面试题：Rust 并发场景下统计功能原子实现的复杂度权衡

Rust 实现统计功能

use std::sync::{Arc, Mutex};
use std::sync::atomic::{AtomicUsize, Ordering};
use std::thread;

fn main() {
    let data_blocks: Vec<Vec<i32>> = vec![
        vec![1, 2, 3, 2, 1],
        vec![2, 3, 4, 2, 3],
        vec![1, 3, 5, 1, 3]
    ];

    let target_element = 2;
    let counter = Arc::new(AtomicUsize::new(0));
    let mut handles = Vec::new();

    for data in data_blocks {
        let counter_clone = Arc::clone(&counter);
        let handle = thread::spawn(move || {
            for num in data {
                if num == target_element {
                    counter_clone.fetch_add(1, Ordering::SeqCst);
                }
            }
        });
        handles.push(handle);
    }

    for handle in handles {
        handle.join().unwrap();
    }

    println!("The target element {} appears {} times.", target_element, counter.load(Ordering::SeqCst));
}

复杂度分析

时间复杂度：随着线程数量增加，时间复杂度从 O(n) 变为接近 O(n / t)，其中 n 是数据总量，t 是线程数量。因为多个线程并行处理数据块，理论上处理速度会随着线程数增加而加快。但由于线程调度、原子操作的开销，实际加速比会小于线程数。
空间复杂度：空间复杂度保持 O(1)，因为除了输入数据本身，额外使用的空间（如原子计数器）不随数据量或线程数增加而变化。

性能优化

减少原子操作竞争：可以采用分块统计再合并的方式。每个线程维护自己的局部计数器（普通变量），统计完后再合并到全局原子计数器。这样减少了对全局原子计数器的竞争，提高并发性能。
线程池复用：使用线程池避免频繁创建和销毁线程的开销。如 thread - pool 库，可以预先创建一定数量的线程，重复使用它们来处理不同的数据块。
优化数据结构：如果数据块非常大，可以考虑使用更高效的数据结构，如哈希表来快速查找目标元素，虽然这会增加空间复杂度，但可能提高整体性能。

星途面试题库

面试题：Rust 并发场景下统计功能原子实现的复杂度权衡

知识考点

面试题答案

Rust 实现统计功能

复杂度分析

性能优化