第82讲：Scala中List的ListBuffer实现高效的遍历计算

我们通过对比下列4组程序，对比，发现优缺点

第一组： 递归

代码

 def main(args: Array[String]) {

    val data = 1 to 20000

    val currntTime =System.currentTimeMillis()
    increase(data.toList)
    println("used time=" + (System.currentTimeMillis() - currntTime))

  }

  def increase(list:List[Int]):List[Int] = list match {
       case List() => List()
       case head2 :: tail => (head2 + 1) :: increase(tail)
  }

运行结果：

Exception in thread “main” java.lang.StackOverflowError
at scala.collection.LinearSeqOptimized$class.lengthCompare(LinearSeqOptimized.scala:261) at scala.collection.immutable.List.lengthCompare(List.scala:84) at com.ifly.edu.scala.list.ListBuffer_Internals$.increase(ListBuffer_Internals.scala:19)
at com.ifly.edu.scala.list.ListBuffer_Internals$.increase(ListBuffer_Internals.scala:20) at com.ifly.edu.scala.list.ListBuffer_Internals$.increase(ListBuffer_Internals.scala:20)
at com.ifly.edu.scala.list.ListBuffer_Internals$.increase(ListBuffer_Internals.scala:20) at com.ifly.edu.scala.list.ListBuffer_Internals$.increase(ListBuffer_Internals.scala:20)
at

优点： 简单
缺点： 当数据过大时，不停创建堆栈，内存消耗大

第二组： 循环
代码：

  def main(args: Array[String]) {
    val data = 1 to 20000
    val currntTime =System.currentTimeMillis()
    increase_for(data.toList)
    println("used time=" + (System.currentTimeMillis() - currntTime))

  }
  //循环
  def increase_for(list:List[Int]) :List[Int] = {
    var result = List[Int]()
    for(element <- list){
      result = result::: List(element)
    }
    result
  }

运行结果
数据大小为20000

used time=2611
Process finished with exit code 0

数据大小为2000000

used time= NIL （运行很长时间，没有结果），难以忍受
Process finished with exit code 0

优点： 规避递归，数据多少不受什么影响
缺点： 产生很多临时List结果，当数据过大时，效率降低严重

第三组： For 循环 结合map处理
代码

  //list 的map function
  def increase_for2(list:List[Int]) :List[Int] ={
    println("list map ")
    list map(el => el +1)
  }

运行结果
数据大小：2000000

list map
used time=2268
Process finished with exit code 0

数据大小：2000000

used time=2268
Process finished with exit code 0数据大小：2000000

数据大小：2000000

used time=48356

Process finished with exit code 0

优点： 不产生中间结果，比使用List的：：： 方法快
缺点：

第四组： 使用ListBuffer

代码：

  def main(args: Array[String]) {
    val data = 1 to 2000000
    val currntTime =System.currentTimeMillis()
    increase_ListBuffer(data.toList)
    println("used time=" + (System.currentTimeMillis() - currntTime))

  }

  //listBuffer
  def increase_ListBuffer(list:List[Int]) :List[Int]={
    import scala.collection.mutable.ListBuffer
    var result = ListBuffer[Int]()
    for(element <- list){
      result += element+1
    }
    result.toList
  }

运行结果
数据大小为2000000

used time=2284
Process finished with exit code 0

数据大小为20000000

Exception in thread “main” java.lang.OutOfMemoryError: GC overhead limit exceeded
at scala.collection.mutable.ListBuffer.$plus$eq(ListBuffer.scala:168)
at scala.collection.mutable.ListBuffer.$plus$eq(ListBuffer.scala:45)
at scala.collection.generic.Growable

$$anonfun$$ plus $plus$eq $1.apply(Growable.scala:48) at scala.collection.generic.Growable$ $anonfun$ $plus$plus $eq$1.apply(Growable.scala:48)
at scala.collection.immutable.Range.foreach(Range.scala:141)
at scala.collection.generic.Growable $class.$plus $plus$eq(Growable.scala:48)
at scala.collection.mutable.ListBuffer. $plus$plus $eq(ListBuffer.scala:176) at scala.collection.mutable.ListBuffer.$plus $plus$eq(ListBuffer.scala:45)
at scala.collection.TraversableLike $class.to(TraversableLike.scala:629) at scala.collection.AbstractTraversable.to(Traversable.scala:105) at scala.collection.TraversableOnce$class.toList(TraversableOnce.scala:257)
at scala.collection.AbstractTraversable.toList(Traversable.scala:105)
at com.ifly.edu.scala.list.ListBuffer_Internals$.main(ListBuffer_Internals.scala:11)
at com.ifly.edu.scala.list.ListBuffer_Internals.main(ListBuffer_Internals.scala)

优点： 数据在一定量的情况，效率非常高
缺点：

小结

ListBuffer 既可以规避递归，也可以 规避 创建中间结果，效率可靠

参考资料：

百度网盘：http://pan.baidu.com/share/home?uk=4013289088#category/type=0
微信号：18610086859
DT大数据微信公众账号：DT_Spark
DT大数据梦工厂交流群:① 462923555 ②418110145 ③437123764