深圳品牌医疗网站建设seo优化工程师

背景

最近在实现一个需求，需要对大量数据中排序出前N，最暴力的方法肯定是直接全量排序。这里很明显是可以不用全量排序的，取前N，我们自然而然可以想到一个算法——堆排序。
一开始自己先写好了一版，后来想起，这个完全可以交给AI来实现，在好奇心的驱使下，于是我让ChatGPT实现了一个topN的算法，于是有了这篇文章。

测试

以下只将对项目业务进行简化：直接排序一个int数组，长度100w，排出top 1w，模拟100次。
测试在原始数组不同情况下，各个实现的实际耗时。

public class MyTest {private static int totalCount = 100_0000;//总数量private static int rankSize = 10000;//排行榜长度private static int batch = 100;//测试次数public static void main(String[] args) {List<Integer> values = new ArrayList<>();for (int i = 0; i < totalCount; i++) {values.add(i);}//默认递增Collections.shuffle(values);//打乱顺序//Collections.reverse(values);//递减顺序topN_NiuMa(values);topN_ChatGPT(values);topN_BruteForce(values);}//牛马版private static void topN_NiuMa(List<Integer> values) {long startTime = System.currentTimeMillis();for (int i = 0; i < batch; i++) {PriorityQueue<Integer> queue = new PriorityQueue<>(rankSize);for (Integer value : values) {queue.offer(value);if (queue.size() > rankSize) {queue.poll();}}}long endTime = System.currentTimeMillis();long cost = endTime - startTime;System.out.println("牛  马  版（100次）：" + cost + " ms");}//ChatGPT版private static void topN_ChatGPT(List<Integer> values) {long startTime = System.currentTimeMillis();for (int i = 0; i < batch; i++) {PriorityQueue<Integer> queue = new PriorityQueue<>(rankSize);for (Integer value : values) {if (queue.size() < rankSize) {queue.offer(value);} else if (value > queue.peek()) {queue.poll();queue.offer(value);}}}long endTime = System.currentTimeMillis();long cost = endTime - startTime;System.out.println("ChatGPT版（100次）：" + cost + " ms");}//暴力版public static void topN_BruteForce(List<Integer> values) {long startTime = System.currentTimeMillis();for (int i = 0; i < batch; i++) {List<Integer> values1 = new ArrayList<>(values);Collections.sort(values1, new Comparator<Integer>() {@Overridepublic int compare(Integer o1, Integer o2) {return Integer.compare(o2, o1);}});}long endTime = System.currentTimeMillis();long cost = endTime - startTime;System.out.println("暴  力  版（100次）：" + cost + " ms");}
}

结果

待排数据递增（与目标相反）

牛 马 版（100次）：8977 ms
ChatGPT版（100次）：8874 ms
暴 力 版（100次）：377 ms

待排数据递减（与目标相同）

牛 马 版（100次）：9342 ms
ChatGPT版（100次）：516 ms
暴 力 版（100次）：338 ms

待排数据随机（符合实际情况）

牛 马 版（100次）：13355 ms
ChatGPT版（100次）：2539 ms
暴 力 版（100次）：19483 ms

结论

暴力版，在原始数据有序的情况下，表现出惊人的性能，这里得益于java底层对排序算法的优化。
牛马版，在原始数据有序的情况下表现略微优于完全无序的情况，但总体表现不佳。
ChatGPT，在原始数据与目标顺序形的情况下表现良好，原始数据与目标数据相反时，表现较差，原始数据无序的情况下表现最优，这也是最正统的topN算法的实现。
在实际生产环境中，正统的topN算法是有不错的表现的。