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