for(int i = 0; i < 1000; i++)
{
for(int j = 0; j < 100; j++)
{
for(int k = 0; k < 10; k++)
{
function(i,j,k);
}
}
}请问以上代码如何进行优化Java

解决方案 »

  1.   

    for(int i = 0,j=0,k=0; i < 999 ; k++)
            {

    if(k == 10){
    k=0;
    j = j+1;
    }
    if(j == 100){
    j=0;
    i = i+1;
    }
    System.out.println(i+" "+j+" "+k);
            }
    不知道对不对 反正比你那个快了差不多一秒
      

  2.   

        int i=0,j=0,k=0;
    for( i = 0; i < 1000; i++)        
    {            
    for( j = 0; j < 100; j++)    
    {                
    for( k = 0; k < 10; k++)    
    {   
     
                    function(i,j,k); 
    }            

    }         

    }  减少变量命名次数。提高程序执行效率。
      

  3.   

    for(int k = 0; k < 10; k++){     
           for(int j = 0; j < 100; j++) { 
                   for(int i = 0; i< 1000; i++){  
                      function(i,j,k);     
               }     
           }     
       }
      

  4.   

    1 案例描述 
    某日,在JavaEye上看到一道面试题,题目是这样的:请对以下的代码进行优化 
    Java代码  
    for (int i = 0; i < 1000; i++)  
        for (int j = 0; j < 100; j++)  
            for (int k = 0; k < 10; k++)  
                testFunction (i, j, k);  (注:为了同后面的内容一致,这里对原题目进行了部分修改) 2 案例分析 
    从给出的代码可知,不论如何优化,testFunction执行的次数都是相同的,该部分不存在优化的可能。那么,代码的优化只能从循环变量i、j、k的实例化、初始化、比较、自增等方面的耗时上进行分析。 
    首先,我们先分析原题代码循环变量在实例化、初始化、比较、自增等方面的耗时情况: 
    变量 实例化(次数) 初始化(次数) 比较(次数) 自增(次数) 
    i 1 1 1000 1000 
    j 1000 1000 1000 * 100 1000 * 100 
    k 1000 * 100 1000 * 100 1000 * 100 * 10 1000 * 100 * 10 (注:由于单次耗时视不同机器配置而不同,上表相关耗时采用处理的次数进行说明) 
    该代码的性能优化就是尽可能减少循环变量i、j、k的实例化、初始化、比较、自增的次数,同时,不能引进其它可能的运算耗时。 3 解决过程 
    从案例分析,对于原题代码,我们提出有两种优化方案: 
    3.1 优化方案一 
    代码如下: 
    Java代码  
    for (int i = 0; i < 10; i++)  
        for (int j = 0; j < 100; j++)  
            for (int k = 0; k < 1000; k++)  
                testFunction (k, j, i);  该方案主要是将循环次数最少的放到外面,循环次数最多的放里面,这样可以最大程度的(注:3个不同次数的循环变量共有6种排列组合情况,此种组合为最优)减少相关循环变量的实例化次数、初始化次数、比较次数、自增次数,方案耗时情况如下: 
    变量 实例化(次数) 初始化(次数) 比较(次数) 自增(次数) 
    i 1 1 10 10 
    j 10 10 10 * 100 10 * 100 
    k 10 * 100 10 * 100 10 * 100 * 1000 10 * 100 * 1000 
    3.2 优化方案二 
    代码如下: 
    Java代码  
    int i, j, k;  
    for (i = 0; i < 10; i++)  
        for (j = 0; j < 100; j++)  
            for (k = 0; k < 1000; k++)  
                testFunction (k, j, i);  该方案在方案一的基础上,将循环变量的实例化放到循环外,这样可以进一步减少相关循环变量的实例化次数,方案耗时情况如下: 
    变量 实例化(次数) 初始化(次数) 比较(次数) 自增(次数) 
    i 1 1 10 10 
    j 1 10 10 * 100 10 * 100 
    k 1 10 * 100 10 * 100 * 1000 10 * 100 * 1000 
    4 解决结果 
    那么,提出的优化方案是否如我们分析的那样有了性能上的提升了呢?我们编写一些测试代码进行验证,数据更能说明我们的优化效果。 
    4.1 测试代码 
    Java代码  
    public static void testFunction(int i, int j, int k) {  
            System.out.print("");   // 注:该方法不影响整体优化,这里只有简单输出  
        }  
      
        public static void testA() {  
            long start = System.nanoTime();  
            for (int i = 0; i < 1000; i++)  
                for (int j = 0; j < 100; j++)  
                    for (int k = 0; k < 10; k++)  
                        testFunction(i, j, k);  
            System.out.println("testA time>>" + (System.nanoTime() - start));  
        }  
      
        public static void testB() {  
            long start = System.nanoTime();  
            for (int i = 0; i < 10; i++)  
                for (int j = 0; j < 100; j++)  
                    for (int k = 0; k < 1000; k++)  
                        testFunction(k, j, i);  
            System.out.println("testB time>>" + (System.nanoTime() - start));  
        }  
      
        public static void testC() {  
            long start = System.nanoTime();  
            int i;  
            int j;  
            int k;  
            for (i = 0; i < 10; i++)  
                for (j = 0; j < 100; j++)  
                    for (k = 0; k < 1000; k++)  
                        testFunction(k, j, i);  
            System.out.println("testC time>>" + (System.nanoTime() - start));  
    }  4.2 测试结果 
    1、测试机器配置:Pentium(R) Dual-Core CPU E5400 @2.70GHz 2.70GHz, 2GB内存; 
    2、循环变量i、j、k循环次数分别为10、100、1000,进行5组测试,测试结果如下: 
      第1组 第2组 第3组 第4组 第5组 
    原方案 171846271 173250166 173910870 173199875 173725328 
    方案一 168839312 168466660 168372616 168310190 168041251 
    方案二 168001838 169141906 168230655 169421766 168240748 从上面的测试结果来看,优化后的方案明显性能优于原方案,达到了优化的效果。但优化方案二并没有如我们预期的优于方案一,其中第2、4、5组的数据更是比方案一差,怀疑可能是循环次数太少,以及测试环境相关因素影响下出现的结果。 3、重新调整循环变量i、j、k循环次数分别为20、200、2000,进行5组测试,测试结果如下: 
      第1组 第2组 第3组 第4组 第5组 
    原方案 1355397203 1358978176 1358128281 1350193682 1354786598 
    方案一 1343482704 1348410388 1343978037 1347919156 1340697793 
    方案二 1342427528 1343897887 1342662462 1342124048 1336266453 从上面的测试结果来看,优化后的方案基本符合我们的预期结果。 5 总结 
    从案例分析和解决过程中的三个表的分析可知,优化方案一和优化方案二的性能都比原代码的性能好,其中优化方案二的性能是最好的。在嵌套For循环中,将循环次数多的循环放在内侧,循环次数少的循环放在外侧,其性能会提高;减少循环变量的实例化,其性能也会提高。从测试数据可知,对于两种优化方案,如果在循环次数较少的情况下,其运行效果区别不大;但在循环次数较多的情况下,其效果就比较明显了。  
      

  5.   

    不要做这种所谓的优化,现代编译器很聪明,在编译时就会进行优化了,就算编译时没法进行优化的东西,在运行期也会进行优化的,这也是 Oracle/Sun HotSpot JVM 最为优秀的地方。所谓的 HotSpot 可以简单地理解为“热点”,JVM 在运行程序的过程中会将一些执行次数超过一定程度的语句片处理成为本地代码执行,这就是所谓的 C2 级编译。上面的优化方法一、二中,将局部变量的作用范围扩大了,而带来了一点点所谓性能的提升,这点的性能提升在实际运算过程中完全可以忽略不计,这种做法是得不偿失的,也是不可取的。而且上面的测试有很多的缺陷,其循环体内方法做的工作是 IO 输出,磁盘 IO 的性能也环境非常相关,会导致同一程序在不同时间产生不同的时间调用。另外,一个循环跑 1000000 万次,先不说这是在做什么,光三重的 for 循环就可以表明程序不应在代码上进行无谓地优化,而是应该在算法上进行优化才是根本!