Java for循环嵌套for循环，你需要懂的代码性能优化技巧

痛定思痛。 2023-09-24 23:39 58阅读 0赞

# **前言** #

本篇分析的技巧点其实是比较常见的，但是最近的几次的代码评审还是发现有不少兄弟没注意到。

所以还是想拿出来说下。

# **正文** #

是个什么场景呢？

> 就是 for循环 里面还有 for循环， 然后做一些数据匹配、处理 这种场景。

我们结合实例代码来看看。

场景示例：

> 比如我们现在拿到两个list 数据 ，
> 
> 一个是 User List 集合 ；
> 
> 另一个是 UserMemo List集合；
> 
>   
> 我们需要遍历 User List ，然后根据 userId 从 UserMemo List 里面取出 对应这个userId 的 content 值，做数据处理。

代码 User.java ：

import lombok.Data;
    
    @Data
    public class User {
        private Long userId;
        private String name;
    }

代码 UserMemo.java ：

import lombok.Data;
    
    @Data
    public class UserMemo {
        private Long userId;
        private String content;
    }

模拟 数据集合 ：

5W 条 user 数据 ， 3W条 userMemo数据

public static List<User> getUserTestList() {
            List<User> users = new ArrayList<>();
            for (int i = 1; i <= 50000; i++) {
                User user = new User();
                user.setName(UUID.randomUUID().toString());
                user.setUserId((long) i);
                users.add(user);
            }
            return users;
        }
    
        public static List<UserMemo> getUserMemoTestList() {
            List<UserMemo> userMemos = new ArrayList<>();
            for (int i = 30000; i >= 1; i--) {
                UserMemo userMemo = new UserMemo();
                userMemo.setContent(UUID.randomUUID().toString());
                userMemo.setUserId((long) i);
                userMemos.add(userMemo);
            }
            return userMemos;
        }

先看平时大家不注意的时候可能会这样去写代码处理 ：  
  
![a8e514b68ac04c368e80e4f1421b7764.png][]

ps： 其实数据量小的话，其实没多大性能差别，不过我们还是需要知道一些技巧点。

代码：

public static void main(String[] args) {
            List<User> userTestList = getUserTestList();
            List<UserMemo> userMemoTestList = getUserMemoTestList();
    
    
            StopWatch stopWatch = new StopWatch();
            stopWatch.start();
    
            for (User user : userTestList) {
                Long userId = user.getUserId();
                for (UserMemo userMemo : userMemoTestList) {
                    if (userId.equals(userMemo.getUserId())) {
                        String content = userMemo.getContent();
                        System.out.println("模拟数据content 业务处理......"+content);
                    }
                }
            }
    
    
            stopWatch.stop();
            System.out.println("最终耗时"+stopWatch.getTotalTimeMillis());
    
    
        }

我们来看看 这时候的一个耗时情况 ：  
  
相当于迭代了 5W \* 3W 次

可以看到用时 是 26857毫秒

![0ca27f228db742bd99c37144b334db49.png][]

其实到这，插入个题外点，如果说每个userId 在 UserMemo List 里面 都是只有一条数据的场景。

for (User user : userTestList) {
                Long userId = user.getUserId();
                for (UserMemo userMemo : userMemoTestList) {
                    if (userId.equals(userMemo.getUserId())) {
                        String content = userMemo.getContent();
                        System.out.println("模拟数据content 业务处理......"+content);
                   
                    }
                }
            }

单从这段代码有没有问题 ，有没有优化点。

显然是有的， 因为当我们从内循环UserMemo List里面找到匹配数据的时候， 没有做其他操作了。

这样 内for循环会继续下，直到跑完再进行下一轮整体循环。

所以，仅针对这种情形，1对1的或者说我们只需要找到一个匹配项，处理完后我们 **应该使用 break**。

我们来看看 加上 break 的一个耗时情况 ：

![aef6beb51f474bdca7ad80deedb4edd8.png][]

代码：

public static void main(String[] args) {
            List<User> userTestList = getUserTestList();
            List<UserMemo> userMemoTestList = getUserMemoTestList();
    
    
            StopWatch stopWatch = new StopWatch();
            stopWatch.start();
    
            for (User user : userTestList) {
                Long userId = user.getUserId();
                for (UserMemo userMemo : userMemoTestList) {
                    if (userId.equals(userMemo.getUserId())) {
                        String content = userMemo.getContent();
                        System.out.println("模拟数据content 业务处理......"+content);
                        break;
                    }
                }
            }
    
    
            stopWatch.stop();
            System.out.println("最终耗时"+stopWatch.getTotalTimeMillis());
    
    
        }

耗时情况：

可以看到 从 2W 多毫秒 变成了 1W 多毫秒， 这个break 加的很OK。

![89b15d7bf34447d99e1730b24fd7a8c9.png][]

--------------------

回到我们刚才, 平时需要for 循环 里面再 for 循环 这种方式，可以看到耗时是 2万6千多毫秒。

那如果场景更复杂一定， 是for 循环里面 for循环 多个或者， for循环里面还有一层for 循环 ，那这样代码耗时真的非常恐怖。

那么接下来这个技巧点是 使用map 去优化 ：

![d7e7817f2f6041c6ace51a92b37b9221.png][]

代码：

public static void main(String[] args) {
            List<User> userTestList = getUserTestList();
            List<UserMemo> userMemoTestList = getUserMemoTestList();
    
    
            StopWatch stopWatch = new StopWatch();
            stopWatch.start();
            //使用stream() 记得一定要判空 这里没列出来，大家自己注意
            Map<Long, String> contentMap =
                    userMemoTestList.stream().collect(Collectors.toMap(UserMemo::getUserId, UserMemo::getContent));
    
            for (User user : userTestList) {
                Long userId = user.getUserId();
                String content = contentMap.get(userId);
    
                if (StringUtils.hasLength(content)) {
                    System.out.println("模拟数据content 业务处理......" + content);
                }
    
            }
    
            stopWatch.stop();
            System.out.println("最终耗时" + stopWatch.getTotalTimeMillis());
    
    
        }

看看耗时:

![bd9f3e0628694a56b79affa7b0e825a6.png][]

为什么 这么显著的效果 ？

这其实就是时间复杂度，

for循环嵌套for循环，

就好比 循环每一个 user ，拿出 userId

需要在里面的循环从 userMemo list集合里面 按顺序去开盲盒匹配,

拿出第一个，看看userId ，拿出第二个，看看userId ，一直找匹配的。

而我们提前对 userMemo list集合 做一次 遍历，转存储在map里面 。

map的取值效率 在多数的情况下是能维持接近 O（1） 的 ， 毕竟数据结构摆着，数组加链表。

相当于拿到userId 想去开盲盒的时候， 根据userId 这个key hash完能直接找到数组里面的索引标记位， 如果底下没链表（有的话O(logN)），直接取出来就完事了。

![6c7a4a05e6f04ccc80fb597371151f61.png][]

然后补充一个getNode的代码注释 ：

/**
         * Implements Map.get and related methods.
         * 这是个 Map.get 的实现 方法
         * @param hash hash for key
         * @param key the key
         * @return the node, or null if none
         */
    //    final 写死了 无法更改 返回 Node 传入查找的 hash 值 和 key键
        final Node<K,V> getNode(int hash, Object key) {
    //        tab 还是 哈希表
    //        first 哈希表找的链表红黑树对应的 头结点
    //        e 代表当前节点
    //        k 代表当前的 key
            Node<K,V>[] tab; Node<K,V> first, e; int n; K k;
    //        赋值 并过滤 哈希表 空的长度不够的 对应位置没存数据的 都直接 return null
            if ((tab = table) != null && (n = tab.length) > 0 &&
                (first = tab[(n - 1) & hash]) != null) {
    //            头结点就 找到了 hash相等值相等 或者 不空的 key 和当前节点 equals
                if (first.hash == hash && // always check first node
                    ((k = first.key) == key || (key != null && key.equals(k))))
                    return first;
    //            头结点不匹配 没找到就 就用 next 找
                if ((e = first.next) != null) {
    //                是不是红黑树 的
                    if (first instanceof TreeNode)
                        return ((TreeNode<K,V>)first).getTreeNode(hash, key);
    //                红黑树就直接 调用 红黑树内查找
    
    //                不为空或者没找到就do while 循环
                    do {
    //                    当前节点 找到了 hash相等值相等 或者 不空的 key 和当前节点 equals
                        if (e.hash == hash &&
                            ((k = e.key) == key || (key != null && key.equals(k))))
                            return e;
                    } while ((e = e.next) != null);
                }
            }
            return null;
        }
    =

按照目前以JDK8 的hash算法，起hash冲突的情况是非常非常少见了。  
最恶劣的情况，只有当 全部key 都冲突， 全都分配到一个桶里面去都占用一个位置 ，这时候就是O（n），这种情景不需要去考虑。

好了，该篇就到这。

[a8e514b68ac04c368e80e4f1421b7764.png]: https://img-blog.csdnimg.cn/a8e514b68ac04c368e80e4f1421b7764.png
[0ca27f228db742bd99c37144b334db49.png]: https://img-blog.csdnimg.cn/0ca27f228db742bd99c37144b334db49.png
[aef6beb51f474bdca7ad80deedb4edd8.png]: https://img-blog.csdnimg.cn/aef6beb51f474bdca7ad80deedb4edd8.png
[89b15d7bf34447d99e1730b24fd7a8c9.png]: https://img-blog.csdnimg.cn/89b15d7bf34447d99e1730b24fd7a8c9.png
[d7e7817f2f6041c6ace51a92b37b9221.png]: https://img-blog.csdnimg.cn/d7e7817f2f6041c6ace51a92b37b9221.png
[bd9f3e0628694a56b79affa7b0e825a6.png]: https://img-blog.csdnimg.cn/bd9f3e0628694a56b79affa7b0e825a6.png
[6c7a4a05e6f04ccc80fb597371151f61.png]: https://img-blog.csdnimg.cn/6c7a4a05e6f04ccc80fb597371151f61.png