java - StringTokenizer - 读取带有整数的行

Question

我有一个关于优化我的代码的问题(它有效但太慢......)。我正在阅读表单中的输入

X1 Y1
X2 Y2
etc

其中 Xi、Yi 是整数。我使用 bufferedReader 读取行，然后使用 StringTokenizer 处理这些数字，如下所示:

StringTokenizer st = new StringTokenizer(line, " ");

int x = Integer.parseInt(st.nextToken());
int y = Integer.parseInt(st.nextToken());

问题是这种方法在处理大型数据集时似乎效率低下。你能建议我一些简单的改进(我听说可以使用一些整数解析 int 或正则表达式)来提高性能吗？感谢您的任何提示

编辑:也许我误判了自己，必须在代码的其他地方进行一些改进......

Answer 1

(更新的答案)

我可以说，无论您的程序速度有什么问题，分词器的选择都不是其中之一。在初始运行每种方法以平衡初始化怪癖之后，我可以在几毫秒内解析 1000000 行“12 34”。如果你愿意，你可以切换到使用 indexOf，但我真的认为你需要查看其他代码来寻找瓶颈，而不是这种微优化。拆分对我来说是一个惊喜 - 与其他方法相比，它真的非常慢。我在 Guava 拆分测试中添加了它，它比 String.split 快，但比 StringTokenizer 稍慢。

• 拆分:371 毫秒
• IndexOf:48 毫秒
• StringTokenizer:92 毫秒
• Guava Splitter.split():108 毫秒
• CsvMapper 构建一个 csv 文档并解析为 POJOS:237 毫秒(如果将行构建到一个文档中，则为 175 毫秒!)

即使在数百万行中，这里的差异也可以忽略不计。

现在我的博客上写了这篇文章:http://demeranville.com/battle-of-the-tokenizers-delimited-text-parser-performance/

我运行的代码是:

import java.util.StringTokenizer;
import org.junit.Test;

public class TestSplitter {

private static final String line = "12 34";
private static final int RUNS = 1000000;//000000;

public final void testSplit() {
    long start = System.currentTimeMillis();
    for (int i=0;i<RUNS;i++){
        String[] st = line.split(" ");
        int x = Integer.parseInt(st[0]);
        int y = Integer.parseInt(st[1]);
    }
    System.out.println("Split: "+(System.currentTimeMillis() - start)+"ms");
}

public final void testIndexOf() {
    long start = System.currentTimeMillis();
    for (int i=0;i<RUNS;i++){
        int index = line.indexOf(' ');
        int x = Integer.parseInt(line.substring(0,index));
        int y = Integer.parseInt(line.substring(index+1));
    }       
    System.out.println("IndexOf: "+(System.currentTimeMillis() - start)+"ms");      
}

public final void testTokenizer() {
    long start = System.currentTimeMillis();
    for (int i=0;i<RUNS;i++){
        StringTokenizer st = new StringTokenizer(line, " ");
        int x = Integer.parseInt(st.nextToken());
        int y = Integer.parseInt(st.nextToken());
    }
    System.out.println("StringTokenizer: "+(System.currentTimeMillis() - start)+"ms");
}

@Test
public final void testAll() {
    this.testSplit();
    this.testIndexOf();
    this.testTokenizer();
    this.testSplit();
    this.testIndexOf();
    this.testTokenizer();
}

}

eta:这是 Guava 代码:

public final void testGuavaSplit() {
    long start = System.currentTimeMillis();
    Splitter split = Splitter.on(" ");
    for (int i=0;i<RUNS;i++){
        Iterator<String> it = split.split(line).iterator();
        int x = Integer.parseInt(it.next());
        int y = Integer.parseInt(it.next());
    }
    System.out.println("GuavaSplit: "+(System.currentTimeMillis() - start)+"ms");
}

更新

我也添加了 CsvMapper 测试:

public static class CSV{
    public int x;
    public int y;
}

public final void testJacksonSplit() throws JsonProcessingException, IOException {
    CsvMapper mapper = new CsvMapper();
    CsvSchema schema = CsvSchema.builder().addColumn("x", ColumnType.NUMBER).addColumn("y", ColumnType.NUMBER).setColumnSeparator(' ').build();

    long start = System.currentTimeMillis();
    StringBuilder builder = new StringBuilder();
    for (int i = 0; i < RUNS; i++) {
        builder.append(line);
        builder.append('\n');
    }       
    String input = builder.toString();
    MappingIterator<CSV> it = mapper.reader(CSV.class).with(schema).readValues(input);
    while (it.hasNext()){
        CSV csv = it.next();
    }
    System.out.println("CsvMapperSplit: " + (System.currentTimeMillis() - start) + "ms");
}