Вы должны использовать массив символов с двойным указателем трюком.
Получать этот результат на моей машине:
Редактировать: обновляется с фазой прогрева. Java - OpenJDK 8 от Ubuntu 14 LTS
Редактировать2:
Хэш-таблица является самым быстрым по дальности.
Редактировать3: У меня была ошибка в моем коде. Урок двойного указателя является самым быстрым.
GTCtgACgGT
getExons1: 1068
getExons2: 377
getExons3: 313
getExons3b: 251
getExons4: 586
getExons5: 189
getExons6: 671
Редактировать4: Запуск тестов с помощью JMH с 1M ДНК-строкой. Результат согласуется с моим предыдущим эталоном в отношении «х лучше, чем у» и худшее является регулярным выражением, лучше быть двойной указатель, а второе лучше быть наивным 3B:
Benchmark Mode Cnt Score Error Units
MyBenchmark.benchExons1 thrpt 200 33.659 ± 1.036 ops/s
MyBenchmark.benchExons2 thrpt 200 107.095 ± 4.074 ops/s
MyBenchmark.benchExons3a thrpt 200 118.543 ± 3.779 ops/s
MyBenchmark.benchExons3b thrpt 200 163.717 ± 4.602 ops/s
MyBenchmark.benchExons4 thrpt 200 69.942 ± 2.019 ops/s
MyBenchmark.benchExons5 thrpt 200 191.142 ± 5.307 ops/s
MyBenchmark.benchExons6 thrpt 200 57.654 ± 1.963 ops/s
Edit5: С 10 МБ Строки:
Benchmark Mode Cnt Score Error Units
MyBenchmark.benchExons1 thrpt 200 4.640 ± 0.068 ops/s
MyBenchmark.benchExons2 thrpt 200 13.451 ± 0.161 ops/s
MyBenchmark.benchExons3a thrpt 200 15.379 ± 0.232 ops/s
MyBenchmark.benchExons3b thrpt 200 19.550 ± 0.181 ops/s
MyBenchmark.benchExons4 thrpt 200 8.510 ± 0.147 ops/s
MyBenchmark.benchExons5 thrpt 200 24.343 ± 0.331 ops/s
MyBenchmark.benchExons6 thrpt 200 7.339 ± 0.074 ops/s
код:
package org.sample;
import org.openjdk.jmh.annotations.Benchmark;
import org.openjdk.jmh.annotations.Scope;
import org.openjdk.jmh.annotations.State;
import java.util.HashMap;
import java.util.Random;
@State(Scope.Thread)
public class MyBenchmark {
String DNA;
public MyBenchmark() {
DNA = buildRandomDNA(1000000);
}
static String letters = "ATGCatgc";
public static String buildRandomDNA(int size) {
StringBuilder builder = new StringBuilder(size);
Random r = new Random();
for (int i = 0; i < size; ++i) {
builder.append(letters.charAt(r.nextInt(letters.length())));
}
return builder.toString();
}
@Benchmark
public void benchExons1() {
getExons1(DNA);
}
@Benchmark
public void benchExons2() {
getExons2(DNA);
}
@Benchmark
public void benchExons3a() {
getExons3a(DNA);
}
@Benchmark
public void benchExons3b() {
getExons3b(DNA);
}
@Benchmark
public void benchExons4() {
getExons4(DNA);
}
@Benchmark
public void benchExons5() {
getExons5(DNA);
}
@Benchmark
public void benchExons6() {
getExons6(DNA);
}
public static String getExons1(String sequence) {
return sequence.replaceAll("[atgc]", "");
}
public static String getExons2(String sequence) {
StringBuilder exonBuilder = new StringBuilder();
for (int i = 0; i < sequence.length(); i++) {
char c = sequence.charAt(i);
if (c == 'A' || c == 'T' || c == 'G' || c == 'C')
exonBuilder.append(c);
}
return exonBuilder.toString();
}
public static String getExons3a(String sequence) {
StringBuilder exonBuilder = new StringBuilder();
for (int i = 0; i < sequence.length(); i++) {
char c = sequence.charAt(i);
if (c <= 'Z') {
exonBuilder.append((char) c);
}
}
return exonBuilder.toString();
}
public static String getExons3b(String sequence1) {
char[] sequence = sequence1.toCharArray();
StringBuilder exonBuilder = new StringBuilder();
for (int i = 0; i < sequence.length; i++) {
if (sequence[i] <= 'Z') {
exonBuilder.append(sequence[i]);
}
}
return exonBuilder.toString();
}
public static HashMap<String, String> M = new HashMap<String, String>();
public static void buildTable() {
for (int a = 0; a < letters.length(); ++a) {
for (int b = 0; b < letters.length(); ++b) {
for (int c = 0; c < letters.length(); ++c) {
for (int d = 0; d < letters.length(); ++d) {
String key = "" + letters.charAt(a) + letters.charAt(b) + letters.charAt(c) + letters.charAt(d);
M.put(key, getExons1(key));
}
}
}
}
}
public static String getExons4(String sequence1) {
char[] sequence = sequence1.toCharArray();
StringBuilder exonBuilder = new StringBuilder();
for (int i = 0; i < sequence.length; i += 4) {
exonBuilder.append(M.get(new String(sequence, i, 4)));
}
return exonBuilder.toString();
}
public static String getExons5(String sequence1) {
char[] sequence = sequence1.toCharArray();
int p = 0;
for (int i = 0; i < sequence.length; i++) {
if (sequence[i] <= 'Z') {
sequence[p] = sequence[i];
++p;
}
}
return new String(sequence, 0, p);
}
public static int dnatoint(char[] s, int start, int len) {
int key = 0;
for (; len > 0; len--, start++) {
switch (s[start]) {
case 'A': key = (key << 3) | 0; break;
case 'C': key = (key << 3) | 1; break;
case 'G': key = (key << 3) | 2; break;
case 'T': key = (key << 3) | 3; break;
case 'a': key = (key << 3) | 4; break;
case 'c': key = (key << 3) | 5; break;
case 'g': key = (key << 3) | 6; break;
case 't': key = (key << 3) | 7; break;
}
}
return key;
}
public static String[] M2 = new String[8*8*8*8];
public static void buildTable2() {
for (int a = 0; a < letters.length(); ++a) {
for (int b = 0; b < letters.length(); ++b) {
for (int c = 0; c < letters.length(); ++c) {
for (int d = 0; d < letters.length(); ++d) {
String key = "" + letters.charAt(a) + letters.charAt(b) + letters.charAt(c) + letters.charAt(d);
M2[dnatoint(key.toCharArray(), 0, 4)] = getExons1(key);
}
}
}
}
}
public static String getExons6(String sequence1) {
char[] sequence = sequence1.toCharArray();
StringBuilder exonBuilder = new StringBuilder();
assert (sequence.length % 4) == 0;
for (int i = 0; i < sequence.length; i += 4) {
exonBuilder.append(M2[dnatoint(sequence, i, 4)]);
}
return exonBuilder.toString();
}
static {
buildTable();
buildTable2();
}
//@Benchmark
public void testMethod() {
// This is a demo/sample template for building your JMH benchmarks. Edit as needed.
// Put your benchmark code here.
}
}
Как это должно быть «медленным» с тем меньшим вкладом и что меньше работы? – SomeJavaGuy
Вы можете использовать 'new StringBuilder (sequence.length())', чтобы избежать изменения размера внутреннего 'char []'. Я не могу себе представить, что это сделало бы слишком большую разницу, но с небольшим вкладом. –
Вы можете попробовать использовать массив символов вместо StringBuilder. Инициализируйте его до размера последовательности, а затем обработайте индекс, чтобы получить позицию, в которой будет храниться каждая найденная буква. – Slimu