Java多线程优化：高效计算字符串相似度

Kira

ai创意图像生成与编辑平台

58

查看详情

import java.util.List; import java.util.concurrent.ExecutorService; import java.util.concurrent.Executors;  // 假设 solution 对象包含 findSimilarityRatio 方法 // 并且是线程安全的，或者在必要时进行同步 class Solution {     public double findSimilarityRatio(String s1, String s2) {         // 实际的字符串相似度计算逻辑         // 这里只是一个模拟，例如使用Jaro-winkler、Levenshtein等算法         return (s1.length() + s2.length()) / 2.0; // 示例模拟     } }  public class SimilarityCalculator {      // 假设 solution 是一个全局或静态可访问的实例     private static final Solution solution = new Solution();      /**      * 定义一个任务，用于计算单个字符串与列表中所有其他字符串的相似度。      */     private static class SimilarityRunnable implements Runnable {         private final String targetStr; // 需要比较的字符串         private final List<String> stringList; // 整个字符串列表          public SimilarityRunnable(String targetStr, List<String> stringList) {             this.targetStr = targetStr;             this.stringList = stringList;         }          @Override         public void run() {             for (String listStr : stringList) {                 // 避免自身与自身比较，通常相似度为1                 // 注意：这里使用 == 比较的是引用，如果字符串是通过值相等但引用不同的方式创建，                 // 则需要使用 .equals()。根据具体需求选择。                 if (listStr == targetStr) {                     continue;                 }                  // 如果 solution.findSimilarityRatio 方法不是线程安全的，                 // 则需要在调用前进行同步，例如：                 // synchronized (solution) {                 //     System.out.println(... solution.findSimilarityRatio(targetStr, listStr));                 // }                 // 但通常相似度计算函数应该是纯函数，不涉及共享状态，因此通常无需同步。                 double similarity = solution.findSimilarityRatio(targetStr, listStr);                 System.out.println(Thread.currentThread().getName()                     + ": 字符串 '" + targetStr + "' 与 '" + listStr + "' 的相似度是 "                     + String.format("%.2f", similarity));             }         }     }      // 模拟获取字符串列表的方法     static class ListExecutor {         public static List<String> getStringList() {             return List.of("apple", "aple", "apply", "banana", "bandana", "orange");         }     }      public static void main(String[] args) {         // 1. 创建一个固定大小的线程池，例如10个线程         ExecutorService pool = Executors.newFixedThreadPool(10);          // 2. 获取待处理的字符串列表         List<String> stringList = ListExecutor.getStringList();          // 3. 为列表中的每个字符串创建一个 SimilarityRunnable 任务并提交给线程池         for (String str : stringList) {             pool.submit(new SimilarityRunnable(str, stringList));         }          // 4. 关闭线程池：在所有任务提交完毕后，通知线程池不再接受新任务，并等待已提交任务完成         pool.shutdown();          // 可选：等待所有任务执行完毕，否则主线程可能在任务完成前退出         // try {         //     pool.awaitTermination(Long.MAX_VALUE, TimeUnit.NANOSECONDS);         // } catch (InterruptedException e) {         //     Thread.currentThread().interrupt();         //     System.err.println("等待线程池终止时被中断: " + e.getMessage());         // }         System.out.println("所有相似度计算任务已提交。");     } }

大家都在看：