PHP数组交集的优化

假设我们正在运营一个手机相关的网站，用户可以通过指定若干参数（如操作系统，屏幕分辨率，摄像头像素等等）来筛选自己想要的手机。不过由于手机的参数多，且不同的手机其参数差异大，所以参数表结构通常是纵表（一个参数是一行），而不是横表（一个参数是一列），此时使用若干参数来取结果，通常就是把每个单独参数来取结果，再一起取交集。

假定每个参数会包含一千个左右的唯一结果（id int），以此为前提来模拟生成一些数据：

<?php $rand = function() { $result = array(); for ($i = 0; $i $value = mt_rand(1, 10000); if (!isset($result[$value])) { $result[$value] = null; $i++; } } return array_keys($result); }; $param_a = $rand(); $param_b = $rand(); ?>

注意：如果测试数据集过小的话，结论可能会出现不一致，先来看看通过PHP内置方法array_intersect实现的性能：

<?php $time = microtime(true); $result = array_intersect($param_a, $param_b); $time = microtime(true) - $time; echo "array_intersect: {$time}n"; ?>

再来看看通过自定义方法intersect实现的性能：

<?php function intersect() { if (func_num_args() trigger_error('param error', E_USER_ERROR); } $args = func_get_args(); foreach ($args AS $arg) { if (!is_array($arg)) { trigger_error('param error', E_USER_ERROR); } } $intersect = function($a, $b) { $result = array(); $length_a = count($a); $length_b = count($b); for ($i = 0, $j = 0; $i if($a[$i] $i++; } else if($a[$i] > $b[$j]) { $j++; } else { $result[] = $a[$i]; $i++; $j++; } } return $result; }; $result = array_shift($args); sort($result); foreach ($args as $arg) { sort($arg); $result = $intersect($result, $arg); } return $result; } $time = microtime(true); $result = intersect($param_a, $param_b); $time = microtime(true) - $time; echo "intersect: {$time}n"; ?>

直觉上，我们肯定会认为内置函数快于自定义函数，但本例中结果恰恰相反：

array_intersect： 0.023918151855469

intersect： 0.0026049613952637

需要提醒大家的是，array_intersect和intersect在功能上并不完全等价，例子如下：

$param_a = array(1, 2, 2); $param_b = array(1, 2, 3); var_dump( array_intersect($param_a, $param_b), intersect($param_a, $param_b) );

array_intersect： 1， 2， 2

intersect： 1， 2

也就是说，如果在第一个数组参数中有重复元素的话，则array_intersect会返回所有满足条件的重复元素，而不是仅仅返回一个，有兴趣的读者可以变换一下参数顺序再看结果。

再唠叨一下，最初我写intersect方法时，大概写成下面这个样子：

代码更简洁，不过有一个弊端，因为使用了array_merge，所以当数组中元素非常多的时候，占用的内存会比较大，反之如果数组中元素不是非常多，那么此方法也是可行的。

参考：faster array_intersect