主頁 > 知識庫 > Go 中 slice 的 In 功能實現(xiàn)探索

Go 中 slice 的 In 功能實現(xiàn)探索

之前在知乎看到一個問題：為什么 Golang 沒有像 Python 中 in 一樣的功能？于是，搜了下這個問題，發(fā)現(xiàn)還是有不少人有這樣的疑問。

今天來談談這個話題。

in 是一個很常用的功能，有些語言中可能也稱為 contains，雖然不同語言的表示不同，但基本都是有的。不過可惜的是，Go 卻沒有，它即沒有提供類似 Python 操作符 in，也沒有像其他語言那樣提供這樣的標準庫函數，如 PHP 中 in_array。

Go 的哲學是追求少即是多。我想或許 Go 團隊覺得這是一個實現(xiàn)起來不足為道的功能吧。

為何說微不足道？如果要自己實現(xiàn)，又該如何做呢？

我所想到的有三種實現(xiàn)方式，一是遍歷，二是 sort 的二分查找，三是 map 的 key 索引。

本文相關源碼已經上傳在我的 github 上， poloxue/gotin 。

遍歷

遍歷應該是我們最容易想到的最簡單的實現(xiàn)方式。

示例如下：

func InIntSlice(haystack []int, needle int) bool {
 for _, e := range haystack {
 if e == needle {
 return true
 }
 }

 return false
}

上面演示了如何在一個 []int 類型變量中查找指定 int 是否存在的例子，是不是非常簡單，由此我們也可以感受到我為什么說它實現(xiàn)起來微不足道。

這個例子有個缺陷，它只支持單一類型。如果要支持像解釋語言一樣的通用 in 功能，則需借助反射實現(xiàn)。

代碼如下：

func In(haystack interface{}, needle interface{}) (bool, error) {
 sVal := reflect.ValueOf(haystack)
 kind := sVal.Kind()
 if kind == reflect.Slice || kind == reflect.Array {
 for i := 0; i  sVal.Len(); i++ {
 if sVal.Index(i).Interface() == needle {
 return true, nil
 }
 }

 return false, nil
 }

 return false, ErrUnSupportHaystack
}

為了更加通用，In 函數的輸入參數 haystack 和 needle 都是 interface{} 類型。

簡單說說輸入參數都是 interface{} 的好處吧，主要有兩點，如下：

其一，haystack 是 interface{} 類型，使 in 支持的類型不止于 slice，還包括 array。我們看到，函數內部通過反射對 haystack 進行了類型檢查，支持 slice（切片）與 array（數組）。如果是其他類型則會提示錯誤，增加新的類型支持，如 map，其實也很簡單。但不推薦這種方式，因為通過 _, ok := m[k] 的語法即可達到 in 的效果。

其二，haystack 是 interface{}，則 []interface{} 也滿足要求，并且 needle 是 interface{}。如此一來，我們就可以實現(xiàn)類似解釋型語言一樣的效果了。

怎么理解？直接示例說明，如下：

gotin.In([]interface{}{1, "two", 3}, "two")

haystack 是 []interface{}{1, "two", 3}，而且 needle 是 interface{}，此時的值是 "two"。如此看起來，是不是實現(xiàn)了解釋型語言中，元素可以是任意類型，不必完全相同效果。如此一來，我們就可以肆意妄為的使用了。

但有一點要說明，In 函數的實現(xiàn)中有這樣一段代碼：

if sVal.Index(i).Interface() == needle {
 ...
}

Go 中并非任何類型都可以使用 == 比較的，如果元素中含有 slice 或 map，則可能會報錯。

二分查找

以遍歷確認元素是否存在有個缺點，那就是，如果數組或切片中包含了大量數據，比如 1000000 條數據，即一百萬，最壞的情況是，我們要遍歷 1000000 次才能確認，時間復雜度 On。

有什么辦法可以降低遍歷次數？

自然而然地想到的方法是二分查找，它的時間復雜度 log2(n) 。但這個算法有前提，需要依賴有序序列。

于是，第一個要我們解決的問題是使序列有序，Go 的標準庫已經提供了這個功能，在 sort 包下。

示例代碼如下：

fmt.Println(sort.SortInts([]int{4, 2, 5, 1, 6}))

對于 []int，我們使用的函數是 SortInts，如果是其他類型切片，sort 也提供了相關的函數，比如 []string 可通過 SortStrings 排序。

完成排序就可以進行二分查找，幸運的是，這個功能 Go 也提供了，[]int 類型對應函數是 SearchInts。

簡單介紹下這個函數，先看定義：

func SearchInts(a []int, x int) int

輸入參數容易理解，從切片 a 中搜索 x。重點要說下返回值，這對于我們后面確認元素是否存在至關重要。返回值的含義，返回查找元素在切片中的位置，如果元素不存在，則返回，在保持切片有序情況下，插入該元素應該在什么位置。

比如，序列如下：

1 2 6 8 9 11

假設，x 為 6，查找之后將發(fā)現(xiàn)它的位置在索引 2 處；x 如果是 7，發(fā)現(xiàn)不存在該元素，如果插入序列，將會放在 6 和 8 之間，索引位置是 3，因而返回值為 3。

代碼測試下：

fmt.Println(sort.SearchInts([]int{1, 2, 6, 8, 9, 11}, 6)) // 2
fmt.Println(sort.SearchInts([]int{1, 2, 6, 8, 9, 11}, 7)) // 3

如果判斷元素是否在序列中，只要判斷返回位置上的值是否和查找的值相同即可。

但還有另外一種情況，如果插入元素位于序列最后，例如元素值為 12，插入位置即為序列的長度 6。如果直接查找 6 位置上的元素就可能發(fā)生越界的情況。那怎么辦呢？其實判斷返回是否大于切片長度即可，大于則說明元素不在切片序列中。

完整的實現(xiàn)代碼如下：

func SortInIntSlice(haystack []int, needle int) bool {
 sort.Ints(haystack)

 index := sort.SearchInts(haystack, needle)
 return index  len(haystack)  haystack[index] == needle
}

但這還有個問題，對于無序的場景，如果每次查詢都要經過一次排序并不劃算。最后能實現(xiàn)一次排序，稍微修改下代碼。

func InIntSliceSortedFunc(haystack []int) func(int) bool {
 sort.Ints(haystack)

 return func(needle int) bool {
 index := sort.SearchInts(haystack, needle)
 return index  len(haystack)  haystack[index] == needle
 }
}

上面的實現(xiàn)，我們通過調用 InIntSliceSortedFunc 對 haystack 切片排序，并返回一個可多次使用的函數。

使用案例如下：

in := gotin.InIntSliceSortedFunc(haystack)

for i := 0; imaxNeedle; i++ {
 if in(i) {
 fmt.Printf("%d is in %v", i, haystack)
 }
}

二分查找的方式有什么不足呢？

我想到的重要一點，要實現(xiàn)二分查找，元素必須是可排序的，如 int，string，float 類型。而對于結構體、切片、數組、映射等類型，使用起來就不是那么方便，當然，如果要用，也是可以的，不過需要我們進行一些適當擴展，按指定標準排序，比如結構的某個成員。

到此，二分查找的 in 實現(xiàn)就介紹完畢了。

map key

本節(jié)介紹 map key 方式。它的算法復雜度是 O1，無論數據量多大，查詢性能始終不變。它主要依賴的是 Go 中的 map 數據類型，通過 hash map 直接檢查 key 是否存在，算法大家應該都比較熟悉，通過 key 可直接映射到索引位置。

我們常會用到這個方法。

_, ok := m[k]
if ok {
 fmt.Println("Found")
}

那么它和 in 如何結合呢？一個案例就說明白了這個問題。

假設，我們有一個 []int 類型變量，如下：

s := []int{1, 2, 3}

為了使用 map 的能力檢查某個元素是否存在，可以將 s 轉化 map[int]struct{}。

m := map[interface{}]struct{}{
 1: struct{}{},
 2: struct{}{},
 3: struct{}{},
 4: struct{}{},
}

如果檢查某個元素是否存在，只需要通過如下寫法即可確定：

k := 4
if _, ok := m[k]; ok {
 fmt.Printf("%d is found\n", k)
}

是不是非常簡單？

補充一點，關于這里為什么使用 struct{}，可以閱讀我之前寫的一篇關于Go 中如何使用 set 的文章。

按照這個思路，實現(xiàn)函數如下：

func MapKeyInIntSlice(haystack []int, needle int) bool {
 set := make(map[int]struct{})

 for _ , e := range haystack {
 set[e] = struct{}{}
 }

 _, ok := set[needle]
 return ok
}

實現(xiàn)起來不難，但和二分查找有著同樣的問題，開始要做數據處理，將 slice 轉化為 map。如果是每次數據相同，稍微修改下它的實現(xiàn)。

func InIntSliceMapKeyFunc(haystack []int) func(int) bool {
 set := make(map[int]struct{})

 for _ , e := range haystack {
 set[e] = struct{}{}
 }

 return func(needle int) bool {
 _, ok := set[needle]
 return ok
 }
}

對于相同的數據，它會返回一個可多次使用的 in 函數，一個使用案例如下：

in := gotin.InIntSliceMapKeyFunc(haystack)

for i := 0; imaxNeedle; i++ {
 if in(i) {
 fmt.Printf("%d is in %v", i, haystack)
 }
}

對比前兩種算法，這種方式的處理效率最高，非常適合于大數據的處理。接下來的性能測試，我們將會看到效果。

性能

介紹完所有方式，我們來實際對比下每種算法的性能。測試源碼位于gotin_test.go 文件中。

基準測試主要是從數據量大小考察不同算法的性能，本文中選擇了三個量級的測試樣本數據，分別是 10、1000、1000000。

為便于測試，首先定義了一個用于生成 haystack 和 needle 樣本數據的函數。

代碼如下：

func randomHaystackAndNeedle(size int) ([]int, int){
 haystack := make([]int, size)

 for i := 0; isize ; i++{
 haystack[i] = rand.Int()
 }

 return haystack, rand.Int()
}

輸入參數是 size，通過 rand.Int() 隨機生成切片大小為 size 的 haystack 和 1 個 needle。在基準測試用例中，引入這個隨機函數生成數據即可。

舉個例子，如下：

func BenchmarkIn_10(b *testing.B) {
 haystack, needle := randomHaystackAndNeedle(10)

 b.ResetTimer()
 for i := 0; i  b.N; i++ {
 _, _ = gotin.In(haystack, needle)
 }
}

首先，通過 randomHaystackAndNeedle 隨機生成了一個含有 10 個元素的切片。因為生成樣本數據的時間不應該計入到基準測試中，我們使用 b.ResetTimer() 重置了時間。

其次，壓測函數是按照 Test+函數名+樣本數據量規(guī)則編寫，如案例中 BenchmarkIn_10，表示測試 In 函數，樣本數據量為 10。如果我們要用 1000 數據量測試 InIntSlice，壓測函數名為 BenchmarkInIntSlice_1000。

測試開始吧！簡單說下我的筆記本配置，Mac Pro 15 版，16G 內存，512 SSD，4 核 8 線程的 CPU。

測試所有函數在數據量在 10 的情況下的表現(xiàn)。

$ go test -run=none -bench=10$ -benchmem

匹配所有以 10 結尾的壓測函數。

測試結果：

goos: darwin
goarch: amd64
pkg: github.com/poloxue/gotin
BenchmarkIn_10-8 3000000 501 ns/op 112 B/op 11 allocs/op
BenchmarkInIntSlice_10-8 200000000 7.47 ns/op 0 B/op 0 allocs/op
BenchmarkInIntSliceSortedFunc_10-8 100000000 22.3 ns/op 0 B/op 0 allocs/op
BenchmarkSortInIntSlice_10-8 10000000 162 ns/op 32 B/op 1 allocs/op
BenchmarkInIntSliceMapKeyFunc_10-8 100000000 17.7 ns/op 0 B/op 0 allocs/op
BenchmarkMapKeyInIntSlice_10-8 3000000 513 ns/op 163 B/op 1 allocs/op
PASS
ok github.com/poloxue/gotin 13.162s

表現(xiàn)最好的并非 SortedFunc 和 MapKeyFunc，而是最簡單的針對單類型的遍歷查詢，平均耗時 7.47ns/op，當然，另外兩種方式表現(xiàn)也不錯，分別是 22.3ns/op 和 17.7ns/op。

表現(xiàn)最差的是 In、SortIn（每次重復排序）和 MapKeyIn（每次重復創(chuàng)建 map）兩種方式，平均耗時分別為 501ns/op 和 513ns/op。

測試所有函數在數據量在 1000 的情況下的表現(xiàn)。

$ go test -run=none -bench=1000$ -benchmem

測試結果：

goos: darwin
goarch: amd64
pkg: github.com/poloxue/gotin
BenchmarkIn_1000-8 30000 45074 ns/op 8032 B/op 1001 allocs/op
BenchmarkInIntSlice_1000-8 5000000 313 ns/op 0 B/op 0 allocs/op
BenchmarkInIntSliceSortedFunc_1000-8 30000000 44.0 ns/op 0 B/op 0 allocs/op
BenchmarkSortInIntSlice_1000-8 20000 65401 ns/op 32 B/op 1 allocs/op
BenchmarkInIntSliceMapKeyFunc_1000-8 100000000 17.6 ns/op 0 B/op 0 allocs/op
BenchmarkMapKeyInIntSlice_1000-8 20000 82761 ns/op 47798 B/op 65 allocs/op
PASS
ok github.com/poloxue/gotin 11.312s

表現(xiàn)前三依然是 InIntSlice、InIntSliceSortedFunc 和 InIntSliceMapKeyFunc，但這次順序發(fā)生了變化，MapKeyFunc 表現(xiàn)最好，17.6 ns/op，與數據量 10 的時候相比基本無變化。再次驗證了前文的說法。

同樣的，數據量 1000000 的時候。

$ go test -run=none -bench=1000000$ -benchmem

測試結果如下：

goos: darwin
goarch: amd64
pkg: github.com/poloxue/gotin
BenchmarkIn_1000000-8 30 46099678 ns/op 8000098 B/op 1000001 allocs/op
BenchmarkInIntSlice_1000000-8 3000 424623 ns/op 0 B/op 0 allocs/op
BenchmarkInIntSliceSortedFunc_1000000-8 20000000 72.8 ns/op 0 B/op 0 allocs/op
BenchmarkSortInIntSlice_1000000-8 10 138873420 ns/op 32 B/op 1 allocs/op
BenchmarkInIntSliceMapKeyFunc_1000000-8 100000000 16.5 ns/op 0 B/op 0 allocs/op
BenchmarkMapKeyInIntSlice_1000000-8 10 156215889 ns/op 49824225 B/op 38313 allocs/op
PASS
ok github.com/poloxue/gotin 15.178s

MapKeyFunc 依然表現(xiàn)最好，每次操作用時 17.2 ns，Sort 次之，而 InIntSlice 呈現(xiàn)線性增加的趨勢。一般情況下，如果不是對性能要特殊要求，數據量特別大的場景，針對單類型的遍歷已經有非常好的性能了。

從測試結果可以看出，反射實現(xiàn)的通用 In 函數每次執(zhí)行需要進行大量的內存分配，方便的同時，也是以犧牲性能為代價的。

總結

本文通過一個問題引出主題，為什么 Go 中沒有類似 Python 的 In 方法。我認為，一方面是實現(xiàn)非常簡單，沒有必要。除此以外，另一方面，在不同場景下，我們還需要根據實際情況分析用哪種方式實現(xiàn)，而不是一種固定的方式。

接著，我們介紹了 In 實現(xiàn)的三種方式，并分析了各自的優(yōu)劣。通過性能分析測試，我們能得出大致的結論，什么方式適合什么場景，但總體還是不能說足夠細致，有興趣的朋友可以繼續(xù)研究下。

您可能感興趣的文章: