idv2

那天和人讨论一个简单的应用：集合减法，即给定集合 A 和 B ，计算 C = A - B， 也就是说求属于A但不属于B的元素。集合A和B使用数组来存储，元素仅限于整数。 求计算方法。

Perl自身没有集合运算函数，为了这一个功能也犯不上去安装CPAN模块， 所以我们考虑了以下几个方案：

1. 利用foreach作最直白的循环来判断
2. 利用grep代替foreach
3. 将元素用逗号连接之后用正则表达式匹配
4. 将数组转化成散列之后判断

四种方法都能实现，但效率如何？本以为使用foreach应该是最快的， 没想到测试之后发现散列居然是最快的。

              Rate    use grep  use regexp use foreach    use hash
use grep     359/s          --        -58%        -63%        -90%
use regexp   861/s        140%          --        -11%        -77%
use foreach  965/s        169%         12%          --        -74%
use hash    3769/s        950%        338%        291%          --

如果元素不是整数而是随机的字符串，正则表达式的效率会急剧下降，而散列依然能保证领先的地位。 看来Perl的散列算法不可小觑啊。

阅读全文 »

Wordpress的效率问题似乎一直是议论的热点，今天来看看其中一条SQL语句的效率。

首先将所有插件禁用，并切换为默认模板。 然后按照《WordPress执行效率问题》这篇文章的方法， 在 wp-config.php 中加入

<?php define('SAVEQUERIES', true); ?>

在模板的 footer.php 中加入

<!-- <?php var_dump($wpdb->queries); ?> -->

访问首页，即可从源代码中看到SQL语句。

执行时间最长的是这一条，花了0.02秒：

SELECT DISTINCT * FROM wp_posts  
WHERE 1=1 
  AND post_date_gmt <= '2007-01-02 07:12:59' 
  AND (
    post_status = 'publish' 
    OR
      post_author = 1 
      AND post_status != 'draft' 
      AND post_status != 'static'
  )
  AND post_status != 'attachment' 
GROUP BY  wp_posts.ID  
ORDER BY post_date DESC 
LIMIT 0, 10"

这条语句位于 class.php 的 WP_Query->&get_posts() 函数。

说说这个SQL语句的问题。不妨先来看看 wp_posts 表的结构(省略无关列)。

首先是关键字 DISTINCT，DISTINCT的作用是去掉重复的数据， 相当于对选择的列进行 GROUP BY。而这条语句中选择了 * 列，包含了主键列 ID， 每行数据必然不相同，因此 DISTINCT 关键字起不到任何作用， 白白浪费一次排序。

其次是 post_date_gmt 和 post_author 上的比较操作。wp_posts表仅有 ID、post_status 和 post_name 列上有索引，对其他列的比较操作使得mysql不得不访问wp_posts表的所有数据， 影响效率。

然后是 post_status 上的不等于的比较。对索引列使用不等于比较， 会导致数据库不能使用索引（索引只能判断等于关系）。 另外显然已经有了 post_status = 'publish' 的条件， 不必再判断 post_status != 'attachment'。

最后是 GROUP BY wp_posts.ID，仍然是对一个不会重复的列进行 GROUP BY， 毫无意义。

如果不考虑功能损失，将这个 SQL 语句优化为下面这样，则仅需花费0.003秒。

SELECT * FROM wp_posts  
WHERE 1=1 
  AND post_status = 'publish' 
ORDER BY post_date DESC 
LIMIT 0, 10"

使用Apache Bench做测试，优化前平均每个请求的处理时间为 503.125ms，优化后为 478.125ms。