java性能优化之for循环

完成同样的功能，用不同的代码来实现，性能上可能会有比较大的差别，所以对于一些性能敏感的模块来说，对代码进行一定的优化还是很有必要的。今天就来说一下java代码优化的事情，今天主要聊一下对于for（while等同理）循环的优化。

作为三大结构之一的循环，在我们编写代码的时候会经常用到。循环结构让我们操作数组、集合和其他一些有规律的事物变得更加的方便，但是如果我们在实际开发当中运用不合理，可能会给程序的性能带来很大的影响。所以我们还是需要掌握一些技巧来优化我们的代码的。

嵌套循环

stratTime = System.nanoTime();

for (int i = 0; i < 10000000; i++) {

for (int j = 0; j < 10; j++) {

}

}

endTime = System.nanoTime();

System.out.println("外大内小耗时："+ (endTime - stratTime));

应改为：

stratTime = System.nanoTime();

for (int i = 0; i <10 ; i++) {

for (int j = 0; j < 10000000; j++) {

}

}

endTime = System.nanoTime();

System.out.println("外小内大耗时："+(endTime - stratTime));

两者耗时对比：

外大内小耗时：200192114

外小内大耗时：97995997

由以上对比可知，优化后性能提升了一倍，嵌套循环应该遵循“外小内大”的原则，这就好比你复制很多个小文件和复制几个大文件的区别。

提取与循环无关的表达式

stratTime = System.nanoTime();

for (int i = 0; i < 10000000; i++) {

i=i*a*b;

}

endTime = System.nanoTime();

System.out.println("未提取耗时："+(endTime - stratTime));

应改为：

stratTime = System.nanoTime();

c = a*b;

for (int i = 0; i < 10000000; i++) {

i=i*c;

}

endTime = System.nanoTime();

System.out.println("已提取耗时："+(endTime - stratTime));

两者耗时对比：

未提取耗时：45973050

已提取耗时：1955

代码中a+b与我们的循环无关，所以应该把它放到外面，避免重复计算，可以看出，优化后性能提升了好几个数量级，这些是不容忽视的。

消除循环终止判断时的方法调用

stratTime = System.nanoTime();

for (int i = 0; i < list.size(); i++) {

}

endTime = System.nanoTime();

System.out.println("未优化list耗时："+(endTime - stratTime));

应改为：

stratTime = System.nanoTime();

int size = list.size();

for (int i = 0; i < size; i++) {

}

endTime = System.nanoTime();

System.out.println("优化list耗时："+(endTime - stratTime));

两者耗时对比：

未优化list耗时：27375

优化list耗时：2444

list.size()每次循环都会被执行一次，这无疑会影响程序的性能，所以应该将其放到循环外面，用一个变量来代替，优化前后的对比也很明显。

异常捕获

stratTime = System.nanoTime();

for (int i = 0; i < 10000000; i++) {

try {

} catch (Exception e) {

}

}

endTime = System.nanoTime();

System.out.println("在内部捕获异常耗时："+(endTime - stratTime));

应改为：

stratTime = System.nanoTime();

try {

for (int i = 0; i < 10000000; i++) {

}

} catch (Exception e) {

}

endTime = System.nanoTime();

System.out.println("在外部捕获异常耗时："+(endTime - stratTime));

两者耗时对比：

在内部捕获异常耗时：12150142

在外部捕获异常耗时：1955

大家都知道，捕获异常是很耗资源的，所以不要讲try catch放到循环内部，优化后同样有好几个数量级的提升。
http://blog.csdn.net/feng88724/article/details/8042722
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。