Golang 二分查找算法實驗
Golang 二分查找算法實驗(單元壓力測試)
Golang版本信息
go version go1.13.5 windows/amd64
記錄一下自己實現二分查找算法
的過程和實驗結果,二分查找算法
細節請自行百度。
1. 生成隨機有序數組
這裏生成隨機有序數組不考慮是否有重複的數字,實現過程很簡單,就是生成隨機數字並壓入數組中。
func generateNums(size int) []int {
// 參數是數組的大小
var nums []int
rand.Seed(time.Now().UnixNano())
for i := 0; i < size; i++ {
nums = append(nums, rand.Intn(size))
}
sort.Ints(nums)
return nums
}
2. 二分查找算法
使用通道傳遞查找次數結果,參數分別爲,數組
,目的數字
。
func binarySearch(nums []int, targetNum int) int64 {
var low, high int
var t int64
high = len(nums) - 1
for low <= high {
t++
mid := (low + high) / 2
guess := nums[mid]
if guess == targetNum {
return t
}
if guess > targetNum {
high = mid - 1
} else {
low = mid + 1
}
}
return t
}
3. 使用單元測試調用
這裏定義測試數組大小固定爲204800000,即204800000個數字,所以最大搜索次數是25,最小是1。使用b *testing.B
中的b.N
來循環進行測試
// 初始化 - 以便測試數據相同
var (
size = 204800000
nums []int
)
func init() {
nums = generateNums(size)
}
初始化數據後,創建兩個測試實例,分別使用goroutine
和不使用goroutine
的情況
// 使用goroutine
func BenchmarkBinarySearch(b *testing.B) {
var (
averT int64
wg sync.WaitGroup
)
wg.Add(b.N)
for i := 0; i < b.N; i++ {
targetNum := nums[rand.Intn(size)]
go func(targetNum int) {
defer wg.Done()
number := binarySearch(nums, targetNum)
atomic.AddInt64(&averT, number)
}(targetNum)
}
wg.Wait()
log.Printf("總共測試%d次,平均每次搜索%v次", b.N, int(averT)/b.N)
}
// 不使用goroutine
func BenchmarkBinarySearchWithNoGoroutine(b *testing.B) {
var averT int64
for t := 0; t < b.N; t++ {
targetNum := nums[rand.Intn(size)]
runNumber := binarySearch(nums, targetNum)
averT += runNumber
}
log.Printf("總共測試%d次,平均每次搜索%v次", b.N, int(averT)/b.N)
}
4. 實驗結果
以下均爲Golang
的Benchmark
壓力測試生成的隨機結果。
4.1 多Goroutine搜索
共循環搜索2600295
次,平均每執行一次流程耗費467納秒
程序執行次數 | 平均搜索次數 |
---|---|
1 | 27 |
10k | 26 |
100k | 25 |
260k(2600295) | 25 |
控制檯結果:
4.2 普通搜索
共循環搜索100k
次,平均每執行一次流程耗費1034納秒
程序執行次數 | 平均搜索次數 |
---|---|
1 | 25 |
100 | 25 |
10k | 25 |
100k | 25 |
控制檯結果:
5. 實驗結論
壓力測試
一共運行了4
次程序,但是普通搜索
很明顯比創建Goroutine
慢,而且壓力測試
根據普通搜索
能承受的壓力將次數減至100k
次。根據二分查找時間複雜度計算公式可以得知二分查找的時間上限爲 ,所以平均每次搜索次數都正確。
證明二分查找時間爲對數時間。
實驗可以進一步優化,對於如此龐大的數組,應該傳指針而不是傳值,傳值影響運行速度。