PHP数组交集的优化

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，如果你传给它整数，它会做一步耗时的『(string)』类型转换操作。

注：测试结果基于PHP5.3.5，不同版本结论可能存在差异