性能优化：空间换时间

问题背景

       在程序开发过程中，我们对于数据的处理，会有一些校验。 
       校验分为两种：简单校验和复杂校验。

       对于一些简单的校验，如用户是否存在，密码是否正确等等。这种校验，可以说几乎不耗时的。所以也没必要在这里做优化。 
       对于复杂的校验，需要进行联合查询，通过查询很多次之后，才可以得出 数据的正确性与否。当然这种校验执行会很慢。

       对于程序开发来说，时间复杂度和空间复杂度是可以相互转化的。说通俗一点，就是：对于执行的慢的程序，可以通过消耗内存（即构造新的数据结构）来进行优化。而消耗内存的程序，也可以多消耗时间来降低内存的消耗。 
       前者使用的是最多的。很少有人会为了节省内存而浪费时间。

       感兴趣的同学，请仔细看完这个例子。看如何是如何消耗内存来提高性能的。如果有不正确的地方，还请指出来。

先举例一个场景。来分别 看一下  正常思路的处理方法和优化过后的处理方法：

       比如说给学生 排课。 学生 和 课程 是一个多对多的关系。 

       按照正常的逻辑 应该有一个关联表来维护 两者之间的关系。 

现在，添加一个约束条件 用于 校验。如：张三 上学期 学过 的课程，在排课的时候不应该再排这种课程。 

 所以需要出现一个约束表（即：历史成绩表）。

即：学生选课表，需要 学生成绩表作为约束。

处理方式对比

方案一：正常的处理方式：

       当一个学生进行再次选课的时候。需要查询学生选课表看是否已经存在。

即有如下校验：

//查询 学生code和课程code分别为  A 和 B的数据是否存在//list集合中存放  学生选课记录全部的数据List<StudentRecordEntity> ListStudentRecord=service.findAll();   //查询数据，看是否已经存在StudentRecordEntity enSr=ListStudentRecord.find(s=>s.学生Code==A && s.课程Code==B);If(enSr==null){    //学生没有选该课程    //....}else{    //学生已经选过该课程    //....}

对于上面这种代码的写法，非常的简练。而且也非常易懂。 

       首先，假设有5000个学生，100门课程。那么对于学生选课的数据集中，数据量将是5000*100.数据量会是十万级别的数量级。

       在十万条数据中，查询 学生=A 课程=B的 一条记录。执行的效率会很低。因为find方法的查询也就是where 查询，即通过遍历数据集合 来查找。 

       所以，使用上面的代码。在数据量逐渐增长的过程中，程序的执行效率会大幅度下降。 
       （ps：数据量增长，在该例子中并不太适合。例子可能不太恰当。总之，大概就是这个意思。）


方案二：使用内存进行优化效率：

       这种做法，需要消耗内存。或者说把校验的工作向前做(数据的初始化，在部署系统的过程中进行)。即：在页面加载的时候数据只调用提供的public方法进行校验。

//学生Code  到   数组索引Private Dictionary<string,int> _DicStudentCodeToArrayIndex;//课程Code  到   数据索引Private Dictionary<string,int> _DicCourseCodeToArrayIndex;//所有学生List<StudentEntity> ListStudent=service.findAllStudent();//所有课程List<CourseEntity> ListCourse=service.findAllCourse();//所有 学生选课记录List<StudentCourseEntity> ListStudentRecord=service.finAll();Private int[,] _ConnStudentRecord=new int[ListStudent.count,ListCourse.count];//构造 学生、课程的  数组 用于快速查找字典索引Private void GenerateDic(){    For(int i=0;i<ListStudent.Count;i++)        _DicStudentCodeToArrayIndex.Add(ListStudent[i].code,i)    }    For(int i=0;i<ListCourse.Count;i++){        _DicCourseCodeToArrayIndex.Add(ListCourse[i].code,i)    }}//构造学生选课 匹配的 二维数组。 1表示 学生已选该课程Private void GenerateArray(){    Foreach(StudentRecordEntity sre in ListStudentRecord){        Int x=_DicStudentCodeToArrayIndex[sre.学生Code];        Int y=DicCourseCodeToArrayIndex[sre.课程Code];        ConnStudentRecord[x,y]=1;    }}//对外公开的方法：根据学生Code 和课程Code  查询 选课记录是否存在/// <returns>返回1 表示存在。返回0表示不存在</returns>Public void VerifyRecordByStudentCodeAndCourseCode(String pStudentCode,String pCourseCode){    Int x=_DicStudentCodeToArrayIndex[pStudentCode];    Int y=_DicCourseCodeToArrayIndex[pCourseCode];    Return ConnStudentRecord[x,y];}

性能分析

分析一下第二种方案的表象。 
       1、方法很多。 
       2、使用的变量很多。

       首先要说一下。该优化的目的，是提高 学生在选课的时候，所出现的卡顿现象（校验数据量大）。

分别对以上两种方案进行分析：

       假设学生为N，课程为M

第一种方案： 
       时间复杂度很容易计算 第一种方案最小为O（NM） 

第二种方案： 
       1、代码多。但是给用户提供的只有一个VerifyRecordByStudentCodeAndCourseCode方法。 
       2、变量多，因为该方案就是要使用内存提高效率的。 
       这个方法执行流程：1、在Dictionary中使用Code找Index 2、使用Index查询数组。

       第一步中，Dictionary中查询是使用的Hash查找算法。时间复杂度为O(lgN) 时间比较快。第二步，时间复杂度为O(1)，因为数组 是连续的 使用索引 会直接查找对应的地址。 
       所以，使用第二种方案进行校验，第二种方案时间复杂度为O（lgN+lgM） 

小结

       通过上面的分析，可以看出，内存的付出是可以提高程序的执行效率的。以上只是一个例子，优化的好坏取决于使用的数据结构。