小编sfc*_*cme的帖子

概括

我们最近在复杂的检索引擎中更改了基于字符串的 ID 架构，并观察到严重的性能下降。本质上，我们将 ID 从 更改为XXX-00000001到X384840564（有关 ID 架构的详细信息，请参见下文）并遭受几乎翻倍的运行时间。选择不同的字符串哈希函数解决了这个问题，但我们仍然缺乏一个很好的解释。因此，我们的问题是：

1. 为什么在从旧 ID 模式更改为新 ID 模式时，我们会看到如此强烈的性能下降？
2. 为什么我们使用“父哈希”的解决方案实际上有效？

为了解决这个问题，我们在下文中提供了 (a) 有关所使用的 ID 模式和哈希函数的详细信息，(b) 一个 Java 中突出性能缺陷的最小工作示例，以及 (c) 我们的性能结果和观察结果。

（尽管描述很长，但我们已经将代码示例大量减少到 4 条性能关键行——参见清单中的第 2 阶段。）

(a) 旧的和新的 ID 模式；散列函数

我们的 ID 对象由父 ID 对象（[A-Z0-9] 中的 16 个字符的字符串）和子 ID 字符串组成。平均有 1-10 个子 ID 使用相同的父 ID 字符串。例如，旧的孩子 ID有一个三个字母的前缀、一个破折号和一个长度为 8 的零填充运行索引号XXX-00000001（总共 12 个字符；X 可以是任何字母 [AZ]）。的新的子ID具有一个字母和9个非连续的数字，例如，X384840564（共10个字符，X可以是任何字母[AZ]）。一个明显的区别是旧的孩子 ID 字符串经常重复出现（即字符串ABC-00000002出现多个不同的父 ID，因为运行索引通常以 1) 开头，而带有任意数字组合的新子 ID 通常只出现几次，甚至只出现一个父 ID。

由于 …