PHP数组交集的优化

转载自：http://huoding.com/2011/01/30/43

作者：老王

假设我们正在运营一个手机相关的网站，用户可以通过指定若干参数（如操作系统，屏幕分辨率，摄像头像素等等）来筛选自己想要的手机。不过由于手机的 参数多，且不同的手机其参数差异大，所以参数表结构通常是纵表（一个参数是一行），而不是横表（一个参数是一列），此时使用若干参数来取结果，通常就是把 每个单独参数来取结果，再一起取交集。

假定每个参数会包含一千个左右的产品ID（int），以此为前提来模拟生成一些数据：

<?php $rand = function() { $result = array(); for ($i = 0; $i < 1000; $i++) { $result[] = mt_rand(1, 10000); } return $result; }; $param_a = $rand(); $param_b = $rand(); ?>

注意：如果测试数据集过小的话，结论可能会出现不一致。

先看看通过PHP内置方法array_intersect实现的性能：

<?php $time = microtime(true); $result = array_intersect($param_a, $param_b); $time = microtime(true) - $time; echo "array_intersect: {$time}/n"; ?>

在优化之前，我们先来看看array_intersect一些特殊的地方：

<?php $param_a = array(1, 2, 2); $param_b = array(1, 2, 3); var_dump( array_intersect($param_a, $param_b), array_intersect($param_b, $param_a) ); ?>

• array_intersect($param_a, $param_b): 1, 2, 2
• array_intersect($param_b, $param_a): 1, 2

也就是说，如果在第一个数组参数中有重复元素的话，则array_intersect会返回所有满足条件的重复元素。改写array_intersect的时候最好兼容这些功能。

下面看看通过自定义方法int_array_intersect实现的性能：

<?php function int_array_intersect() { if (func_num_args() < 2) { trigger_error('param error', E_USER_ERROR); } $args = func_get_args(); foreach ($args AS $arg) { if (!is_array($arg)) { trigger_error('param error', E_USER_ERROR); } } $intersect = function($a, $b) { $result = array(); $length_a = count($a); $length_b = count($b); for ($i = 0, $j = 0; $i < $length_a && $j < $length_b; null) { if($a[$i] < $b[$j] && ++$i) { continue; } if($a[$i] > $b[$j] && ++$j) { continue; } $result[] = $a[$i]; if (isset($a[$next = $i + 1]) && $a[$next] != $a[$i]) { ++$j; } ++$i; } return $result; }; $result = array_shift($args); sort($result); foreach ($args as $arg) { sort($arg); $result = $intersect($result, $arg); } return $result; } $time = microtime(true); $result = int_array_intersect($param_a, $param_b); $time = microtime(true) - $time; echo "int_array_intersect: {$time}/n"; ?>

直觉上，我们肯定会认为内置函数快于自定义函数，但本例中结果恰恰相反：

• array_intersect: 0.023918151855469
• int_array_intersect: 0.0026049613952637

为什么？原因在于int_array_intersect操作的都是整数，而array_intersect操作的都是字符串，即便你传给它整数，也会当做字符串处理。

注：测试结果基于PHP5.3.5，不同版本结论可能存在差异

参考：Faster array_intersect