如何使用 arrayList.removeAll(Collection＜?＞ c)？

引言

对于 Collection 集合及其实现类都有 removeAll(Collection c)。

对于ArrayList 的实例对象，在数据比较多的情况下，方法 removeAll() 的传参 c 的类型是 HashSet会比是 ArrayList 的情况快的多。

原因

我们来细看一下ArrayList类的removeAll()方法实现的伪代码。

如：arrayList.removeAll(subList);

// 遍历底层数组，将不需要删除的元素放在数组前面，后面的全部置为 null
// w 为要删除和不删除的分界线
int w = 0;
for(var value in 该 arrayList 的底层数组){
    if(!subList.contains(value)){
        该 arrayList 的底层数组 [w] = value;
        w++;
    }
}

这里影响速率关键的一步是：subList.contains(value)！

这是因为contains()方法在不同类中的实现是存在差异的。

对于 ArrayList.contains()，它的实现是调用 indexOf()，一个一个地遍历查找。最坏时间复杂度为O(总数据量)。

而对于 HashSet.contains()，由于 HashSet 的底层是 HashMap，因此实际调用的是 HashMap 的 containsKey()方法，该方法是通过哈希计算的方式去查询的，因此速度十分快。最坏的时间复杂度约为O(最长链表长度)，而链表长度一般不会过大。

使用方法

在数据量比较大的的情况下，使用arrayList.removeAll(subList)时，可以将subList封装为HashSet：

arrayList.removeAll(new HashSet(subList));

速度实测：

数据量	ArrayList	HashSet	LinkedList
10 万	1094 毫秒	6 毫秒	1133 毫秒
20 万	4140毫秒	8 毫秒	4241 毫秒
50 万	51431毫秒	30 毫秒	34380 毫秒
100 万	140444 毫秒	36 毫秒	179465 毫秒
500 万	9130706 毫秒	79 毫秒	10549229 毫秒

测试用的代码：

public class RemoveAllTest {
    public static void main(String[] args) {
        ArrayList<Integer> arrayList = new ArrayList<>();
        for (int i = 0; i < 5000000; i++) {
            arrayList.add(i);
        }
        ArrayList<Integer> subList = new ArrayList<>();
        for (int i = 0; i < 5000000; i++) {
            subList.add(i);
            i += 2;
        }
        // 测试入参为 ArrayList 类型时 removeAll() 的性能
        long startTime = System.currentTimeMillis();
        arrayList.removeAll(subList);
        long endTime = System.currentTimeMillis();
        System.out.println("ArrayList 耗时：" + (endTime - startTime));

        // 测试入参为 HashSet 类型时 removeAll() 的性能
        ArrayList<Integer> arrayList2 = new ArrayList<>();
        for (int i = 0; i < 5000000; i++) {
            arrayList2.add(i);
        }
        startTime = System.currentTimeMillis();
        arrayList2.removeAll(new HashSet<>(subList));
        endTime = System.currentTimeMillis();
        System.out.println("HashSet 耗时：" + (endTime - startTime));

        // 测试将 ArrayList 类型转成 LinkedList 类型
        ArrayList<Integer> arrayList3 = new ArrayList<>();
        for (int i = 0; i < 5000000; i++) {
            arrayList3.add(i);
        }
        startTime = System.currentTimeMillis();
        new LinkedList(arrayList3).removeAll(subList);
        endTime = System.currentTimeMillis();
        System.out.println("LinkedList 耗时：" + (endTime - startTime));
    }
}

HashSet 、LinkedList 中 removeAll() 方法的区别

不同类的 removeAll() 方法实现不同，可以看到对于 HashSet 和 LinkedList，他们的 removeAll() 方法是通过父类或超父类的迭代器进行实现的，而 ArrayList 是自己通过 for 循环进行了实现。

HashSet 内部实现

依托于 AbstractSet 类的 removeAll(Collection c) 方法，实现的逻辑是：

先调原集合对象 HashSet 和 removeAll(Collection c) 方法中传入的参数 c 的 size() 方法，用来判断谁包含的元素更多。

• 如果原集合对象的元素数量 > c 中元素数量，那么调用 c 的代器去遍历 c ，查看元素是否包含在原集合中，并使用原集合的 remove() 方法去删除元素。时间复杂度为 O(n)。

• 如果原集合对象的元素数量 < c 中元素数量，那么调用原集合对象的迭代器去遍历原集合，检查元素是否包含在 c 中，并调用原集合迭代器的 remove() 方法去删除元素。这里的时间复杂度与集合 c 的 contains() 方法的实现有关：

  • 如果 c 是一个 ArrayList，contains() 方法的时间复杂度是 O( m )。因此，从集合 HashSet 中删除 ArrayList 中存在的所有元素的总体时间复杂度为 O( n * m )。

  • 如果 c 再次是 HashSet，则 contains() 方法的时间复杂度为 O(1)。因此，从集合 HashSet 中删除 HashSet 中存在的所有元素的总体时间复杂度为 O( n )。

public boolean removeAll(Collection<?> c) {
    Objects.requireNonNull(c);
    boolean modified = false;

    if (size() > c.size()) {
        for (Iterator<?> i = c.iterator(); i.hasNext(); )
            modified |= remove(i.next());
    } else {
        for (Iterator<?> i = iterator(); i.hasNext(); ) {
            if (c.contains(i.next())) {
                i.remove();
                modified = true;
            }
        }
    }
    return modified;
}

LinkedList 内部实现

public boolean removeAll(Collection<?> c) {
    Objects.requireNonNull(c);
    boolean modified = false;
    Iterator<?> it = iterator();
    while (it.hasNext()) {
        if (c.contains(it.next())) {
            it.remove();
            modified = true;
        }
    }
    return modified;
}

通过 contains() 方法来判断是否存在相同的元素，效率与 c 的类型有关。

参考

• 为什么arrayList.removeAll(set)的速度远高于arrayList.removeAll(list)？

• Java 中 HashSet 的 removeAll 性能分析