从DiffUtil到Myers'差分算法

1字数 2464阅读 2948

这篇文章分为两部分

一:RecyclerView中的DiffUtil

二:Myers差分算法

本文重点介绍Myers差分算法,如果对DiffUtil有一定了解的同学请直接跳到第二批部分。

一:RecyclerView中的DiffUtil

不论是在哪一款App应用中,一旦提到数据集合,展示的方式通常是listview或者gridview,亦或是recyclerview。

DiffUtil就是专门用于RecyclerView中数据有局部变化。使用DiffUtil时会计算出新旧集合中的最长公共子串,之后对数据集合进行增减,再进行局部变化。

为什么要进行局部变化,而不是直接调用adapter.notifyDataSetChanged?

局部更新会有动画。动画。。画。。。

DiffUtil适用于数据频繁变化、需要动态显示增减情况、新旧数据有重合部分的情况,这种情况大力推荐DiffUtil。

当我们使用DiffUtil的时候我们需要重写它的4个方法,分别为:

getOldListSize()   //看名字就懂的方法

getNewListSize() 

areItemsTheSame()  //根据你的需求去判断到底是刷新整个item(viewType不同的情况),还是该item只有一点点数据的变化,从而去下面的方法判断是否需要刷新.如果返回true,将继续执行下面的方法去判断。

areContentsTheSame():如果返回true,则不刷新该item,如果返回false,则只刷新该item,并且是一个动作非常小的刷新

光看这些概念会比较抽象


old Data A[] = {ABCABBA}  长度(N=7)

new Data B[] = {CBABAC}  长度(M=6)

这里的展示比较简单,只展示出这个字母就行了,如图


那么我的代码应该是这样的

public int getOldListSize() {returnoldData==null?0:oldData.size();}

public int getNewListSize() {returnnewData==null?0:newData.size();}

public boolean areItemsTheSame(intoldItemPosition,intnewItemPosition) {

     return oldData.get(oldItemPosition).equals(newData.get(newItemPosition));

}//该方法要返回item身份的唯一标识,例如id,如果相同进入下面方法,如果不同则应该进行增减操作

public boolean areContentsTheSame(intoldItemPosition,intnewItemPosition) {

     return oldData.get(oldItemPosition).equals(newData.get(newItemPosition));

}//当id相同时,再判断需要展示的内容是否相同,如果不同,则对item进行update

最终将计算结果展现到recyclerview中的方法如下

DiffUtil.DiffResult diffResult = DiffUtil.calculateDiff(adapter.newItemChangeCallBack(adapter.getData(), datas));

diffResult.dispatchUpdatesTo(adapter);

效果图

好奇心重的小伙伴肯定要问了:如何又快又准确地计算出最大重合部分(最长公共子串)?

二:Myers差分算法

前阵子因为产品需求,我手动实现了对旧数据集合的增量维护,后发现有DiffUtil工具,遂想要查看google的大牛们是如何实现的,就对源码进行了查阅。发现其核心代码就是实现Myers差分算法来达到目的。我们先将part1中的数据填充到一个二维数组中,当两个数据相同时,我们用方向为右下的对角线来表示。得到如下

x轴方向为旧数据,y轴方向为新数据

那么这个算法的核心就成了如何从使用最少的步数从起点(0,0)走到终点(n,m)让这条线中尽可能多地包含对角线。并且我们不走回头路哈。

你现在很可能一头雾水。 

先来看看从一个点向下,向右,按对角线走分别代表什么?我们只分析从(0,0)到(1,1)。

要强调一个事情:x轴方向为旧数据,y轴方向为新数据。

向下(0,0)->(0,1) :新增一个元素 (计1步)

向右(0,0)->(1,0):删除一个元素 (计1步)

走对角线:相同元素 (不计入步数)

先把上面这三种走法代表的意义想清楚,我们再继续往下看

思考:使用何种算法才能达到目的?

针对这个问题我能想到两种解决方案

1.广搜,同时记录步数,当搜到(n,m)点时即为所求,很基础的一种解决方案,如何记录路径点留给大家做一个思考

2.动态规划。当一个问题(1)依赖于子问题的最优解,(2)子问题重叠,(3)问题存在边界,(4)子问题独立,就可以考虑使用动态规划来解决。该问题中,点(n,m)的最优解依赖于(n,m-1),(n-1,m)两个点所在对角线上所有能够走一步到达(n,m)的点。 ////请理解后继续

下面就要介绍Myers差分算法了。

首先我们再来重复一遍:该问题中,点(n,m)的最优解依赖于(n,m-1),(n-1,m)两个点所在对角线上所有能够走一步到达(n,m)的点。

我们提取出关键词:对角线,一步

在这个基础上,我们提出三个概念

snake : 一条snake代表走一步。例如从(0,0)->(0,1)    (0,0)->(1,0)    (0,1)->(0,2)->(2,4)这分别为三条snake。上述提到过,走对角线不计入步数。最后一条蛇中的三个点分别为start,mid,end

k line: 定义k = x - y  怎么冒出来的这个k?  所有k相同的点组成了一条线,他们组成了对角线。并且对于k,我们可以使用一个记录的数组V,用k作为该数组的index,x为value,这样我们可以通过计算求得y坐标

d contour: 这又是什么? 我认为d可以简单的理解为步数。

那么现在这个问题就成了,如何找到一个最小的d使snakes到达点(n,m)。相信你已经看出来这是最外层的循环了。

接下来我们想想如何到达point(x,y)? 设 k = x - y,那么能到达点(x,y)的 只能从k-1 或者 k+1两条对角线上到k上。相信你发现这是内侧循环了。

只要这两层循环就够了,内层循环完毕的结果就是,在步数为d,求得对角线k能到达的最远的x坐标。

贴上一张样例的图,然后继续举栗子

黄色的线:k line

深蓝色的线:snake

浅蓝色的线:d contour

红色的线:问题的解

举例:when d = 3 ,k = [ -3 ,-1,1,3]  。  问两个问题

1,:为什么k要从-3开始?

2:[ 2 , 0  ,-2]呢?

1.d表示步数为3步 , 那么走3步是永远不可能走到k=±4的对角线上的,因为步数不够。只沿x 或者 y轴方向都无法到达。

2.当d为奇数步数时,意味着可以到达点(0 + i + diagonal,0 + j +diagonal) i+j 为奇数 ,diagonal为对角线数量,那么k = x - y  = i - j 也一定是个奇数,所以当d为奇数,我们就只考虑k为奇数,当d为偶数,就只考虑d为偶数的情况即可。

我们继续


当k= -3 时,我们可以从k=-2 或者 k=-4到达k=-3,但是我们只可能从k=-2到k=-3(为什么?)。这里只能选走往下走  。这个时候我们只要知道当d=2 k=-2时候的前驱点(2,4)作为起点,往下走一步,到达点(2,5)设改点为mid和end,此时发现在对角线上,则将end移到(3,6)。这是边界情况

当k=-1时,我们有两个选择,从k=0 或者 k=-2 上的点作为前驱。我们当然选择点(2,4)因为它能让我们在k=-1时到达更远的点(3,4).

k=1  k=3的情况请各位小伙伴自行脑补。

下面就可以列出我们的核心代码了 

经过上述两层循环可以找到最快到达点(n,m)的步数

这里有个小问题需要注意,就是初始化的值非常重要,这里用数组V[k] = x 来做记录。在代码的开头V[1] = 0 计算出这个是当 k = 1 时   点(0,-1)作为起点,因为点(0,0)已然属于我们要考虑的范围。但是这个初始化并不是特别好理解。

我们也可以这样做初始化

while(A[ i ] = B[ i ]){ i ++; }   

V[ 0 ] = i;

然后d从1开始,这样可能会比较好理解一些。

这段代码则是找出这条路径的方法,看得懂第一段代码,solution部分就不是问题。

以上就是全部内容了。我从思考的角度提出了snake  d  k 这三个定义,而不是直接提出这三个定义,然后硬往算法上靠。希望我的这种思维方式能够给你带来帮助。

我搜了一下国内并没有搜到Myers diff 算法,不知道是不是我搜的不对。

附国外的链接

https://www.codeproject.com/articles/42279/investigating-myers-diff-algorithm-part-of

和Myers的论文

http://xmailserver.org/diff2.pdf

欢迎各位和我继续探讨细节。

推荐阅读更多精彩内容