PHP數組交集的優化

假設我們正在運營一個手機相關的網站，用戶可以通過指定若干參數（如操作系統，屏幕分辨率，攝像頭像素等等）來篩選自己想要的手機。不過由於手機的參數多，且不同的手機其參數差異大，所以參數表結構通常是縱表（一個參數是一行），而不是橫表（一個參數是一列），此時使用若干參數來取結果，通常就是把每個單獨參數來取結果，再一起取交集。

假定每個參數會包含一千個左右的唯一結果（id int），以此為前提來模擬生成一些數據：

 

<?php

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

    for ($i = 0; $i < 1000; null) {
        $value = mt_rand(1, 10000);

        if (!isset($result[$value])) {
            $result[$value] = null;
            $i++;
        }
    }

    return array_keys($result);
};

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

?>

 

注意：如果測試數據集過小的話，結論可能會出現不一致，先來看看通過PHP內置方法array_intersect實現的性能：

 

<?php

$time = microtime(true);

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

$time = microtime(true) - $time;

echo "array_intersect: {$time}n";

?>

 

再來看看通過自定義方法intersect實現的性能：

 

<?php

function 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]) {
                $i++;
            } else if($a[$i] > $b[$j]) {
                $j++;
            } else {
                $result[] = $a[$i];
                $i++;
                $j++;
            }
        }

        return $result;
    };

    $result = array_shift($args);

    sort($result);

    foreach ($args as $arg) {
        sort($arg);

        $result = $intersect($result, $arg);
    }

    return $result;
}

$time = microtime(true);

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

$time = microtime(true) - $time;

echo "intersect: {$time}n";

?>

 

直覺上，我們肯定會認為內置函數快於自定義函數，但本例中結果恰恰相反：

array_intersect： 0.023918151855469

intersect： 0.0026049613952637

需要提醒大家的是，array_intersect和intersect在功能上並不完全等價，例子如下：

 

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

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

 

array_intersect： 1， 2， 2

intersect： 1， 2

也就是說，如果在第一個數組參數中有重復元素的話，則array_intersect會返回所有滿足條件的重復元素，而不是僅僅返回一個，有興趣的讀者可以變換一下參數順序再看結果。

再唠叨一下，最初我寫intersect方法時，大概寫成下面這個樣子：

 

<?php

function 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);
        }
    }

    $result = array();

    $data = array_count_values(
        call_user_func_array('array_merge', $args)
    );

    foreach ($data AS $value => $count) {
        if ($count > 1) {
            $result[] = $value;
        }
    }

    return $result;
}

?>

 

代碼更簡潔，不過有一個弊端，因為使用了array_merge，所以當數組中元素非常多的時候，占用的內存會比較大，反之如果數組中元素不是非常多，那麼此方法也是可行的。

參考：Faster array_intersect