Java 中 HashSet 的 removeAll 性能分析

---

1. 概述

HashSet是一个用于存储唯一元素的集合。

在本文中，我们将讨论java.util.HashSet 类中removeAll()方法 的性能。

2. HashSet.removeAll()

HashSet 的 removeAll 方法删除所有包含指定集合的元素：

Set<Integer> set = new HashSet<Integer>();
set.add(1);
set.add(2);
set.add(3);
set.add(4);

Collection<Integer> collection = new ArrayList<Integer>();
collection.add(1);
collection.add(3);

set.removeAll(collection);

Integer[] actualElements = new Integer[set.size()];
Integer[] expectedElements = new Integer[] { 2, 4 };
assertArrayEquals(expectedElements, set.toArray(actualElements));

结果，原集合里的元素 1 和 3 将被中删除。

3. 内部实现和时间复杂度

removeAll()方法会先确定哪个集合更小，集合大小不同，执行逻辑不同。这是通过在原集合和指定集合上调用size() 方法来完成的。

如果指定集合的元素少于指定原的元素，则它以时间复杂度O( n )迭代指定的集合。它还检查元素是否存在于时间复杂度为 O(1) 的集合中。如果元素存在，则使用集合的remove()方法将其从原集合中 删除，该方法的时间复杂度为 O(1)。所以总的时间复杂度是 O( n )。

如果原集合的元素少于指定集合，则它使用 O( n )迭代此原集合。然后它通过调用其contains()方法检查指定集合中是否存在每个元素。如果存在这样的元素，则从原集合中删除该元素。所以这取决于contains()方法的时间复杂度。

现在在这种情况下，如果指定集合是一个ArrayList，contains()方法的时间复杂度是 O( m )。因此，从集合HashSet中删除ArrayList 中存在的所有元素的总体时间复杂度为 O( n * m )。

如果指定集合再次是HashSet，则contains()方法的时间复杂度为 O(1)。因此，从集合HashSet中删除HashSet 中存在的所有元素的总体时间复杂度为 O( n )。

4. 性能

为了查看以上3种情况的性能差异，我们来编写一个简单的JMH基准测试。

对于第一种情况，我们将初始化原集合和指定集合，其中原集合中的元素多于指定集合。在第二种情况下，指定集合中的元素多于原集合。在第三种情况下，第二个集合的元素数量比第一个集合多：

@BenchmarkMode(Mode.AverageTime)
@OutputTimeUnit(TimeUnit.NANOSECONDS)
@Warmup(iterations = 5)
public class HashSetBenchmark {

    @State(Scope.Thread)
    public static class MyState {
        private Set employeeSet1 = new HashSet<>();
        private List employeeList1 = new ArrayList<>();
        private Set employeeSet2 = new HashSet<>();
        private List employeeList2 = new ArrayList<>();
        private Set<Employee> employeeSet3 = new HashSet<>();
        private Set<Employee> employeeSet4 = new HashSet<>();

        private long set1Size = 60000;
        private long list1Size = 50000;
        private long set2Size = 50000;
        private long list2Size = 60000;
        private long set3Size = 50000;
        private long set4Size = 60000;

        @Setup(Level.Trial)
        public void setUp() {
            // populating sets
        }
    }
}

之后，我们添加我们的基准测试：

@Benchmark
public boolean given_SizeOfHashsetGreaterThanSizeOfCollection_whenRemoveAllFromHashSet_thenGoodPerformance(MyState state) {
    return state.employeeSet1.removeAll(state.employeeList1);
}

@Benchmark
public boolean given_SizeOfHashsetSmallerThanSizeOfCollection_whenRemoveAllFromHashSet_thenBadPerformance(MyState state) {
    return state.employeeSet2.removeAll(state.employeeList2);
}

@Benchmark
public boolean given_SizeOfHashsetSmallerThanSizeOfAnotherHashSet_whenRemoveAllFromHashSet_thenGoodPerformance(MyState state) {
    return state.employeeSet3.removeAll(state.employeeSet4);
}

结果如下：

Benchmark                                              Mode  Cnt            Score            Error  Units
HashSetBenchmark.testHashSetSizeGreaterThanCollection  avgt   20      2700457.099 ±     475673.379  ns/op
HashSetBenchmark.testHashSetSmallerThanCollection      avgt   20  31522676649.950 ± 3556834894.168  ns/op
HashSetBenchmark.testHashSetSmallerThanOtherHashset    avgt   20      2672757.784 ±     224505.866  ns/op

我们可以看到当HashSet的元素少于Collection 时，HashSet.removeAll() 的表现非常糟糕，Collection作为参数传递给removeAll()方法。但是当另一个集合再次是HashSet 时，则性能很好。

5. 结论

在本文中，我们看到了HashSet中removeAll()的性能。当原集合的元素少于集合的元素时，removeAll()的性能取决于集合的contains()方法的时间复杂度。

最后，本文的完整代码可 在 GitHub 上找到。

参考： https://www.baeldung.com/java-hashset-removeall-performance