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 + " :\t" + 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