Java 集合与队列的插入、删除在并发下的性能比较

　　这两天在写一个java多线程的爬虫，以广度优先爬取网页，设置两个缓存：

• 　　一个保存已经访问过的URL：vistedUrls
• 　　一个保存没有访问过的URL：unVistedUrls

　　需要爬取的数据量不大，对URL压缩后，可以把这两个数据结构都放入内存，vistedUrls很显然用HashSet<String>实现，因为已经访问的URL只会添加，不会删除和修改，使用HashSet可以高效判断一个URL是否已经访问。

　　纠结unVistedUrls该用什么数据结构，如果用队列的话，并发情况下，队列中可能会用重复的URL，比如一个线程A爬了CSDN的一个URL1，另一个线程B爬了博客园的一个URL2，URL1和URL2的页面都有一个相同的出链URL3，线程A把URL3加入到unVistedUrls的队尾，等待下次爬取，但在URL3被爬取之前，线程B也把URL3加到队尾，这样队列中就有两个相同的URL，可能会导致重复爬取网页，当然可以通过其他方法来保证不会重复爬取。

　　然后就想能否也用Set来保存未访问的URL，这样在添加新的URL时，自动去重处理了，能够有效保证不爬取重复网页。但是unVistedUrls会有大量的插入和删除操作，我认为对集合进行大量的插入删除性能会比较低，为了测试集合的插入删除性能对比队列低多少，我写了一个简单的并发测试：

/**
 * 测试集合与队列的插入与读写性能
 * 
 * @author jiqunpeng@gmail.com
 * 
 */
public class SetQueueTest {
    // 随即数构造器
    private static Random r = new Random(10);
    // 控制测试线程停止的原子变量
    private static AtomicBoolean stop = new AtomicBoolean(false);

    /***
     * 基类，供测试用
     * 
     * @author jiqunpeng@gmail.com
     * 
     */
    static abstract class Service {
        // 操作的计数器
        protected long count = 0;

        // 添加一堆元素，并去一个元素
        public abstract String addAndPick(List<String> elements);

        // 取一个元素
        public abstract String pickOne();

        /**
         * 打印操作次数
         */
        public void tell() {
            System.out.println(this + " :	" + count);
        }
    }

    /***
     * 采用TreeSet的集合工具
     * 
     * @author jiqunpeng@gmail.com
     * 
     */
    static class SetService extends Service {
        private TreeSet<String> set = new TreeSet<String>();

        @Override
        public synchronized String addAndPick(List<String> elements) {
            count++;
            set.addAll(elements);
            return set.pollFirst();
        }

        @Override
        public synchronized String pickOne() {
            count++;
            return set.pollFirst();
        }

    }

    /***
     * 采用LinkedList的队列工具
     * 
     * @author jiqunpeng@gmail.com
     * 
     */
    static class QueueService extends Service {
        private Queue<String> queue = new LinkedList<String>();

        @Override
        public synchronized String addAndPick(List<String> elements) {
            count++;
            queue.addAll(elements);
            return queue.poll();
        }

        @Override
        public synchronized String pickOne() {
            count++;
            return queue.poll();
        }
    }

    /***
     * 测试类
     * 
     * @author jiqunpeng@gmail.com
     * 
     */
    static class Tester implements Runnable {
        // 绑定要测试的工具对象
        private Service service;

        Tester(Service s) {
            this.service = s;
        }

        @Override
        public void run() {
            while (stop.get() == false) {
                List<String> elements = new ArrayList<String>();
                int len = r.nextInt(200) + 8;
                for (int i = 0; i < len; i++) {
                    elements.add(String.valueOf(r.nextInt()));
                }
                service.addAndPick(elements);
                for (int i = 0; i < 104; i++)
                    service.pickOne();
            }
        }
    }

    /***
     * 多线程方式，测试一个插入、删除工具
     * 
     * @param service
     * @param time
     * @param unit
     * @throws InterruptedException
     */
    private static void test(Service service, int time, TimeUnit unit)
            throws InterruptedException {
        ExecutorService execs = Executors.newCachedThreadPool();
        for (int i = 0; i < 20; i++) {
            execs.execute(new Tester(service));
        }
        execs.shutdown();
        unit.sleep(time);
        stop.compareAndSet(false, true);
        service.tell();
    }

    public static void main(String[] args) throws InterruptedException {
        Service setService = new SetService();
        test(setService, 5, TimeUnit.SECONDS);
        stop.compareAndSet(true, false);// 重置终止条件
        Service queueService = new QueueService();
        test(queueService, 5, TimeUnit.SECONDS);
    }
}

　　输出的结果如下：

SetQueueTest$SetService@5e9de959 :      7149859
SetQueueTest$QueueService@11b343e0 :    24303408

　　测试结果让我感到吃惊，TreeSet的插入删除效率确实比LinkedList低，20个线程跑了10秒，使用队列，插入删除24303408次，使用集合，插入删除7149859次。它们之间差距并不大，队列只比集合快2~3倍。属于同一个数量级。于是我这个小型的爬虫应该放心的选择用Set作为unVistedUrls的实现。

    转载请注明出处：www.cnblogs.com/fengfenggirl