Java遍歷數組-優化

Question

我有一些Java代碼可以按預期的方式運行，但是即使工作只是遍歷數組，也要花一些時間（幾秒鍾）。

輸入文件是Fasta文件，如下圖所示。 我正在使用的文件是2.9Mo，還有一些其他Fasta文件可能會占用20Mo。

在代碼中，im試圖通過三連串循環遍歷它，例如：AGC TTT TCA ...等該代碼目前沒有功能，但是我想要的是將每個氨基酸附加到它的等價鹼基上。 范例：

AGC-Ser / CUG Leu / ...等

那么代碼有什么問題呢？ 還有什么辦法可以做得更好？ 任何優化？ 遍歷整個String會花費一些時間，可能只是幾秒鍾，但是需要找到一種更好的方法來完成。

import java.io.BufferedReader;
import java.io.File;
import java.io.FileNotFoundException;
import java.io.FileReader;
import java.io.IOException;

public class fasta {
    public static void main(String[] args) throws IOException {

        File fastaFile;
        FileReader fastaReader;
        BufferedReader fastaBuffer = null;
        StringBuilder fastaString = new StringBuilder();

        try {
            fastaFile = new File("res/NC_017108.fna");
            fastaReader = new FileReader(fastaFile);
            fastaBuffer = new BufferedReader(fastaReader);
            String fastaDescription = fastaBuffer.readLine();
            String line = fastaBuffer.readLine();

            while (line != null) {
                fastaString.append(line);
                line = fastaBuffer.readLine();
            }

            System.out.println(fastaDescription);
            System.out.println();
            String currentFastaAcid;

            for (int i = 0; i < fastaString.length(); i+=3) {
                currentFastaAcid = fastaString.toString().substring(i, i + 3);
                System.out.println(currentFastaAcid);
            }

        } catch (NullPointerException e) {
            System.out.println(e.getMessage());
        } catch (FileNotFoundException e) {
            System.out.println(e.getMessage());
        } catch (IOException e) {
            System.out.println(e.getMessage());
        } finally {
            fastaBuffer.close();
        }

    }

}

Answer 1

currentFastaAcid = fastaString.toString().substring(i, i + 3);

請替換為

currentFastaAcid = fastaString.substring(i, i + 3);

每次調用StringBuilder的toString方法時，都會創建String對象的新實例。 它仍然包含所有大字符串的副本。 如果直接從StringBuilder調用子字符串，它將返回子字符串的一個小副本。 如果確實不需要，也請刪除System.out.println。

Answer 2

這里最大的因素是您每次都在新的String上調用子字符串。

而是直接在stringbuilder上使用子字符串

for (int i = 0; i < fastaString.length(); i+=3){
    currentFastaAcid = fastaString.substring(i, i + 3);
    System.out.println(currentFastaAcid);
}

另外，不要每次都打印currentFastaAcid，而是將其保存到列表中並在末尾打印此列表。

List<String> acids = new LinkedList<String>();

for (int i = 0; i < fastaString.length(); i+=3){
    currentFastaAcid = fastaString.substring(i, i + 3);
    acids.add(currentFastaAcid);
}

System.out.println(acids.toString());

Answer 3

除了調試輸出，您的主要問題肯定是，您正在創建一個新的String，並且在循環的每次迭代中都從文件中完全讀取了數據：

currentFastaAcid = fastaString.toString().substring(i, i + 3);

fastaString.toString（）在每次迭代中將給出相同的結果，因此是多余的。 將其置於循環之外，您肯定會節省幾秒鍾的運行時間。

Answer 4

除了建議的串行代碼優化之外，我還將進行並行處理以進一步減少時間。 如果文件很大，則可以將讀取文件和處理讀取行的工作分在不同的線程中。 這樣，當一個線程正忙於從大文件讀取下一行時，另一線程可以處理讀取行並將其打印在控制台上。

Answer 5

如果刪除

System.out.println(currentFastaAcid);

在for循環中，您將獲得相當不錯的時間。