面试题：Rust HashMap缓存系统的性能优化

减少哈希冲突

选择合适的哈希函数：Rust的HashMap默认使用的哈希函数对于大多数情况已经足够好，但如果数据具有特定分布，可以考虑自定义哈希函数。例如，如果键是整数且分布不均匀，可以设计一个针对这种分布的哈希函数。
调整初始容量：根据预估的缓存大小，设置合适的初始容量。如果初始容量过小，哈希冲突的可能性会增加。可以根据经验值或数据规模估算来设置。例如，如果预计缓存中有1000个元素，可以将初始容量设置为大于1000的2的幂次方，如2048。

处理多线程访问

使用std::sync::Arc和std::sync::Mutex：
- Arc（原子引用计数）用于在多个线程间共享HashMap。
- Mutex（互斥锁）用于保护HashMap，确保同一时间只有一个线程可以访问它。

use std::collections::HashMap;
use std::sync::{Arc, Mutex};

fn main() {
    let cache: Arc<Mutex<HashMap<String, i32>>> = Arc::new(Mutex::new(HashMap::new()));
    let cache_clone = cache.clone();

    std::thread::spawn(move || {
        let mut map = cache_clone.lock().unwrap();
        map.insert("key1".to_string(), 10);
    });

    let mut map = cache.lock().unwrap();
    let value = map.get("key1");
    println!("Value: {:?}", value);
}

使用std::sync::RwLock：
- 如果读操作远远多于写操作，可以使用RwLock（读写锁）。它允许多个线程同时进行读操作，但写操作时会独占锁。

use std::collections::HashMap;
use std::sync::{Arc, RwLock};

fn main() {
    let cache: Arc<RwLock<HashMap<String, i32>>> = Arc::new(RwLock::new(HashMap::new()));
    let cache_clone = cache.clone();

    std::thread::spawn(move || {
        let mut map = cache_clone.write().unwrap();
        map.insert("key1".to_string(), 10);
    });

    let map = cache.read().unwrap();
    let value = map.get("key1");
    println!("Value: {:?}", value);
}

使用线程安全的哈希表：
- 例如dashmap crate提供了线程安全的哈希表，其内部采用了更细粒度的锁机制，在高并发场景下性能更好。

use dashmap::DashMap;

fn main() {
    let cache: DashMap<String, i32> = DashMap::new();

    std::thread::spawn(move || {
        cache.insert("key1".to_string(), 10);
    });

    let value = cache.get("key1");
    println!("Value: {:?}", value);
}

星途面试题库

面试题：Rust HashMap缓存系统的性能优化

知识考点

面试题答案

减少哈希冲突

处理多线程访问