在PHP中找到两个大型数组之间差异的最佳方法

Question

我有2个非常大的阵列(大小约2,500,000).我需要找到这些数组之间的差异.差异我的意思是我需要一个结果数组,其值在数组1中但不在数组2中.我使用了array_diff()但它需要超过半小时!

第一个数组来自一个DB,第二个数组来自另一个数据库.它们不在同一个数据库服务器上.阵列的大小不同.我正在处理大量的手机号码.我需要找出一个列表中的移动号码,但不在另一个列表中

数组是带数字键的普通数组.Diff代码如下:

$numbers_list = array_diff($numbers_list, $some_other_list);

有没有更好的方法呢？请帮忙.

Answer 1

这是一个简单的算法.

1. 翻转第一个阵列.价值观将成为关键.因此重复的值将被丢弃.
2. 翻转第二个阵列(可选)
3. 检查第二个数组中的每个元素(如果它存在于第一个数组中).

当您使用非常大的数组时,它会占用大量内存.

这是我的实施,

$a = file("l.a"); // l.a is a file contains 2,500,000 lines
$b = file("l.b");

function large_array_diff($b, $a){
    // Flipping 
    $at = array_flip($a);
    $bt = array_flip($b); 
    // checking
    $d = array_diff_key($bt, $at);

    return array_keys($d);   
}

我使用4G内存限制运行它.3G也有效.刚刚测试过

$ time php -d memory_limit=4G diff_la.php

花了大约11秒钟!.

real    0m10.612s
user    0m8.940s
sys     0m1.460s

UPDATE

以下代码运行速度比large_array_diff上述功能快2倍.

function flip_isset_diff($b, $a) {
    $at = array_flip($a);
    $d = array();
    foreach ($b as $i)
        if (!isset($at[$i])) 
            $d[] = $i;

    return $d;
}

因为它没有打电话array_flip(1次),array_diff_key而且array_keys.由此节省了大量CPU周期.

Answer 2

确定,更新,转换为字符串以获得良好的衡量标准(如果我们可以使用整数而不是字符串,则会产生很多不同......):

<?php
$start = microtime(true);
echo 'creating' . PHP_EOL;
$array1 = array();
$array2 = array();
for ($i = 0;$i < 2000000;$i++) {
    $array1[] = (string)rand(100000000, 999999999);
    $array2[] = (string)rand(100000000, 999999999);
}
echo (microtime(true) - $start) . PHP_EOL;
$start = microtime(true);
echo 'key diff flip' . PHP_EOL;
$array1f = array_flip($array1);
$array2f = array_flip($array2);
echo (microtime(true) - $start) . PHP_EOL;
$start = microtime(true);
echo 'key diff' . PHP_EOL;
$diff = array_diff_key($array1f, $array2f);
echo (microtime(true) - $start) . PHP_EOL;
$start = microtime(true);
echo 'sorting' . PHP_EOL;
$start = microtime(true);
sort($array1);
sort($array2);
$notin2 = array();
reset($array2);
echo (microtime(true) - $start) . PHP_EOL;
echo 'comparing' . PHP_EOL;
$start = microtime(true);
foreach ($array1 as $value) {
    while (current($array2) < $value) {
        if (next($array2) == false) break;
    }
    if (current($array2) != $value) $notin2[] = $value;
}
echo (microtime(true) - $start) . PHP_EOL;
echo 'plain diff' . PHP_EOL;
$start = microtime(true);
$diff = array_diff($array1, $array2);
echo (microtime(true) - $start) . PHP_EOL;
?>

字符串

creating
8.66658186913
key diff flip
3.07359004021
key diff
1.48775887489
sorting
48.4047858715
comparing
9.41756916046
plain diff
19.21976614

real    1m37.574s
user    1m34.970s
sys     0m1.676s

整数 (已删除(string)):

creating
4.69975805283
key diff flip
2.5843539238
key diff
1.4868490696
sorting
15.2628200054
comparing
5.62516498566
plain diff
101.688895941

real    2m18.090s
user    2m15.112s
sys     0m1.356s

令我惊讶的是...... array_diff似乎很讨厌整数......