HashSet против производительности списка

По-разному. Если точный ответ действительно имеет значение, проведите профилирование и узнайте. Если вы уверены, что у вас никогда не будет больше определенного количества элементов в наборе, используйте список. Если число не ограничено, используйте HashSet.

Безубыточность будет зависеть от стоимости вычисления хэша. Вычисления хэшей могут быть тривиальными или нет ... :-) Всегда существует класс System.Collections.Specialized.HybridDictionary, который поможет вам не беспокоиться о точке безубыточности.

Зависит от множества факторов ... Реализация списка, архитектура ЦП, JVM, семантика цикла, сложность метода равенства и т. д. К тому времени, когда список станет достаточно большим для эффективного тестирования (более 1000 элементов), двоичный файл на основе хеша Поисковые запросы превосходят линейный поиск, и разница только возрастает.

Надеюсь это поможет!

Зависит от того, что вы хешируете. Если ваши ключи являются целыми числами, вам, вероятно, не понадобится очень много элементов, прежде чем HashSet станет быстрее. Если вы вводите его в строке, он будет медленнее и зависит от входной строки.

Конечно, вы могли бы довольно легко создать тест?

Ответ, как всегда, - «По-разному». Я предполагаю, что из тегов вы говорите о C#.

Лучше всего определить

1. Набор данных
2. Требования к использованию

и напишите несколько тестовых примеров.

Это также зависит от того, как вы сортируете список (если он вообще сортируется), какие сравнения необходимо провести, сколько времени занимает операция «Сравнить» для конкретного объекта в списке или даже от того, как вы собираетесь использовать коллекция.

Как правило, лучший вариант зависит не столько от размера данных, с которыми вы работаете, сколько от того, как вы собираетесь получить к ним доступ. У вас есть каждый фрагмент данных, связанный с определенной строкой или другими данными? Вероятно, лучше всего подойдет коллекция на основе хешей. Важен ли порядок данных, которые вы храните, или вам понадобится доступ ко всем данным одновременно? Тогда может быть лучше обычный список.

Дополнительный:

Конечно, в моих комментариях выше предполагается, что «производительность» означает доступ к данным. Еще кое-что, что нужно учесть: что вы ищете, когда говорите «производительность»? Подбирается ли индивидуальная ценность производительности? Это управление большими (10000, 100000 и более) наборами значений? Это производительность заполнения структуры данных данными? Удаление данных? Доступ к отдельным битам данных? Замена ценностей? Перебирать значения? Использование памяти? Скорость копирования данных? Например, если вы обращаетесь к данным с помощью строкового значения, но ваше основное требование к производительности - минимальное использование памяти, у вас могут возникнуть конфликтующие проблемы с дизайном.

Использование HashSet <> или List <> сводится к как вам нужно получить доступ к вашей коллекции. Если вам нужно гарантировать порядок элементов, используйте список. Если вы этого не сделаете, используйте HashSet. Пусть Microsoft позаботится о реализации своих алгоритмов и объектов хеширования.

HashSet будет обращаться к элементам без необходимости перечислять коллекцию (сложность О (1) или около нее), и поскольку List гарантирует порядок, в отличие от HashSet, некоторые элементы должны быть перечислены (сложность O (n)).

Один фактор, который вы не принимаете во внимание, - это надежность функции GetHashcode (). С идеальной хэш-функцией HashSet явно будет иметь лучшую производительность поиска. Но по мере уменьшения хэш-функции будет уменьшаться и время поиска HashSet.

Вы неправильно смотрите на это. Да, линейный поиск по списку превзойдет HashSet для небольшого количества элементов. Но для таких небольших коллекций разница в производительности обычно не имеет значения. Обычно вам приходится беспокоиться о больших коллекциях, и именно здесь вы думать с точки зрения Big-O. Однако, если вы измерили реальное узкое место в производительности HashSet, вы можете попытаться создать гибридный List / HashSet, но вы сделаете это, проведя множество эмпирических тестов производительности, не задавая вопросов по SO.

Вы можете использовать HybridDictionary, который автоматически определяет точку разрыва и принимает нулевые значения, что делает его практически таким же, как HashSet.

Многие люди говорят, что как только вы достигнете размера, при котором скорость на самом деле является проблемой, HashSet<T> всегда будет побеждать List<T>, но это зависит от того, что вы делаете.

Допустим, у вас есть List<T>, в котором будет в среднем всего 5 элементов. При большом количестве циклов, если один элемент добавляется или удаляется в каждом цикле, вам может быть лучше использовать List<T>.

Я провел тест на своем компьютере, и, ну, он должен быть очень маленьким, чтобы получить преимущество от List<T>. Для списка коротких строк преимущество исчезло после размера 5, для объектов после размера 20.

1 item LIST strs time: 617ms
1 item HASHSET strs time: 1332ms

2 item LIST strs time: 781ms
2 item HASHSET strs time: 1354ms

3 item LIST strs time: 950ms
3 item HASHSET strs time: 1405ms

4 item LIST strs time: 1126ms
4 item HASHSET strs time: 1441ms

5 item LIST strs time: 1370ms
5 item HASHSET strs time: 1452ms

6 item LIST strs time: 1481ms
6 item HASHSET strs time: 1418ms

7 item LIST strs time: 1581ms
7 item HASHSET strs time: 1464ms

8 item LIST strs time: 1726ms
8 item HASHSET strs time: 1398ms

9 item LIST strs time: 1901ms
9 item HASHSET strs time: 1433ms

1 item LIST objs time: 614ms
1 item HASHSET objs time: 1993ms

4 item LIST objs time: 837ms
4 item HASHSET objs time: 1914ms

7 item LIST objs time: 1070ms
7 item HASHSET objs time: 1900ms

10 item LIST objs time: 1267ms
10 item HASHSET objs time: 1904ms

13 item LIST objs time: 1494ms
13 item HASHSET objs time: 1893ms

16 item LIST objs time: 1695ms
16 item HASHSET objs time: 1879ms

19 item LIST objs time: 1902ms
19 item HASHSET objs time: 1950ms

22 item LIST objs time: 2136ms
22 item HASHSET objs time: 1893ms

25 item LIST objs time: 2357ms
25 item HASHSET objs time: 1826ms

28 item LIST objs time: 2555ms
28 item HASHSET objs time: 1865ms

31 item LIST objs time: 2755ms
31 item HASHSET objs time: 1963ms

34 item LIST objs time: 3025ms
34 item HASHSET objs time: 1874ms

37 item LIST objs time: 3195ms
37 item HASHSET objs time: 1958ms

40 item LIST objs time: 3401ms
40 item HASHSET objs time: 1855ms

43 item LIST objs time: 3618ms
43 item HASHSET objs time: 1869ms

46 item LIST objs time: 3883ms
46 item HASHSET objs time: 2046ms

49 item LIST objs time: 4218ms
49 item HASHSET objs time: 1873ms

Вот эти данные, отображаемые в виде графика:

Вот код:

static void Main(string[] args)
{
    int times = 10000000;


    for (int listSize = 1; listSize < 10; listSize++)
    {
        List<string> list = new List<string>();
        HashSet<string> hashset = new HashSet<string>();

        for (int i = 0; i < listSize; i++)
        {
            list.Add("string" + i.ToString());
            hashset.Add("string" + i.ToString());
        }

        Stopwatch timer = new Stopwatch();
        timer.Start();
        for (int i = 0; i < times; i++)
        {
            list.Remove("string0");
            list.Add("string0");
        }
        timer.Stop();
        Console.WriteLine(listSize.ToString() + " item LIST strs time: " + timer.ElapsedMilliseconds.ToString() + "ms");


        timer = new Stopwatch();
        timer.Start();
        for (int i = 0; i < times; i++)
        {
            hashset.Remove("string0");
            hashset.Add("string0");
        }
        timer.Stop();
        Console.WriteLine(listSize.ToString() + " item HASHSET strs time: " + timer.ElapsedMilliseconds.ToString() + "ms");
        Console.WriteLine();
    }


    for (int listSize = 1; listSize < 50; listSize+=3)
    {
        List<object> list = new List<object>();
        HashSet<object> hashset = new HashSet<object>();

        for (int i = 0; i < listSize; i++)
        {
            list.Add(new object());
            hashset.Add(new object());
        }

        object objToAddRem = list[0];

        Stopwatch timer = new Stopwatch();
        timer.Start();
        for (int i = 0; i < times; i++)
        {
            list.Remove(objToAddRem);
            list.Add(objToAddRem);
        }
        timer.Stop();
        Console.WriteLine(listSize.ToString() + " item LIST objs time: " + timer.ElapsedMilliseconds.ToString() + "ms");



        timer = new Stopwatch();
        timer.Start();
        for (int i = 0; i < times; i++)
        {
            hashset.Remove(objToAddRem);
            hashset.Add(objToAddRem);
        }
        timer.Stop();
        Console.WriteLine(listSize.ToString() + " item HASHSET objs time: " + timer.ElapsedMilliseconds.ToString() + "ms");
        Console.WriteLine();
    }

    Console.ReadLine();
}

Просто подумал, что я подключусь к некоторым тестам для разных сценариев, чтобы проиллюстрировать предыдущие ответы:

1. Несколько (12-20) небольших строк (длиной от 5 до 10 символов)
2. Множество (~ 10K) маленьких струнных
3. Несколько длинных строк (длина от 200 до 1000 символов)
4. Множество (~ 5K) длинных струн
5. Несколько целых чисел
6. Множество (~ 10K) целых чисел

И для каждого сценария поиск значений, которые появляются:

1. В начале списка («начало», индекс 0)
2. Ближе к началу списка («ранний», индекс 1)
3. В середине списка («середина», количество индексов / 2)
4. Ближе к концу списка ("поздно", счетчик индексов-2)
5. В конце списка ("end", index count-1)

Перед каждым сценарием я генерировал списки случайных строк случайного размера, а затем загружал каждый список в хэш-набор. Каждый сценарий запускался 10 000 раз, в основном:

(тестовый псевдокод)

stopwatch.start
for X times
    exists = list.Contains(lookup);
stopwatch.stop

stopwatch.start
for X times
    exists = hashset.Contains(lookup);
stopwatch.stop

Пример вывода

Протестировано на Windows 7, 12 ГБ ОЗУ, 64-разрядная версия, Xeon 2,8 ГГц

---------- Testing few small strings ------------
Sample items: (16 total)
vgnwaloqf diwfpxbv tdcdc grfch icsjwk
...

Benchmarks:
1: hashset: late -- 100.00 % -- [Elapsed: 0.0018398 sec]
2: hashset: middle -- 104.19 % -- [Elapsed: 0.0019169 sec]
3: hashset: end -- 108.21 % -- [Elapsed: 0.0019908 sec]
4: list: early -- 144.62 % -- [Elapsed: 0.0026607 sec]
5: hashset: start -- 174.32 % -- [Elapsed: 0.0032071 sec]
6: list: middle -- 187.72 % -- [Elapsed: 0.0034536 sec]
7: list: late -- 192.66 % -- [Elapsed: 0.0035446 sec]
8: list: end -- 215.42 % -- [Elapsed: 0.0039633 sec]
9: hashset: early -- 217.95 % -- [Elapsed: 0.0040098 sec]
10: list: start -- 576.55 % -- [Elapsed: 0.0106073 sec]


---------- Testing many small strings ------------
Sample items: (10346 total)
dmnowa yshtrxorj vthjk okrxegip vwpoltck
...

Benchmarks:
1: hashset: end -- 100.00 % -- [Elapsed: 0.0017443 sec]
2: hashset: late -- 102.91 % -- [Elapsed: 0.0017951 sec]
3: hashset: middle -- 106.23 % -- [Elapsed: 0.0018529 sec]
4: list: early -- 107.49 % -- [Elapsed: 0.0018749 sec]
5: list: start -- 126.23 % -- [Elapsed: 0.0022018 sec]
6: hashset: early -- 134.11 % -- [Elapsed: 0.0023393 sec]
7: hashset: start -- 372.09 % -- [Elapsed: 0.0064903 sec]
8: list: middle -- 48,593.79 % -- [Elapsed: 0.8476214 sec]
9: list: end -- 99,020.73 % -- [Elapsed: 1.7272186 sec]
10: list: late -- 99,089.36 % -- [Elapsed: 1.7284155 sec]


---------- Testing few long strings ------------
Sample items: (19 total)
hidfymjyjtffcjmlcaoivbylakmqgoiowbgxpyhnrreodxyleehkhsofjqenyrrtlphbcnvdrbqdvji...
...

Benchmarks:
1: list: early -- 100.00 % -- [Elapsed: 0.0018266 sec]
2: list: start -- 115.76 % -- [Elapsed: 0.0021144 sec]
3: list: middle -- 143.44 % -- [Elapsed: 0.0026201 sec]
4: list: late -- 190.05 % -- [Elapsed: 0.0034715 sec]
5: list: end -- 193.78 % -- [Elapsed: 0.0035395 sec]
6: hashset: early -- 215.00 % -- [Elapsed: 0.0039271 sec]
7: hashset: end -- 248.47 % -- [Elapsed: 0.0045386 sec]
8: hashset: start -- 298.04 % -- [Elapsed: 0.005444 sec]
9: hashset: middle -- 325.63 % -- [Elapsed: 0.005948 sec]
10: hashset: late -- 431.62 % -- [Elapsed: 0.0078839 sec]


---------- Testing many long strings ------------
Sample items: (5000 total)
yrpjccgxjbketcpmnvyqvghhlnjblhgimybdygumtijtrwaromwrajlsjhxoselbucqualmhbmwnvnpnm
...

Benchmarks:
1: list: early -- 100.00 % -- [Elapsed: 0.0016211 sec]
2: list: start -- 132.73 % -- [Elapsed: 0.0021517 sec]
3: hashset: start -- 231.26 % -- [Elapsed: 0.003749 sec]
4: hashset: end -- 368.74 % -- [Elapsed: 0.0059776 sec]
5: hashset: middle -- 385.50 % -- [Elapsed: 0.0062493 sec]
6: hashset: late -- 406.23 % -- [Elapsed: 0.0065854 sec]
7: hashset: early -- 421.34 % -- [Elapsed: 0.0068304 sec]
8: list: middle -- 18,619.12 % -- [Elapsed: 0.3018345 sec]
9: list: end -- 40,942.82 % -- [Elapsed: 0.663724 sec]
10: list: late -- 41,188.19 % -- [Elapsed: 0.6677017 sec]


---------- Testing few ints ------------
Sample items: (16 total)
7266092 60668895 159021363 216428460 28007724
...

Benchmarks:
1: hashset: early -- 100.00 % -- [Elapsed: 0.0016211 sec]
2: hashset: end -- 100.45 % -- [Elapsed: 0.0016284 sec]
3: list: early -- 101.83 % -- [Elapsed: 0.0016507 sec]
4: hashset: late -- 108.95 % -- [Elapsed: 0.0017662 sec]
5: hashset: middle -- 112.29 % -- [Elapsed: 0.0018204 sec]
6: hashset: start -- 120.33 % -- [Elapsed: 0.0019506 sec]
7: list: late -- 134.45 % -- [Elapsed: 0.0021795 sec]
8: list: start -- 136.43 % -- [Elapsed: 0.0022117 sec]
9: list: end -- 169.77 % -- [Elapsed: 0.0027522 sec]
10: list: middle -- 237.94 % -- [Elapsed: 0.0038573 sec]


---------- Testing many ints ------------
Sample items: (10357 total)
370826556 569127161 101235820 792075135 270823009
...

Benchmarks:
1: list: early -- 100.00 % -- [Elapsed: 0.0015132 sec]
2: hashset: end -- 101.79 % -- [Elapsed: 0.0015403 sec]
3: hashset: early -- 102.08 % -- [Elapsed: 0.0015446 sec]
4: hashset: middle -- 103.21 % -- [Elapsed: 0.0015618 sec]
5: hashset: late -- 104.26 % -- [Elapsed: 0.0015776 sec]
6: list: start -- 126.78 % -- [Elapsed: 0.0019184 sec]
7: hashset: start -- 130.91 % -- [Elapsed: 0.0019809 sec]
8: list: middle -- 16,497.89 % -- [Elapsed: 0.2496461 sec]
9: list: end -- 32,715.52 % -- [Elapsed: 0.4950512 sec]
10: list: late -- 33,698.87 % -- [Elapsed: 0.5099313 sec]

По сути, бессмысленно сравнивать две структуры для представление, которые ведут себя по-разному. Используйте структуру, которая передает намерение. Даже если вы говорите, что ваш List<T> не будет иметь дубликатов и порядок итераций не имеет значения, что делает его сопоставимым с HashSet<T>, использование List<T> все равно будет плохим выбором, поскольку он относительно менее устойчив к сбоям.

Тем не менее, я проверю производительность некоторые другие аспекты,

+------------+--------+-------------+-----------+----------+----------+-----------+
| Collection | Random | Containment | Insertion | Addition |  Removal | Memory    |
|            | access |             |           |          |          |           |
+------------+--------+-------------+-----------+----------+----------+-----------+
| List<T>    | O(1)   | O(n)        | O(n)      | O(1)*    | O(n)     | Lesser    |
| HashSet<T> | O(n)   | O(1)        | n/a       | O(1)     | O(1)     | Greater** |
+------------+--------+-------------+-----------+----------+----------+-----------+

• Несмотря на то, что в обоих случаях сложение составляет O (1), оно будет относительно медленнее в HashSet, поскольку требует затрат на предварительное вычисление хэш-кода перед его сохранением.

• Превосходная масштабируемость HashSet требует затрат памяти. Каждая запись сохраняется как новый объект вместе со своим хэш-кодом. эта статья может дать вам представление.