PHP数组交集的优化

lbsong

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唯一结果（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; null) {
        $value = mt_rand(1, 10000);

        if (!isset($result[$value])) {
            $result[$value] = null;
            $i++;
        }
    }

    return array_keys($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，先来看看通过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";

?>



再来看看通过自定义方法intersect实现的性能：

<?php

function 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]) {
                $i++;
            } else if($a[$i] > $b[$j]) {
                $j++;
            } else {
                $result[] = $a[$i];
                $i++;
                $j++;
            }
        }

        return $result;
    };

    $result = array_shift($args);

    sort($result);

    foreach ($args as $arg) {
        sort($arg);

        $result = $intersect($result, $arg);
    }

    return $result;
}

$time = microtime(true);

$result = intersect($param_a, $param_b);

$time = microtime(true) - $time;

echo "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

intersect： 0.0026049613952637

需要提醒大家的是，array_intersect和intersect在功能上并不完全等价，例子如下：

$param_a = array(1, 2, 2);
$param_b = array(1, 2, 3);

var_dump(
    array_intersect($param_a, $param_b),
    intersect($param_a, $param_b)
);



array_intersect： 1， 2， 2

intersect： 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，而不是仅仅返回一个，有兴趣的读者可以变换一下参数顺序再看结果。

再唠叨一下，最初我写intersect方法时，大概写成下面这个样子：

<?php

function 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);
        }
    }

    $result = array();

    $data = array_count_values(
        call_user_func_array('array_merge', $args)
    );

    foreach ($data AS $value => $count) {
        if ($count > 1) {
            $result[] = $value;
        }
    }

    return $result;
}

?>



代码更简洁，不过有一个弊端，因为使用了array_merge，所以当数组中元素非常多的时候，占用的内存会比较大，反之如果数组中元素不是非常多，那么此方法也是可行的。