如何提高我的域名计数算法的效率？

Question

首先，如果有人问了这个问题，我想向您道歉。在没有找到如何计算散列引用数组的情况下搜索答案是困难的。

我的函数接收DBI查询的输出，这是一个包含电子邮件地址的散列引用数组。该任务是持有每日计数的电子邮件地址，按其域名。我所做的就是构建一个域的散列来计数。重点是该数组预计将存储至少10,000,000封电子邮件。运行该脚本需要几分钟时间。

问题是，你能想出一种简化算法的方法吗？

my ($data) = shift;
my %elements = ( );

foreach my $row (@$data)
{
    my ($username, $domain) = split(/@/, $row->{addr});
    if (exists($elements{$domain}))
    {
        $elements{$domain}++;
    }
    else
    {
        $elements{$domain} = 1;
    }

}

顺便说一下，我为我的英语感到抱歉，但我不是以英语为母语的人。谢谢。

Answer 1

您不需要if/else逻辑。当您第一次尝试递增还不在散列中的键(在本例中是一个域)的计数时，Perl非常聪明地将计数设置为1。

去掉if，保留增量。你的效率可能不会有很大的提高，但你会得到一点。否则，循环就会变得尽可能紧凑。

Answer 2

有一种优化方法可以使仅当字符串只包含一个@时为

(split /\@/, $string)[1]

等同于，但效率低于

substr $string, 1 + index $string, '@'

如果这行代码不经常执行，性能提升就不会那么显著，但在我刚刚运行的一个非常不科学的基准测试中，执行时间大致减半。

另一个区别是不存在@时的行为- split解决方案将给出undef，它将字符串设置为空字符串，但index解决方案将给出最后一个字符。

如果您不介意散列键中的前导@，您可以进一步提高效率：

substr $string, index $string, '@'

Answer 3

您的算法已经是O(N)，这与计数算法的效率差不多。您可以进行微优化，例如删除if子句，但您不会获得任何算法改进。