.NET9 新性能引见 (.net9新功能)

本文目录导航：

• .NET9 新性能引见
• 优先队列(PriorityQueue)
• 名目中有哪些汇合类型

.NET9 新性能引见

9 是 8 的后续版本，特意器重云原生运行和性能优化，方案作为规范期支持（STS）版本取得 18 个月的支持。

下载 9 的链接如下。

在 GitHub Discussions 中，工程团队颁布了一系列 9 预览降级，供用户提问并提供对颁布反应的场合。

本文已降级至 9 预览版 1。

以下内容聚焦于 9 中外围 库的降级。

1、 相关优化在 9 中， 引入了新的选项，简化了 JSON 的序列化环节。

用户如今可以更容易地经常使用 Web 自动值启动序列化，并能自定义写入 JSON 时的缩进字符和大小。

同时， 9 提供了一个新的单例 ，专为 Web 运行程序设计，可间接经常使用 Core 的自动性能启动序列化。

2、LINQ 新增 CountBy 和 AggregateBy 方法这些方法在 LINQ 中增强了键聚合的性能，无需经过 GroupBy 函数启动两边分组。

CountBy 方法准许极速计算每个键的产生频率。

例如，用户可以经常使用它来找出文本字符串中频率最高的单词。

而 AggregateBy 办规律提供了一种更为通用的聚合模式，用户可成功自己的逻辑，计算与给定键关联的分数。

3、Foreach 支持 Index系统汇合 的 Index 方法为 IEnumerable 接口增加了索引支持，使得用户可以极速提取可枚举项的隐式索引。

这象征着用户如今可以编写相似以下代码片段，智能对汇合中的名目启动索引。

4、优先队列的新性能在 9 中，系统汇合 的 PriorityQueue 汇合类型新增了 Remove(TElement, TElement, TPriority, IEqualityComparer) 方法，准许用户降级队列中名目标优先级。

同时，PriorityQueue 类型也提供了 6 引入的便捷极速数组堆成功。

虽然数组堆不支持优先级降级，但新的 Remove 方法为用户提供了在不影响渐进性能的状况下成功图算法（如教育和原型设计）所需的灵敏性。

5、明码学相关性能 9 在 CryptographicOperations 类中新增了一次性性哈希方法，优化了明码学性能。

此外，还引入了经常使用 KMAC 算法的新类。

方法是 中蕴含的几个静态“一次性性”哈希函数和相关函数的成功之一，优先经常使用以提供最佳性能和缩小或消弭调配。

为了给开发者提供更灵敏的哈希 API， 9 引入了 API，准许依据 HashAlgorithmName 自定义哈希算法。

这处置了传统 API 在经常使用不同哈希算法时切换的不便，为开发者提供了更多便利。

优先队列(PriorityQueue)

在数据结构中，普通的队列是先进先出，但有时咱们或者并不想有这么固定的规矩，咱们宿愿能有一个带优先级的队列。

思考在事实生存中，一些服务排队窗口会写着“军人依法优先”；送进医院的患者，即使是按顺序抵达的，生病愈加重大的往往优先级也会更高；还有操作系统中的作业调度也和优先级无关...... 于是咱们能不能改良队列？使得队列是有必定优先级的，这样能让一些事物和义务的处置变的愈加灵敏。

当然是可以的，最基本的咱们可以基于线性结构来成功，思考基于线性结构的期间复杂度： 1、队列是一种FIFO（First-In-First-Out）先进先出的数据结构，对应于生存中的排队的场景，排在前面的人总是先经过，依次启动。

2、优先队列是不凡的队列，从“优先”一词，可看出有“插队现象”。

比如在火车站排队进站时，就会有些比拟急的人来插队，他们就在前面先经过验票。

优先队列至少含有两种操作的数据结构：insert（拔出），行将元素拔出到优先队列中（入队）；以及deleteMin（删除最小者），它的作用是找出、删除优先队列中的最小的元素（出队）。

结构\操作 入队出队 普通线性结构O(1)O(n) 顺序线性结构O(n)O(1) 普通线性结构成功的优先队列出队期间复杂度是O(n)，由于出队要拿出最优先的元素，也就是相对最大的元素（留意：大小是相对的，咱们可以指定比拟规定），从而要扫描一遍整个数组选出最大的取出才行。

而关于顺序线性结构的入队操作，入队后或者破坏了原来的有序性，从而要调整以后顺序。

可以看到经常使用线性结构总有期间复杂度是O(n)的操作，还有没有更好的成功模式呢，当然是有的，这就要来聊一聊堆Heap。

堆严厉意义过去说又叫二叉堆（Binary Heap），由于它的结构是一颗齐全二叉树，堆普通分为最大堆和最小堆。

堆性质： 结构性：堆是一颗除底层外被齐全填满的二叉树，底层的节点从左到右填入，这样的树叫做齐全二叉树。

即缺失结点的局部必定再树的右下侧。

堆序性：由于咱们想很快找出最小元，则最小元应该在根上，恣意节点都小于它的后裔，这就是小顶堆（Min-Heap）；假设是查找最大元，则最大元应该在根上，恣意节点都要大于它的后裔，这就是大顶堆(Max-heap)。

最大堆：父亲节点的值大于孩子节点的值 最小堆：父亲节点的值小于孩子节点的值 由于是齐全二叉树，节点的索引之间有着必定的相关，故咱们可以经常使用数组来存储二叉堆，详细如下： 假设从索引为0开局存储，则父亲和孩子节点的索引相关如下： 当咱们须要向一个最大堆增加一条新的数据时，此时咱们的堆变成了这样。

此时，由于新数据的参与曾经不合乎最大堆的定义了。

所以咱们须要对新参与的数据启动shift up操作，将它放到它应该在的位置。

shift up操作时咱们将新参与的数据与它的父节点启动比拟。

假设比它的父节点大，则交流二者。

此时咱们就成功了 对新参与元素的shift up操作。

当咱们从堆中(也就是优先队列中)取出一个元素时。

咱们是将堆顶的元素弹出。

(只能从堆顶取出) 此时这个堆没有顶了，那么该怎样办呢？咱们只有要把这个堆最后一个元素放到堆顶就可以了。

此时咱们就成功了弹出一个元素之后的shift down操作。

replace:去除最大元素后，放入一个新元素 成功：可以先extractMax,再add，两次longn操作。

成功:将堆顶的元素交流以后sift down，一次性O(logn)操作 将n个元素一一拔出到一个空堆中,算法复杂度是O(nlogn),heapify的环节，算法的复杂度为O(n). heapify:将恣意数组整顿成堆的状态。

首先将一个数组形象成一个堆。

这个环节，咱们称之为heapify。

之后咱们找到这个堆中第一个非叶子节点，这个节点的位置一直是数组的数量除以2，也就是索引5位置的27，从这个节点开局，对每一个非叶子的节点,，启动shift down操作。

27比它的子节点51要小，所以交流二者。

接上去咱们看索引2位置的20。

首先呢，咱们须要将20与它两个子节点中较大的51交流。

每个节点堆化的期间复杂度是O(logn)，那个节点的堆化的总期间复杂度是O(nlogn)。

推导环节 堆化节点从倒数第二层开局。

堆化环节中，须要比拟和交流的节点个数与这个节点的高度k成正比。

所以 heapify() 期间复杂度是 O(n). 建堆后，数组中的数据是大顶堆。

把堆顶元素，即最大元素，跟最后一个元素交流，那最大元素就放到了下标为n的位置。

这个环节有点相似下面的“删除堆顶元素”的操作，当堆顶元素移除之后，把下标n的元素放堆顶，而后再经过堆化的方法，将剩下的n-1个元素从新构建成堆。

不时重复这个环节，直到最后堆中只剩下下标为1的元素，排序就成功了。

topk和selectk疑问既可以经常使用快排思维处置，也可以经常使用优先队列处置。

快排:O(n) 空间O(1) 优先队列:O(nlogk) 空间O(k) 优先队列的有i是，不须要一次性性知道一切数据,数据流的模式处置。

名目中有哪些汇合类型

在名目中，罕用的汇合类型有以下几种：1. 数组（Array）：有序的元素汇合，可以经过索引访问和修正元素。

2. 列表（List）：有序的元素汇合，可以灵活增加、删除和修正元素。

3. 汇合（Set）：无序的元素汇合，不准许重复元素。

4. 字典（Dictionary）：键值对的汇合，可以经过键访问和修正对应的值。

5. 堆（Heap）：一种不凡的优先队列，可以高效地拔出和删除元素，并依据必定规定失掉具备最高（或最低）优先级的元素。

6. 栈（Stack）：一种后进先出（LIFO）的数据结构，只准许在栈的顶部启动拔出和删除操作。

7. 队列（Queue）：一种先进先出（FIFO）的数据结构，只准许在队列的尾部启动拔出操作，在头部启动删除操作。

8. 链表（Linked List）：一种经过指针衔接元素的数据结构，可以高效地启动拔出、删除和查找操作。

9. 树（Tree）：一种档次结构的数据结构，可以用来示意具备父子相关的元素汇合。

10. 图（Graph）：一种由节点和边导致的数据结构，用来示意元素之间的关联相关。

这些汇合类型在名目开发中都有各自的运行场景，开发人员可以依据详细需求选用适合的类型来存储和操作数据。