啊哈算法：小哼买书

算法要求：需要去重，和排序。规模在1000；

1.A方法，直接对数据结构进行操作不使用API

// 关于去重,直接遍历去重，时间复杂度O（n^2）,空间复杂度0
// 桶排序方法去重，这样既可以去重，顺便已经将数据排序，完美的符合了要求。整个程序的时间复杂度O（1），空间复杂度N
2.B方法，使用JavaAPI处理问题
// API解决问题，选择容器就可以了。
//3.比较俩种方法的执行效率。范围：题目范围的上限

import java.util.ArrayList;
//啊哈算法：小哼买书
import java.util.Arrays;
import java.util.Collections;
import java.util.HashSet;
import java.util.List;
import java.util.Random;
import java.util.Scanner;
//算法要求：需要去重，和排序。规模在1000；
//1.算法层面
//	关于去重,直接遍历去重，时间复杂度O（n^2）,空间复杂度0
//	桶排序方法去重，这样既可以去重，顺便已经将数据排序，完美的符合了要求。整个程序的时间复杂度O（1），空间复杂度N
//2.java层面
//	API解决问题，选择容器就可以了。
//3.比较俩种方法的执行效率，范围：题目范围的上限
	

public class test {

	public static void main(String[] args) {
		// TODO Auto-generated method stub
//		int[] ISBN = readin();
		Random random = new Random();
		int[] arr = new int[999];
		for (int i = 0; i < arr.length; i++) {
			arr[i] = random.nextInt(1000);
		}
		
		
		
		
//		int[] res = operationA(arr);
//		System.out.println(res.length);
		//输出格式自己可调，我太懒了，就这么写了
//		System.out.println((Arrays.toString(res).replaceAll(",", " ").substring(1,Arrays.toString(res).replaceAll(",", " ").length()-1)));
		
		ArrayList isbn2 = operationB(arr);
		System.out.println(isbn2.size());
//		//输出格式自己可调，我太懒了，就这么写了
//		System.out.println((isbn2.toString().replaceAll(",", " ").substring(1,isbn2.toString().replaceAll(",", " ").length()-1)));	
}

	private static ArrayList operationB(int[] iSBN) {
		// TODO Auto-generated method stub
		//创建Set的容器
		long startTime = System.nanoTime();
		HashSet isbn = new HashSet<>();
		for (int i = 0; i < iSBN.length; i++) {
			isbn.add(iSBN[i]);		
		}
		//Collections.sort可以对list进行排序，所以将hash的去重后的数据放入list中。进行排序
		ArrayList list = new ArrayList<>(isbn);
		Collections.sort(list);
		 long consumingTime = System.nanoTime() - startTime;
		 System.out.println(consumingTime);
		return  list;
	}

	private static int[] operationA(int[] ISBN) {
		// TODO Auto-generated method stu

//计算方法的执行时间，用来求证3
		long startTime = System.nanoTime();
		//创建桶
		int[] bucket = new int[1000];
		//进行排序
		for (int i = 0; i < ISBN.length; i++) {
			bucket[ISBN[i]] = 1;
		}
		//将排好序的数据放回原数组， 考虑到去重后剩余的情况，最好应该返回一个新数组，不用之前的数组。以免之后的操作繁琐。
//		int temp = 0 ;
//		for (int i = 0; i < bucket.length; i++) {
//			if(bucket[i] == 1) 
//				ISBN[temp++] = i;
//		}
		//用来确定新数组的大小
		int num = 0;
		for (int i = 0; i < bucket.length; i++) {
			if(bucket[i] == 1) 
				num++;
		}
		int[] list = new int[num];
		//num现在用来控制新数组的下标
		num = 0;	
		for (int i = 0; i < bucket.length; i++) {
		if(bucket[i] == 1) 
			list[num++] = i;
			}
		long consumingTime = System.nanoTime() - startTime;
		 System.out.println(consumingTime);
		return list;
	}

	private static int[] readin() {
		// TODO Auto-generated method stub
		Scanner sc = new Scanner(System.in);
		int n = Integer.parseInt(sc.nextLine());
		int[] arr = new int[n];
		String[] str = sc.nextLine().split(" ");
		for (int i = 0; i < arr.length; i++) {
			arr[i] = Integer.parseInt(str[i]);
		}
		return arr;
	}
	
}

最后对问题三进行了测试：

结果证明在普通的测试用例情况下：不用方法A和方法B运行时间相差了1个数量级

A运行时间：29013   30720  保持在了5位数 

B运行时间：442596  460231 保持在了6位数

结果证明在极限的测试用例情况下：不用方法A和方法B运行时间相差了2个数量级

A运行时间：51200  49494  仍然保持在5位数

B运行时间：442596  460231 保持在了7位数

代码很糟糕，且看且珍惜吧。自己用来复盘的时候用。说实话自己都不想看自己的代码了，写的太差劲。最后的结论很有可能不太准确，因为可能是我自己对api运用不正确导致浪费导致的！