目前我们已经涉及了五种不同的缓存实现，它们分别是：

1. SimpleKeyCache：构造字符串作为Key，使用字典作为存储。
2. PrefixTreeCache：使用前缀树进行存储。
3. SortedListCache：使用排序列表或二叉搜索树进行存储。
4. HashedListCache：先对表达式树取散列值，再从字典中取出二叉搜索树。
5. DictionaryCache：实现了散列值和表达式树的比较方法，直接使用字典进行存储。

　　如果要从一个已经包含n个表达式树的存储中，查找一个有m个节点的表达式树，根据几篇文章的分析，从理论上说除了HashedListCache的时间复杂度是O(m * log(n))之外，其它几种实现的时间复杂度都是O(m)。不过，理论上的结果和实际使用中的效果完全符合吗？如果完全符合的话，那么我们在构建第一个SimpleKeyCache，获得了一种既简单直观又“高效”（达到了理论上最好的时间复杂度O(m)）的实现之后为什么还要继续设计剩下的方案呢？如果您看完了文章还没有想到，这说明您的.NET编程“常识”还需要加强。

　　那么我们就写一个程序，让数据说话。

　　这是一个控制台应用程序，接受用户参数，并由此生成试验数据，或进行性能比较。

生成试验数据

　　需要进行测试，自然要准备试验数据，而这里所需要的试验数据自然是大量的表达式树。

　　表达式树的种类非常纷繁，如果要构造各种类型的树，其代价也是非常昂贵的。因此在这里，我们只构建所谓的“整数的四则运算”表达式进行试验。对于这样的表达式，每个运算符占用一个节点，每个数字又会占用另一个节点，因此表达式数的节点个数m便是操作符的个数p，与数字的个数q之和。而由于每个元算符都是二元运算符，因此p等于q - 1。于是我们就可以得出m与p之间的关系：

m = 2p + 1

　　知道了这个关系，我们便可以获得一定规模的试验数据。于是我们写一个简单的小程序来随机输出一个表达式：

private static void WriteSingleExpression(
    TextWriter writer, Random random, int opCount)
{
    string ops = "+-*/";

    writer.Write(random.Next(100));
    while (opCount-- > 0)
    {
        writer.Write(" ");
        writer.Write(ops[random.Next(4)]);
        writer.Write(" ");
        writer.Write(random.Next(100));
    }
    writer.WriteLine();
}

　　这个方法的目的是向TextWriter中随机输出一个拥有opCount个运算符的表达式（可以得知，这个表达式树有m = 2 * opCount + 1个节点）。例如，当opCount等于11的时候，它可能就会生成这样一个表达式：

82 / 6 - 76 * 75 - 33 / 32 * 56 + 47 + 3 + 22 * 5 + 63

　　然后我们获取用户参数输入，并输出一系列随机的表达式：

private static void GenerateExpressions(NameValueCollection args)
{
    string output = args["out"] ?? "expressions.txt";
    int min = Int32.Parse(args["min"] ?? "11");
    int max = Int32.Parse(args["max"] ?? (min + 9).ToString());
    int repeat = Int32.Parse(args["repeat"] ?? "100");

　　以上代码的目的是获取用户参数，用户输入的参数将被解析为NameValueCollection，参数含义如下：

• output：输出文件
• min：最短表达式中的运算符数量
• max：最长表达式中的运算符数量
• repeat：每种长度的表达式重复次数

　　向文件输出所有的随机表达式便不是难事了：

Random random = new Random(DateTime.Now.Millisecond);
    using (var stream = File.Open(output, FileMode.Create))
    {
        StreamWriter writer = new StreamWriter(stream);
        for (int opCount = min; opCount <= max; opCount++)
        {
            for (int i = 0; i < repeat; i++)
            {
                WriteSingleExpression(writer, random, opCount);
            }
        }
    }
}

　　代码简单，就不多作分析了。

试验代码

　　首先，自然是获取用户输入参数，方法同上：

static void PerfTest(NameValueCollection args)
{
    string intput = args["in"] ?? "expressions.txt";
    int repeat = Int32.Parse(args["repeat"] ?? "100");

　　现在便要读入表达式了。解析表达式不是一件容易的事情，我们这里使用ScottGu所提过的Dynamic Query Library，解析一个表达式就再容易不过了：

List<Expression> expressions = File.ReadAllLines(intput).Select(
        s => DynamicExpression.Parse(null, s)).ToList();

　　接着，准备5种缓存容器：

var caches = new SortedDictionary<string, IExpressionCache<object>>()
    {
        { "1. SimpleKeyCache", new SimpleKeyCache<object>() },
        { "2. PrefixTreeCache", new PrefixTreeCache<object>() },
        { "3. SortedListCache", new SortedListCache<object>() },
        { "4. HashedListCache", new HashedListCache<object>() },
        { "5. DictionaryCache", new DictionaryCache<object>() },
    };

　　初始化CodeTimer：

CodeTimer.Initialize();

　　遍历字典中的每个缓存对象，将其放入缓存容器中。这段代码还有一个作用便是“热身”——请注意，对.NET中任意代码作性能测试时，都需要让它预运行一下。由于JIT的存在，一个方法第一次运行时所花时间总是较长的，这不应该统计在内：

var value = new object();
    foreach (var pair in caches)
    {
        var cache = pair.Value;
        expressions.ForEach(exp => cache.Get(exp, (_) => value));

　　最后，则是使用CodeTimer对当前缓存容器进行性能测试：

CodeTimer.Time(pair.Key, repeat,
            () => expressions.ForEach(exp => cache.Get(exp, null)));
    }
}

　　PerfTest编写完毕，我们最后还需要指定一个函数的入口，如下：

static void Main(string[] args)
{
    var arguments = ParseArguments(args);

    if (arguments["task"] == "test")
    {
        PerfTest(arguments);
    }
    else
    {
        GenerateExpressions(arguments);
    }
}

　　如果直接执行程序，便会创建一个expression.txt文件，其中包括操作符数量在11到20之间，每种表达式各100个。如果加上了task参数，并指定test字符串，便会进行性能比较。

比较结果

　　输入命令，便会使用expression.txt中的每个表达式各调用100次：

Benchmark.exe /task:test

　　对于运算符数量为11到20的表达式各100个（即总共1000个表达式），各调用100次的结果如下（不过，请不要直接看结果，再想想，再想想）：

1. SimpleKeyCache
        Time Elapsed:   2,807ms
        CPU Cycles:     7,090,489,283
        Gen 0:          412
        Gen 1:          0
        Gen 2:          0

2. PrefixTreeCache
        Time Elapsed:   2,391ms
        CPU Cycles:     6,039,211,085
        Gen 0:          142
        Gen 1:          0
        Gen 2:          0

3. SortedListCache
        Time Elapsed:   1,939ms
        CPU Cycles:     4,903,538,425
        Gen 0:          0
        Gen 1:          0
        Gen 2:          0

4. HashedListCache
        Time Elapsed:   1,237ms
        CPU Cycles:     3,129,685,287
        Gen 0:          0
        Gen 1:          0
        Gen 2:          0

5. DictionaryCache
        Time Elapsed:   1,219ms
        CPU Cycles:     3,076,107,042
        Gen 0:          3
        Gen 1:          1
        Gen 2:          0

　　结果和您想象的是否一样？在老赵的机器上，这个结果还是相当稳定的，每次测试只差十几毫秒，而垃圾收集次数则完全一样。从这个数据中您看出什么来了吗？或者说，您能否回答以下几个问题呢？

1. SimpleKeyCache的垃圾收集次数为什么明显较多？PrefixTreeCache为什么也有不少垃圾收集？
2. SimpleKeyCache和PrefixTreeCache的时间复杂度都是理论最优值O(m)，但是为什么它们却比不过SortedListCache这个理论上时间复杂度是O(m * log(n))的容器呢？
3. 您能否设定一种用例，让SortedListCache的耗时超过PrefixTreeCache或SimpleKeyCache呢？
4. HashedListCache为什么会超过SortedListCache，DictionaryCache的性能为什么也那么好呢（与HashedListCache不分伯仲，多次测试互有“胜负”）？
5. DictionaryCache有一次1代的垃圾收集，这说明DictionaryCache消耗内存超过前些容器吗？
6. SimpleKeyCache从时间和空间上看全面落后，那么他有什么好处吗？
7. 您能为每种容器提出改进意见吗？

　　您是否还能提出更多问题？您能够在老赵发布下一篇文章讨论这些问题之前，在这里留言给出您对这些问题的看法呢？（本文由转载） 控件中国网