，则调用Collection<Integer> removals = new HashSet<Integer>(); ，这对于ArrayList来说很慢。

快速解决：

an open bug

请注意，removeAll与您描述的非常相似。底线似乎是它可能是一个糟糕的选择但不能改变，因为它在javadoc中有记录。

---

作为参考，这是

public boolean removeAll(Collection<?> c) {
    Objects.requireNonNull(c);
    boolean modified = false;

    if (size() > c.size()) {
        for (Iterator<?> i = c.iterator(); i.hasNext(); )
            modified |= remove(i.next());
    } else {
        for (Iterator<?> i = iterator(); i.hasNext(); ) {
            if (c.contains(i.next())) {
                i.remove();
                modified = true;
            }
        }
    }
    return modified;
}

的代码（在Java 8中 - 尚未检查其他版本）：

qazxswpoi