当前位置:首页 > 文章列表 > Golang > Go教程 > Go slices.Compact 怎样减少临时分配

Go slices.Compact 怎样减少临时分配

来源:17golang原创 2026-11-06 09:07:54 0浏览 收藏

Go slices.Compact 通过原地压缩相邻重复元素,避免另建结果切片。必须保存返回值,例如 s = slices.Compact(s)。它会修改底层数组,不是全局去重工具,也不保证整个业务零分配。

官方地址:https://pkg.go.dev/slices

明确相邻去重目标

输入 12、12、18、12 按语义压缩为 12、18、12。这是示例推导,不是运行记录。若要求全局唯一,排序会改变顺序,集合则增加存储需求,应按业务选择。

保存返回切片,复用已有存储

package batch
import "slices"
// CompactOwned 要求调用方独占底层数组,返回新的有效范围。
func CompactOwned(ids []int) []int {
    return slices.Compact(ids)
}
// CompactCopy 保留原输入,主动支付副本的存储成本。
func CompactCopy(ids []int) []int {
    owned := slices.Clone(ids)
    return slices.Compact(owned)
}

第一种适合已交给当前工作单元的批次。第二种适合必须保留原始数据的场景,不能把它也称作免分配方案。调用方应将返回值写回自己的变量;原切片变量的长度不会自动更新。

返回切片和底层数组结构图
结构图:返回切片描述有效前缀,压缩复用底层数组,不是执行截图。

别名是原地修改最容易遗漏的风险

saved := ids 只复制切片描述,两个变量仍指向同一数组。压缩改写内容后,saved 不是备份。当前官方实现还会清零原长度内不再使用的尾部位置;这有助于避免这些位置继续保留引用,但不等于安全擦除,也不覆盖原长度以外的容量区域。

需要原始批次作为审计输入时,应在修改前独立复制或保存。独立副本也只是元素赋值复制,元素内有指针时仍需定义共享规则。

工作单元和独立副本结构图
结构图:别名共享输入数组,Clone 可创建独立元素存储,所有权选择决定是否允许原地修改。

按保留容量选择复制

长度变短后,结果仍可能保留大数组。长期缓存很小的结果时,可以主动复制有效前缀,并停止保存旧数组引用。此时增加一次复制,是为了减少长期保留。限制切片容量或者使用 Clip,并不自动分离旧数组。

需求做法代价
独占、相邻去重直接 Compact修改输入数组
保留原输入Clone 后 Compact额外副本
小结果长期保存压缩后复制有效结果复制成本换取独立存储
全局唯一且保序另选保序去重算法按业务评估辅助存储

比较规则与并发边界

Compact 用相等比较识别相邻重复。指针相等不表示对象字段相同;需要字段判等时考虑 CompactFunc,并让回调与业务语义一致。回调自身创建对象也可能产生分配。

不同切片变量可能共享重叠数组,不能无同步并发读写。可把一个批次交给一个工作单元独占,完成后仅传递有效结果,避免旧长度视图继续被使用。

相关问题

为什么忽略返回值后长度不变?函数返回新的切片描述,不能替调用方修改变量长度。

能保证业务零分配吗?不能。这里只解释避免新建结果切片的机制,没有测量数据,复制及周边逻辑仍可能分配。

可以直接替代全局去重吗?不能,它仅合并相邻重复段。

依据:官方 Compact 文档、官方源码。

版本声明
本文转载于:17golang原创 如有侵犯,请联系study_golang@163.com删除
Go maps.Clone 怎样保留错误信息Go maps.Clone 怎样保留错误信息
上一篇
Go maps.Clone 怎样保留错误信息
Go slices.Compact 怎样保留错误信息
下一篇
Go slices.Compact 怎样保留错误信息
查看更多
最新文章
查看更多
课程推荐
  • 前端进阶之JavaScript设计模式
    前端进阶之JavaScript设计模式
    设计模式是开发人员在软件开发过程中面临一般问题时的解决方案,代表了最佳的实践。本课程的主打内容包括JS常见设计模式以及具体应用场景,打造一站式知识长龙服务,适合有JS基础的同学学习。
    543次学习
  • GO语言核心编程课程
    GO语言核心编程课程
    本课程采用真实案例,全面具体可落地,从理论到实践,一步一步将GO核心编程技术、编程思想、底层实现融会贯通,使学习者贴近时代脉搏,做IT互联网时代的弄潮儿。
    516次学习
  • 简单聊聊mysql8与网络通信
    简单聊聊mysql8与网络通信
    如有问题加微信:Le-studyg;在课程中,我们将首先介绍MySQL8的新特性,包括性能优化、安全增强、新数据类型等,帮助学生快速熟悉MySQL8的最新功能。接着,我们将深入解析MySQL的网络通信机制,包括协议、连接管理、数据传输等,让
    500次学习
  • JavaScript正则表达式基础与实战
    JavaScript正则表达式基础与实战
    在任何一门编程语言中,正则表达式,都是一项重要的知识,它提供了高效的字符串匹配与捕获机制,可以极大的简化程序设计。
    487次学习
  • 从零制作响应式网站—Grid布局
    从零制作响应式网站—Grid布局
    本系列教程将展示从零制作一个假想的网络科技公司官网,分为导航,轮播,关于我们,成功案例,服务流程,团队介绍,数据部分,公司动态,底部信息等内容区块。网站整体采用CSSGrid布局,支持响应式,有流畅过渡和展现动画。
    485次学习
查看更多
AI推荐
  • PubMedQA数据集详解:生物医学问答基准、功能与应用指南
    PubMedQA
    深入了解PubMedQA生物医学问答数据集,涵盖其核心功能、使用方法及在临床决策、药物研发等场景的应用,助力提升NLP模型性能。
    906次使用
  • H2O EvalGPT:开源LLM大模型评估与排行榜工具
    H2O EvalGPT
    H2O EvalGPT是H2O.ai推出的开源LLM评估平台,提供详细的大模型性能排行榜、行业特定基准测试及A/B测试功能,助您快速选择最适合项目的高性能大语言模型。
    914次使用
  • LMArena是什么?伯克利AI模型评估平台使用指南与功能解析
    LMArena
    LMArena是加州大学伯克利分校推出的AI模型匿名评测平台。通过盲测投票机制,用户可对比不同大模型回答并生成实时排行榜,助力开发者优化模型及用户选择最佳AI工具。
    992次使用
  • 斯坦福HELM:大语言模型Holistic Evaluation整体评估框架详解
    HELM
    深入了解斯坦福推出的HELM(Holistic Evaluation of Language Models)大模型评测体系。本文解析其核心功能、安装配置步骤及应用场景,涵盖准确性、公平性、鲁棒性等多维度指标,助力开发者全面优化语言模型性能。
    983次使用
  • MMBench详解:多模态大模型基准测试、功能特点与使用指南
    MMBench
    MMBench是由上海人工智能实验室等机构联合推出的多模态基准测试平台,提供细粒度能力评估、大规模数据集及VLMEvalKit工具。本文详细介绍其核心功能、安装使用方法及应用场景,助力开发者全面评估多模态模型性能。
    806次使用
微信登录更方便
  • 密码登录
  • 注册账号
登录即同意 用户协议 和 隐私政策
返回登录
  • 重置密码