for循环优化，转载的

今天，简单讲讲如何对for循环进行优化。

完成同样的功能，用不同的代码来实现，性能上可能会有比较大的差别，所以对于一些性能敏感的模块来说，对代码进行一定的优化还是很有必要。

作为三大结构之一的循环，在我们编写代码的时候会经常用到。循环结构让我们操作数组、集合和其他一些有规律的事物变得更加的方便，但是如果我们在实际开发当中运用不合理，可能会给程序的性能带来很大的影响。所以我们还是需要掌握一些技巧来优化我们的代码的。

嵌套循环

        stratTime = System.nanoTime();
        for (int i = 0; i < 10000000; i++) {
            for (int j = 0; j < 10; j++) {
                
            }
        }
        endTime = System.nanoTime();
        System.out.println("外大内小耗时："+ (endTime - stratTime));        
        
        stratTime = System.nanoTime();
        for (int i = 0; i < 10000000; i++) {
            for (int j = 0; j < 10; j++) {
                
            }
        }
        endTime = System.nanoTime();
        System.out.println("外大内小耗时："+ (endTime - stratTime));        

应改为：

        stratTime = System.nanoTime();
        for (int i = 0; i <10 ; i++) {
            for (int j = 0; j < 10000000; j++) {
                
            }
        }
        endTime = System.nanoTime();
        System.out.println("外小内大耗时："+(endTime - stratTime));

两者耗时对比：

外大内小耗时：200192114
外小内大耗时：97995997

由以上对比可知，优化后性能提升了一倍，嵌套循环应该遵循“外小内大”的原则，这就好比你复制很多个小文件和复制几个大文件的区别。

提取与循环无关的表达式

        stratTime = System.nanoTime();
        for (int i = 0; i < 10000000; i++) {
            i=i*a*b;
        }
        endTime = System.nanoTime();
        System.out.println("未提取耗时："+(endTime - stratTime));
        stratTime = System.nanoTime();
        for (int i = 0; i < 10000000; i++) {
            i=i*a*b;
        }
        endTime = System.nanoTime();
        System.out.println("未提取耗时："+(endTime - stratTime));

应改为：

        stratTime = System.nanoTime();
        c = a*b;
        for (int i = 0; i < 10000000; i++) {
            i=i*c;
        }
        endTime = System.nanoTime();
        System.out.println("已提取耗时："+(endTime - stratTime));

两者耗时对比：

未提取耗时：45973050
已提取耗时：1955
代码中a+b与我们的循环无关，所以应该把它放到外面，避免重复计算，可以看出，优化后性能提升了好几个数量级，这些是不容忽视的。

消除循环终止判断时的方法调用

        stratTime = System.nanoTime();
        for (int i = 0; i < list.size(); i++) {
            
        }
        endTime = System.nanoTime();
        System.out.println("未优化list耗时："+(endTime - stratTime));
应改为：

        stratTime = System.nanoTime();
        int size = list.size();
        for (int i = 0; i < size; i++) {
            
        }
        endTime = System.nanoTime();
        System.out.println("优化list耗时："+(endTime - stratTime));

        stratTime = System.nanoTime();
        int size = list.size();
        for (int i = 0; i < size; i++) {
            
        }
        endTime = System.nanoTime();
        System.out.println("优化list耗时："+(endTime - stratTime));

两者耗时对比：
未优化list耗时：27375
优化list耗时：2444
未优化list耗时：27375
优化list耗时：2444

list.size()每次循环都会被执行一次，这无疑会影响程序的性能，所以应该将其放到循环外面，用一个变量来代替，优化前后的对比也很明显。

异常捕获

        stratTime = System.nanoTime();
        for (int i = 0; i < 10000000; i++) {
            try {
            } catch (Exception e) {
            }
        }
        endTime = System.nanoTime();
        System.out.println("在内部捕获异常耗时："+(endTime - stratTime));

应改为：
        stratTime = System.nanoTime();
        try {
            for (int i = 0; i < 10000000; i++) {
            }
        } catch (Exception e) {
        }
        endTime = System.nanoTime();
        System.out.println("在外部捕获异常耗时："+(endTime - stratTime));

两者耗时对比：

<strong>在内部捕获异常耗时：12150142
在外部捕获异常耗时：1955</strong>
在内部捕获异常耗时：12150142
在外部捕获异常耗时：1955

最后，提一点，最好使用迭代器进行for循环，比普通的for循环要快很多。
        stratTime = System.nanoTime();
        for (int i = 0; i < list.size(); i++) {
            String s=list.get(i);
        }
        endTime = System.nanoTime();
        System.out.println("未优化list耗时："+(endTime - stratTime));

应改为：

                stratTime = System.nanoTime();
        for (String s : list) {
            ...  //具体运算
        }
        endTime = System.nanoTime();
        System.out.println("未优化list耗时："+(endTime - stratTime));

大家都知道，捕获异常是很耗资源的，所以不要讲try catch放到循环内部，优化后同样有好几个数量级的提升。

android 对for循环进行优化就讲完了。
--------------------- 
作者：暴走邻家 
来源：CSDN 
原文：https://blog.csdn.net/bzlj2912009596/article/details/77987394 
版权声明：本文为博主原创文章，转载请附上博文链接！