web-dev-qa-db-fra.com

Pourquoi Collections.sort () est-il beaucoup plus lent que Arrays.sort ()?

J'ai essayé de faire un test sur Collection.sort() et Arrays.sort(). Lors du test, j'ai créé un tableau de ints de longueur 1e5 100 fois, qui contenait des nombres aléatoires de 1 à 1e5. J'ai également créé une liste de type Integer, contenant les mêmes valeurs aux mêmes positions que celle du tableau. Ensuite, j'ai trié le tableau en utilisant Arrays.sort() et la liste en utilisant Collections.sort().

PDATE: Comme @Holger l'a souligné, mon code avait un bogue. Le code corrigé est maintenant:

import Java.util.* ;


class TestClass {
    public static void main(String args[] ) throws Exception {
        double ratSum = 0 ;
        for(int j=0;j<100;j++)
        {
        int[] A = new int[(int)1e5] ;
        List<Integer> L = new ArrayList<Integer>() ;
        for(int i=0;i<A.length;i++)
        {
            int no = (int)(Math.random()*(int)1e5) ;
            A[i] = no ;
            L.add(A[i]) ;
        }

        long startTime = System.nanoTime() ;
        Arrays.sort(A) ;
        long endTime = System.nanoTime() ;
        Collections.sort(L) ;
        long endTime2 = System.nanoTime() ;
        long t1 = (endTime-startTime), t2 = (endTime2-endTime) ;
        ratSum+=(double)t2/t1 ;
        System.out.println("Arrays.sort took :"+t1+" Collections.sort took :"+t2+" ratio :"+((double)t2/t1)) ;
    }
    System.out.println("Average ratio :"+(ratSum/100)) ;
    }
}

Et le résultat est:

Arrays.sort took :24106021 Collections.sort took :92353602 ratio :3.8311425182944956
Arrays.sort took :8672831 Collections.sort took :50936497 ratio :5.873110752417521
Arrays.sort took :8561227 Collections.sort took :25611480 ratio :2.991566512603859
Arrays.sort took :7123928 Collections.sort took :17368785 ratio :2.4380910362934607
Arrays.sort took :6280488 Collections.sort took :16929218 ratio :2.6955258890710403
Arrays.sort took :6248227 Collections.sort took :16844915 ratio :2.695951187432851
Arrays.sort took :6220942 Collections.sort took :16979669 ratio :2.7294369566538315
Arrays.sort took :6213841 Collections.sort took :17439817 ratio :2.8066081832476883
Arrays.sort took :6286385 Collections.sort took :19963612 ratio :3.175690321225951
Arrays.sort took :6209668 Collections.sort took :17008307 ratio :2.7390042430609816
Arrays.sort took :6286623 Collections.sort took :17007163 ratio :2.705293923303497
Arrays.sort took :6256505 Collections.sort took :16911950 ratio :2.703098614961548
Arrays.sort took :6225031 Collections.sort took :16914494 ratio :2.7171742598550916
Arrays.sort took :6233918 Collections.sort took :17005995 ratio :2.72797861633727
Arrays.sort took :6210554 Collections.sort took :17606028 ratio :2.834856278522013
Arrays.sort took :6239384 Collections.sort took :20342378 ratio :3.260318326296314
Arrays.sort took :6207695 Collections.sort took :16519089 ratio :2.6610664666997974
Arrays.sort took :6227147 Collections.sort took :16605884 ratio :2.666692146499834
Arrays.sort took :6225187 Collections.sort took :16687597 ratio :2.680657946500242
Arrays.sort took :6152338 Collections.sort took :16475373 ratio :2.6779043999208105
Arrays.sort took :6184746 Collections.sort took :16511024 ratio :2.6696365541931715
Arrays.sort took :6130221 Collections.sort took :16578032 ratio :2.7043122915144493
Arrays.sort took :6271927 Collections.sort took :16507152 ratio :2.631910734930429
Arrays.sort took :6232482 Collections.sort took :16562166 ratio :2.657394919070765
Arrays.sort took :6218992 Collections.sort took :16552468 ratio :2.661599821964717
Arrays.sort took :6230427 Collections.sort took :21954967 ratio :3.52383022865046
Arrays.sort took :8204666 Collections.sort took :16607560 ratio :2.024160398485447
Arrays.sort took :6272619 Collections.sort took :22061291 ratio :3.5170781136236715
Arrays.sort took :8618253 Collections.sort took :19979549 ratio :2.3182829513127543
Arrays.sort took :6198538 Collections.sort took :17002645 ratio :2.743008915973412
Arrays.sort took :6265018 Collections.sort took :17079646 ratio :2.7261926462142645
Arrays.sort took :6302335 Collections.sort took :17040082 ratio :2.7037728080148073
Arrays.sort took :6293948 Collections.sort took :17133482 ratio :2.722215372608735
Arrays.sort took :6272364 Collections.sort took :17099717 ratio :2.7261997231028046
Arrays.sort took :6219540 Collections.sort took :17026849 ratio :2.737637992520347
Arrays.sort took :6231000 Collections.sort took :17149439 ratio :2.7522771625742255
Arrays.sort took :6309215 Collections.sort took :17118779 ratio :2.713297771592821
Arrays.sort took :6200511 Collections.sort took :17123517 ratio :2.7616299688848227
Arrays.sort took :6263169 Collections.sort took :16995685 ratio :2.7135919532109063
Arrays.sort took :6212243 Collections.sort took :17101848 ratio :2.7529264389689843
Arrays.sort took :6247580 Collections.sort took :17089850 ratio :2.735435160494143
Arrays.sort took :6283626 Collections.sort took :17088109 ratio :2.7194662763188004
Arrays.sort took :6312678 Collections.sort took :17055856 ratio :2.7018415955954036
Arrays.sort took :6222695 Collections.sort took :17071263 ratio :2.7433873908330715
Arrays.sort took :6300990 Collections.sort took :17016171 ratio :2.7005551508572463
Arrays.sort took :6262923 Collections.sort took :17084477 ratio :2.727875945465081
Arrays.sort took :6256482 Collections.sort took :17062232 ratio :2.7271287602202006
Arrays.sort took :6259643 Collections.sort took :17036036 ratio :2.721566709155778
Arrays.sort took :6248649 Collections.sort took :16944960 ratio :2.711779778316881
Arrays.sort took :6264515 Collections.sort took :16986876 ratio :2.7116027338109974
Arrays.sort took :6241864 Collections.sort took :17367903 ratio :2.782486609769133
Arrays.sort took :6297429 Collections.sort took :17080086 ratio :2.7122316107097038
Arrays.sort took :6184084 Collections.sort took :17584862 ratio :2.843567778186713
Arrays.sort took :6315776 Collections.sort took :22279278 ratio :3.5275598754610678
Arrays.sort took :6253047 Collections.sort took :17091694 ratio :2.7333384828228544
Arrays.sort took :6291188 Collections.sort took :17147694 ratio :2.725668665441249
Arrays.sort took :6327348 Collections.sort took :17034007 ratio :2.6921242517402235
Arrays.sort took :6284904 Collections.sort took :17049315 ratio :2.712740719667317
Arrays.sort took :6190436 Collections.sort took :17143853 ratio :2.7694096183209065
Arrays.sort took :6301712 Collections.sort took :17070237 ratio :2.7088253160411013
Arrays.sort took :6208193 Collections.sort took :17060372 ratio :2.74804149935416
Arrays.sort took :6247700 Collections.sort took :16961962 ratio :2.7149130079869392
Arrays.sort took :6344996 Collections.sort took :17084627 ratio :2.6926143058246215
Arrays.sort took :6214232 Collections.sort took :17150324 ratio :2.759846108095095
Arrays.sort took :6224359 Collections.sort took :17081254 ratio :2.744259127727048
Arrays.sort took :6256722 Collections.sort took :17005451 ratio :2.7179489515436357
Arrays.sort took :6286439 Collections.sort took :17061112 ratio :2.713954911516679
Arrays.sort took :6250634 Collections.sort took :17091313 ratio :2.7343327092899696
Arrays.sort took :6252900 Collections.sort took :17041659 ratio :2.7254008540037424
Arrays.sort took :6222192 Collections.sort took :17125062 ratio :2.75225547524088
Arrays.sort took :6227037 Collections.sort took :17013314 ratio :2.7321684454420296
Arrays.sort took :6223609 Collections.sort took :17086112 ratio :2.745370411283871
Arrays.sort took :6280777 Collections.sort took :17091821 ratio :2.7212908530266238
Arrays.sort took :6254551 Collections.sort took :17148242 ratio :2.741722307484582
Arrays.sort took :6250927 Collections.sort took :17053331 ratio :2.7281283240069834
Arrays.sort took :6270616 Collections.sort took :17067948 ratio :2.721893351466586
Arrays.sort took :6223093 Collections.sort took :17034584 ratio :2.737317922132933
Arrays.sort took :6286002 Collections.sort took :17128280 ratio :2.7248289135129133
Arrays.sort took :6239485 Collections.sort took :17032062 ratio :2.7297224049741287
Arrays.sort took :6191290 Collections.sort took :17017219 ratio :2.748574045150526
Arrays.sort took :6134110 Collections.sort took :17069485 ratio :2.782715830006309
Arrays.sort took :6207363 Collections.sort took :17052862 ratio :2.747199092432648
Arrays.sort took :6238702 Collections.sort took :17056945 ratio :2.734053493819708
Arrays.sort took :6185356 Collections.sort took :17006088 ratio :2.749411351585907
Arrays.sort took :6309226 Collections.sort took :17056503 ratio :2.703422416632405
Arrays.sort took :6256706 Collections.sort took :17082903 ratio :2.7303349398229675
Arrays.sort took :6194988 Collections.sort took :17069426 ratio :2.7553606237816766
Arrays.sort took :6184266 Collections.sort took :17054641 ratio :2.757746998592881
Arrays.sort took :6271022 Collections.sort took :17086036 ratio :2.724601508334686
Arrays.sort took :6246482 Collections.sort took :17077804 ratio :2.733987546910405
Arrays.sort took :6194985 Collections.sort took :17119911 ratio :2.763511291794895
Arrays.sort took :6319199 Collections.sort took :17444587 ratio :2.760569337980969
Arrays.sort took :6262827 Collections.sort took :17065589 ratio :2.7249018693954024
Arrays.sort took :6301245 Collections.sort took :17195611 ratio :2.728922776371971
Arrays.sort took :6214333 Collections.sort took :17024645 ratio :2.739577199998777
Arrays.sort took :6213116 Collections.sort took :17382033 ratio :2.7976353572024086
Arrays.sort took :6286394 Collections.sort took :17124874 ratio :2.7241171965995132
Arrays.sort took :6166308 Collections.sort took :16998293 ratio :2.756640278104824
Arrays.sort took :6247395 Collections.sort took :16957056 ratio :2.7142602636779007
Arrays.sort took :6245054 Collections.sort took :16994147 ratio :2.72121698227109
Average ratio :2.792654880602193

De plus, j'ai exécuté le code localement, 1000 fois (au lieu de 100) et le ratio moyen était de:: 3.0616 Le ratio est donc toujours significatif et mérite donc d'être discuté.

Question: Pourquoi Collections.sort() prend environ 3 fois le temps nécessaire à Arrays.sort() pour trier les mêmes valeurs? Est-ce parce que maintenant nous ne comparons pas les primitives? Pourquoi cela prendrait plus de temps?

javaarrayslistsortingtiming
47
Mooncrater

Donc, il y a deux méthodes différentes avec des algorithmes totalement différents ici:

Arrays.sort(int[]) utilise un algorithme de tri rapide à double pivot.

Collections.sort(List<T>) appelle list.sort(null) qui appelle à son tour Arrays.sort(T[]). Ceci utilise un algorithme Timsort.

Comparons donc Arrays.sort(int[]) et Arrays.sort(T[]).

  1. T[] est un tableau encadré. Il existe donc un niveau supplémentaire d'indirection: pour chaque appel, vous devez décompresser Integer. Cela conduit certainement à une surcharge. D'autre part, int[] est un tableau primitif de sorte que tous les éléments soient disponibles "immédiatement".
  2. TimSort est une variante d'un algorithme classique mergesort. Il est plus rapide que mergesort mais reste plus lent que quicksort car
    • quicksort a moins de mouvements de données sur des données aléatoires
    • quicksort nécessite O(log(n)) espace supplémentaire, tandis que TimSort requiert O(n) pour assurer une stabilité qui entraîne également une surcharge.
75
ZhekaKozlov

Il y a deux problèmes ici:

Numéro 1:

Sous les couvertures, Collections.sort fonctionne en copiant la collection dans un tableau, en triant le tableau, puis en recopiant le tableau dans la collection.

Arrays.sort trie simplement le tableau en place.

Maintenant, pour un tableau/une collection assez grand, le coût du tri (O(NlogN)) dominera le coût de la copie (O(N)). Pour un petit tableau/collection, la copie devient importante.

(Ce comportement peut dépendre du type de collection. Pour un ArrayList, l'implémentation Collections.sort pourra peut-être trier le tableau de sauvegarde sans copier les données. Je devrais vérifier le code source. UPDATE - le tri sur place est confirmé pour ArrayList pour Java 8 et versions ultérieures.)

Numéro 2:

Vous comparez le tri d'un int[] au tri d'un List<Integer>.

Ce sont des pommes et des oranges. Parce que:

  1. Comparer deux valeurs int à l'aide d'opérateurs relationnels est plus rapide que comparer deux valeurs Integer à l'aide de compareTo(Integer).
  2. Arrays.sort(int[]) utilise un algorithme différent (plus rapide) de celui utilisé par Arrays.sort(Object[])

Si vous voulez une comparaison plus juste, comparez Collections.sort sur un ArrayList<Integer> avec Arrays.sort(Object[]) sur un Integer[].

12
Stephen C

si vous voyez Collections.sort () doc Oracle ici ça se lit

Cette implémentation vide la liste spécifiée dans un tableau, trie le tableau et effectue une itération sur la liste en réinitialisant chaque élément à partir de la position correspondante dans le tableau.

ce qui signifie qu'il effectue un tri de tableau et une itération supplémentaire, ce qui implique que Collections.sort () est plus lente que arrays.sort

  1. vide la liste spécifiée dans un tableau
  2. trie le tableau ~ arrays.sort
  3. itère sur la liste en réinitialisant chaque élément à partir de la position correspondante dans le tableau
1
The Scientific Method

Il y a une chose qui n'a pas été mentionnée en cours de route, qui est "le pointeur qui chasse", qui est liée à la partie "unboxing". Que vous utilisiez timsort ou quicksort pour un tableau de cette petite taille ne devrait pas faire une différence significative (pour les tableaux primitifs avec la vitesse du processeur actuelle, ce n’est très probablement pas ce qui tue votre vitesse).

Bien que la boxe ne se produise pas en dehors de l'initialisation dans votre exemple, la grande différence se produit lorsque les données sont lues.

Comme ints sont des primitives, un int [] est juste un morceau de mémoire contigu qui contient les données, un Integer [] est un morceau de mémoire contigu qui contient des références (c'est-à-dire des pointeurs) aux objets de données individuels et les objets Integer eux-mêmes peuvent être dispersés partout dans la mémoire.

Donc, pour une opération de tri sur un int [], la CPU va récupérer une partie de la mémoire et peut opérer directement dessus. Mais pour un Integer [], le processeur doit chasser le pointeur de chaque objet et le récupérer dans la mémoire avant de pouvoir le comparer, puis opérer sur ce bloc de mémoire qu'est la matrice et le réorganiser. Cela s'appelle "chasser le pointeur".

Ce n'est pas tellement que Integer [] nécessite plus d'opérations pour chaque donnée, comme lire une valeur, ajouter une longueur d'en-tête à l'adresse de base et obtenir une valeur à partir de là (la CPU transmet très bien ces instructions et cache beaucoup de son impact), c’est la latence de la mémoire qui vous tue. Extraire chaque objet entier individuel d'un emplacement de mémoire aléatoire fait presque toute la différence.

Habituellement, ce n'est pas grave, car vous initialisez habituellement une petite quantité d'Integer [] dans une boucle serrée et qu'il n'y a pas beaucoup d'arrière-plan, les objets Integer sont probablement très proches en mémoire et peuvent être récupérés. dans le cache et y sont accessibles assez rapidement, mais pour les tableaux et les listes énormes créés et modifiés dans une application surchargée, cela peut faire toute la différence et générer des pointes de latence inattendues. Vous voudrez éviter cela si vous avez besoin de faibles latences fiables. Cependant, pour un grand nombre d'applications, si un tri prend quelques millisecondes de plus, personne ne le remarquera.

[MODIFIER]

Comme vous l'avez demandé dans le commentaire, voici le code pour montrer qu'il ne s'agit pas de timsort vs quicksort:

import Java.util.Arrays;
import Java.util.Random;

public class Pointerchasing1 {

    public static void main(String[] args) {

        //use the exact same algorithm implementation (insertionSort), to show that slowness is not caused by timsort vs quicksort.
        //expect that the object-version is slower.

        final int[] direct = new int[1024]; 
        final Integer[] refs = new Integer[direct.length];

        final Random rnd = new Random(0);
        for (int t = 0; t < 1000; ++t) {
            Arrays.setAll(direct, index -> rnd.nextInt());
            Arrays.setAll(refs, index -> direct[index]); // boxing happens here

            //measure direct:
            long t1 = System.nanoTime();
            insertionSortPrimitive(direct);
            long e1 = System.nanoTime()-t1;
            //measure refs:         
            long t2 = System.nanoTime();
            insertionSortObjects(refs);
            long e2 = System.nanoTime()-t2;

            // use results, so compiler can't eliminate the loops
            System.out.println(Arrays.toString(direct));
            System.out.println(Arrays.toString(refs));
            System.out.println("-");            
            System.out.println(e1);
            System.out.println(e2);
            System.out.println("--");           
        }
    }

    private static void insertionSortPrimitive(final int[] arr) {
        int i, key, j;
        for (i = 1; i < arr.length; i++) {
            key = arr[i];
            j = i - 1;
            while (j >= 0 && arr[j] > key) {
                arr[j + 1] = arr[j];
                j = j - 1;
            }
            arr[j + 1] = key;
        }
    }

    private static void insertionSortObjects(final Integer[] arr) {
        int i, key, j;
        for (i = 1; i < arr.length; i++) {
            key = arr[i];
            j = i - 1;
            while (j >= 0 && arr[j] > key) {
                arr[j + 1] = arr[j];
                j = j - 1;
            }
            arr[j + 1] = key;
        }
    }

}

Ce "test" laisse le déballage comme coupable possible.

[EDIT2]

Maintenant, ce test est pour montrer que le "déballage" n'est pas le problème. Unboxing ne fait qu'ajouter quelques octets d'en-tête d'objets à l'adresse (l'exécution dans le désordre et le traitement en pipeline font presque disparaître ce coût) et obtenir la valeur à partir de cet emplacement. Dans ce test, j'utilise deux tableaux primitifs, un pour une référence et un pour une valeur. Donc, chaque accès est indirect. Cela ressemble beaucoup à unboxing, sans ajouter quelques octets supplémentaires pour l'en-tête de l'objet. La principale différence est que la version "indirecte" n'a pas besoin de chasser le pointeur pour chaque valeur du segment de mémoire, elle peut charger les tableaux et l'index du tableau refs dans le tableau de valeurs.

Si la poursuite du pointeur fait la différence, plutôt que le déballage, la version indirecte devrait alors être plus rapide que la version des objets qui effectue le déballage.

import Java.util.Arrays;
import Java.util.Random;

public class Pointerchasing2 {

    public static void main(String[] args) {

        // use indirect access (like unboxing, but just chasing a single array pointer) vs. Integer objects (chasing every object's pointer).
        // expect that the object-version is still slower.

        final int[] values = new int[1024];
        final int[] refs = new int[1024];
        final Integer[] objects = new Integer[values.length];

        final Random rnd = new Random(0);
        for (int t = 0; t < 1000; ++t) {
            Arrays.setAll(values, index -> rnd.nextInt());
            Arrays.setAll(refs, index -> index);
            Arrays.setAll(objects, index -> values[index]); // boxing happens here

            // measure indirect:
            long t1 = System.nanoTime();
            insertionSortPrimitiveIndirect(refs, values);
            long e1 = System.nanoTime() - t1;
            // measure objects:
            long t2 = System.nanoTime();
            insertionSortObjects(objects);
            long e2 = System.nanoTime() - t2;

            // use results, so compiler can't eliminate the loops
            System.out.println(Arrays.toString(indirectResult(refs, values)));
            System.out.println(Arrays.toString(objects));
            System.out.println("-");
            System.out.println(e1);
            System.out.println(e2);
            System.out.println("--");
        }
    }

    private static void insertionSortPrimitiveIndirect(final int[] refs, int[] values) {
        int i, keyIndex, j;
        for (i = 1; i < refs.length; i++) {
            keyIndex = refs[i];
            j = i - 1;
            while (j >= 0 && values[refs[j]] > values[keyIndex]) {
                refs[j + 1] = refs[j];
                j = j - 1;
            }
            refs[j + 1] = keyIndex;
        }
    }

    private static void insertionSortObjects(final Integer[] arr) {
        int i, key, j;
        for (i = 1; i < arr.length; i++) {
            key = arr[i];
            j = i - 1;
            while (j >= 0 && arr[j] > key) {
                arr[j + 1] = arr[j];
                j = j - 1;
            }
            arr[j + 1] = key;
        }
    }

    private static int[] indirectResult(final int[] refs, int[] values) {
        final int[] result = new int[1024];
        Arrays.setAll(result, index -> values[refs[index]]);
        return result;
    }

}

Résultat: dans les deux tests, les versions "primitive" et "indirecte" sont plus rapides que l'accès aux objets sur le tas. Il faut s’attendre à ce que le déballage ne tue pas la vitesse, mais la latence de la mémoire grâce au suivi du pointeur.

Voir également cette vidéo sur le projet Valhalla: ("Les types de valeur et la spécialisation générique au sein de la machine virtuelle Java promettent de nous fournir un meilleur code JIT, une localité de données et de supprimer la tyrannie de la poursuite de pointeur.") https://vimeo.com/ 28966728

1
Brixomatic

Collection.sort () a utilisé l'algorithme de tri Merge et Arrays.sort () utilise le tri rapide. Le tri rapide présente des inconvénients majeurs en ce qui concerne le tri par fusion, il n'est pas stable en mode non primitif. Cela dépend donc des besoins; nous utiliserons soit Arrays.sort (), soit Collection.sort () pour comparer des objets ou des primitives.

1
John