如何在Clojure中快速删除向量中的元素？

Question

我正在尝试从Clojure向量中删除元素：

请注意，我正在使用Kotlin的Clojure运算

val set = PersistentHashSet.create("foo")
val vec = PersistentVector.create("foo", "bar")
val seq = clojure.`core$remove`.invokeStatic(set, vec) as ISeq
val resultVec = clojure.`core$vec`.invokeStatic(seq) as PersistentVector

这等效于以下Clojure代码：

(remove #{"foo"} ["foo" "bar"])

该代码可以正常工作，但是我注意到从seq创建向量非常慢。 我写了一个基准，结果如下：

| Item count | Remove ms | Remove with converting back to vector ms|
-----------------------------------------------------------------
| 1000       | 51        | 1355                                 |
| 10000      | 71        | 5123                                 |

您知道如何将remove操作产生的seq转换回vector而不会降低性能吗？

如果不可能，是否有其他方法可以执行remove操作？

Answer 1

您尝试做的事情从根本上表现不佳。 向量用于快速索引的读/写，并且O（1）访问右端。 要执行其他任何操作，您必须将向量撕开并重新构建，这是O（N）操作。 如果需要这样的操作才能高效，则必须使用其他数据结构。

Answer 2

您可以尝试执行补充操作以remove返回向量的方法：

(filterv (complement #{"foo"}) 
         ["foo" "bar"])

注意使用filterv 。 v表示从头开始使用向量，并返回向量，因此不需要转换。 它在后台使用了transient矢量，因此它应该非常快。

我使用complement否定谓词，因此可以使用filterv ，因为没有removev 。 无论如何 ， remove只是被定义为filter的complement ，因此基本上，这就是您已经在做的事情，只是严格。

Answer 3

为什么不使用PersistentHashSet？ 快速删除，尽管没有命令。 我确实隐约记得，Clojure在需要的时候也有一个分类的集合。

Answer 4

在接受remove的惰性结果等同于转换回向量的具体结果时，您犯了一个错误。 将(remove ...)的惰性结果与(count (remove ...))隐含的具体结果进行比较。 您会发现它比做(vec (remove ...))慢一些。 同样，对于真正的速度至关重要的应用程序，没有什么比使用本机Java ArrayList ：

(ns tst.demo.core
  (:require
    [criterium.core :as crit]    )
  (:import [java.util ArrayList]))

(def N 1000)
(def tgt-item (/ N 2))

(def pred-set #{ (long tgt-item) })
(def data-vec (vec (range N)))

(def data-al (ArrayList. data-vec))
(def tgt-items (ArrayList. [tgt-item]))


(println :lazy)
(crit/quick-bench
  (remove pred-set data-vec))

(println :lazy-count)
(crit/quick-bench
  (count (remove pred-set data-vec)))

(println :vec)
(crit/quick-bench
  (vec (remove pred-set data-vec)))

(println :ArrayList)
(crit/quick-bench
  (let [changed? (.removeAll data-al tgt-items)]
    data-al)) 

结果：

:lazy           Evaluation count : 35819946     time mean :    10.856 ns 
:lazy-count     Evaluation count :     8496     time mean : 69941.171 ns 
:vec            Evaluation count :     9492     time mean : 62965.632 ns 
:ArrayList      Evaluation count :   167490     time mean :  3594.586 ns