Tại sao Hashset <Point> chậm hơn nhiều so với Hashset <chuỗi>?

Tôi muốn lưu trữ một số vị trí pixel mà không cho phép trùng lặp, vì vậy điều đầu tiên xuất hiện là HashSet<Point>hoặc các lớp tương tự. Tuy nhiên điều này dường như là rất chậm so với một cái gì đó như HashSet<string>.

Ví dụ: mã này:

HashSet<Point> points = new HashSet<Point>();
using (Bitmap img = new Bitmap(1000, 1000))
{
    for (int x = 0; x < img.Width; x++)
    {
        for (int y = 0; y < img.Height; y++)
        {
            points.Add(new Point(x, y));
        }
    }
}

mất khoảng 22,5 giây.

Mặc dù đoạn mã sau (không phải là lựa chọn tốt vì lý do rõ ràng) chỉ mất 1,6 giây:

HashSet<string> points = new HashSet<string>();
using (Bitmap img = new Bitmap(1000, 1000))
{
    for (int x = 0; x < img.Width; x++)
    {
        for (int y = 0; y < img.Height; y++)
        {
            points.Add(x + "," + y);
        }
    }
}

Vì vậy, câu hỏi của tôi là:

• Có một lý do cho điều đó? Tôi đã kiểm tra câu trả lời này , nhưng 22,5 giây là nhiều hơn những con số trong câu trả lời đó.
• Có cách nào tốt hơn để lưu trữ điểm mà không trùng lặp?

Có hai vấn đề hoàn hảo gây ra bởi cấu trúc Point. Một cái gì đó bạn có thể thấy khi bạn thêm Console.WriteLine(GC.CollectionCount(0));vào mã kiểm tra. Bạn sẽ thấy rằng bài kiểm tra Điểm yêu cầu ~ 3720 bộ sưu tập nhưng kiểm tra chuỗi chỉ cần ~ 18 bộ sưu tập. Không miễn phí. Khi bạn thấy một loại giá trị tạo ra rất nhiều bộ sưu tập thì bạn cần phải kết luận "uh-oh, quá nhiều quyền anh".

Vấn đề là HashSet<T>cần IEqualityComparer<T>phải hoàn thành công việc của mình. Vì bạn không cung cấp một cái, nó cần phải quay lại một cái được trả về EqualityComparer.Default<T>(). Phương pháp đó có thể làm tốt công việc cho chuỗi, nó thực hiện IEquitable. Nhưng không phải cho Point, nó là một loại gây ra từ .NET 1.0 và không bao giờ có được tình yêu chung chung. Tất cả những gì nó có thể làm là sử dụng các phương thức Object.

Vấn đề khác là Point.GetHashCode () không thực hiện công việc xuất sắc trong thử nghiệm này, quá nhiều va chạm, do đó, nó cản trở Object.Equals () khá nặng nề. Chuỗi có một triển khai GetHashCode tuyệt vời.

Bạn có thể giải quyết cả hai vấn đề bằng cách cung cấp cho Hashset một bộ so sánh tốt. Giống như cái này:

class PointComparer : IEqualityComparer<Point> {
    public bool Equals(Point x, Point y) {
        return x.X == y.X && x.Y == y.Y;
    }

    public int GetHashCode(Point obj) {
        // Perfect hash for practical bitmaps, their width/height is never >= 65536
        return (obj.Y << 16) ^ obj.X;
    }
}

Và sử dụng nó:

HashSet<Point> list = new HashSet<Point>(new PointComparer());

Và bây giờ nó nhanh hơn khoảng 150 lần, dễ dàng đánh bại bài kiểm tra chuỗi.

Lý do chính cho việc giảm hiệu suất là tất cả các quyền anh đang diễn ra (như đã được giải thích trong câu trả lời của Hans Passant ).

Ngoài ra, thuật toán mã băm làm trầm trọng thêm vấn đề, bởi vì nó gây ra nhiều cuộc gọi hơn Equals(object obj)do đó làm tăng số lượng chuyển đổi quyền anh.

Cũng lưu ý rằng mã băm củaPoint được tính bằng x ^ y. Điều này tạo ra rất ít sự phân tán trong phạm vi dữ liệu của bạn và do đó, các nhóm của HashSetquá đông dân cư - điều không xảy ra với string, trong đó độ phân tán của băm lớn hơn nhiều.

Bạn có thể giải quyết vấn đề đó bằng cách triển khai Pointcấu trúc (tầm thường) của riêng bạn và sử dụng thuật toán băm tốt hơn cho phạm vi dữ liệu dự kiến ​​của bạn, ví dụ: bằng cách thay đổi tọa độ:

(x << 16) ^ y

Để biết một số lời khuyên tốt khi nói về mã băm, hãy đọc bài đăng trên blog của Eric Lippert về chủ đề này .