PHP数组交集的优化

假设我们正在运营一个手机相关的网站，用户可以通过指定若干参数（如操作系统，屏幕分辨率，摄像头像素等等）来筛选自己想要的手机。不过由于手机的参数多，且不同的手机其参数差异大，所以参数表结构通常是纵表（一个参数是一行），而不是横表（一个参数是一列），此时使用若干参数来取结果，通常就是把每个单独参数来取结果，再一起取交集。

假定每个参数会包含一千个左右的结果，以此为前提来模拟生成一些数据：

以下是代码片段：
<?php 

$rand = function() { 
    $result = array(); 

    for ($i = 0; $i < 1000; null) { 
        $value = mt_rand(1, 10000); 

        if (!isset($result[$value])) { 
            $result[$value] = null; 
            $i++; 
        } 
    } 

    return array_keys($result); 
}; 

$param_a = $rand(); 
$param_b = $rand(); 

?>

注：留意数据量的大小，以几百到几万为宜。

先来看看通过PHP内置方法array_intersect实现的性能：

再来看看通过自定义方法intersect实现的性能：

以下是代码片段：
<?php 

function intersect() { 
    if (!func_num_args()) { 
        trigger_error(’param error’, E_USER_ERROR); 
    } 

    foreach (func_get_args() AS $arg) { 
        if (!is_array($arg)) { 
            trigger_error(’param error’, E_USER_ERROR); 
        } 
    } 

    $result = array(); 

    $data = array_count_values( 
        call_user_func_array(’array_merge’, func_get_args()) 
    ); 

    foreach ($data AS $value => $count) { 
        if ($count > 1) { 
            $result[] = $value; 
        } 
    } 

    return $result; 
} 

$time = microtime(true); 

$result = intersect($param_a, $param_b); 

$time = microtime(true) - $time; 

echo "intersect: {$time}\n"; 

?>

注：如果数组元素的数量很大的话，array_merge的时候可能会溢出。

直觉上，我们肯定会认为内置函数快于自定义函数，但本例中结果恰恰相反：

• array_intersect: 0.023918151855469
• intersect: 0.0026049613952637

这是因为array_intersect和intersect的功能并不完全等价，看下面的例子：

以下是代码片段：
$param_a = array(1, 2, 2); 
$param_b = array(1, 2, 3); 

var_dump( 
    array_intersect($param_a, $param_b), 
    intersect($param_a, $param_b) 
);

• array_intersect: 1, 2, 2
• intersect: 1, 2

也就是说，如果在第一个数组参数中有重复元素的话，则array_intersect会返回所有满足条件的重复元素，而不是仅仅返回一个，有兴趣的读者可以变换一下参数顺序再看结果。

实际使用中，很多情况下我们都能保证数组参数没有重复元素，交集其实就是求合并数组中元素数量大于一的集合，此时在速度上array_intersect就显得鸡肋了。