『Android性能优化手册』使用SparseArray代替HashMap

8字数 1608阅读 431

前言

Android开发中,一个好的应用,除了要有吸引人的功能和交互之外,在性能上也应该有高的要求,如果单单实现页面和业务功能只是完成了基本任务,Android系统对内存要求也是非常高的,稍不注意,就会发生某个页面绘制突然发生卡顿甚至OOM,这对产品的用户体验都是致命性的打击,这就需要我们在日常开发中注意性能方面的优化。


封面

 

正文

Android开发中经常会使用一些数据结构来存储内存中的数据,其中HashMap是以键值对的形式进行存储,使用频率也非常高,它可以根据key方便地操作集合中的数据,但是由于HashMap内部是通过Hash扩容来开拓内存空间,在内存资源及其珍贵的Android系统中就不能达到很好的效果,所以Android推出了SparseArray,它是android.util包下特有的类,在某些场景下,它比HashMap占用更少的内存。
 

为何HashMap占用内存较大?

为何SparseArray会比HashMap更节省内存,这要从它们各自的结构说起。HashMap底层数据结构是一个 数组+链表 的组合(关于数组和链表的概念,这里就不多阐述了),它采用一种所谓的“Hash 算法”来决定每个元素的存储位置。当程序执行 map.put(key,Obect) 方法 时,系统将调用key对象的 hashCode() 方法得到其 hashCode 值(每个Java对象都有 hashCode() 方法,都可通过该方法获得它的 hashCode 值)。得到这个对象的 hashCode 值之后,系统会根据该 hashCode 值再hash一遍来决定该元素在数组中的存储位置。

但是这就存在一个问题,如果两个key算出来的hash值刚好相等,也就是存放的数组位置一样时,就产生了Hash冲突(因为原本数组的那个位置已经有一个元素存放着,而一个位置只能存放一组数据),那HashMap是怎么解决这种冲突的呢?
HashMap采用链表法来解决Hash冲突,也就是说,如果发生这种情况,HashMap会在数组中冲突的那个位置,将后加入的元素指向原来占有数组位置的那个元素,从而追加形成一个链表:

HashMap

HashMap中初始的存储大小就是一个容量为16的数组,所以当我们创建出一个HashMap对象时,即使里面没有不论什么元素。也要分别一块内存空间给它,并且,我们再不断的向HashMap里put数据时,当达到一定的容量限制时,HashMap的空间将会扩大为原来的2倍,所以HashMap是比较占内存的。

 

为何SparseArray更为优化?

先了解一个基本概念——什么是自动装箱?
自动装箱就是指自动将基本数据类型转换为包装器类型,比如下面这句代码:

Integer i = 99;

99是基本数据类型,将它直接赋值给Integer类型对象i时,就会自动将我们的基本类型int包装成Integer。装箱操作会创建对象,频繁的装箱操作会消耗许多内存,影响性能。


而SparseArray又称为稀疏数组,与HashMap不同,其内部是直接通过维护两个数组来实现存储:

public class SparseArray<E> implements Cloneable {

    private int[] mKeys;
    private Object[] mValues;
    ...
}

可以看到,一组存储键,一组存储值,key数组的类型是int型,也就是说,SparseArray只支持key为int类型的数据存储,关键就在这里,由于它是直接维护了一个int数组,那么key就避免了自动装箱的过程,举个例子,比如我们用HashMap存储下面这组数据:

HashMap<Integer, String> hashMap = new HashMap<>();
hashMap.put(1, "test");
hashMap.put(2, "test");
hashMap.put(3, "test");

每次put进去的时候,由于传进去的是1,2,3,都是int基本类型,HashMap会自动帮我们包装成Integer类型的对象(也就是刚说的自动装箱),那么就肯定会消耗更多内存。但如果是SparseArray来存储的话,就直接将key存储在key数组了,省去了装箱这个过程,从而节省了内存开销。

另一方面,对SparseArray增删查改操作时,其内部会不断检查回收无用空间,从而压缩占用的内存大小,我们看下它的put方法:

public void put(int key, E value) {
        //先调用二分法查询该key在数组中的位置
        int i = ContainerHelpers.binarySearch(mKeys, mSize, key);

        if (i >= 0) {
            //大于0说明已经存在数组中,可以直接赋值
            mValues[i] = value;
        } else {
            //小于0说明这是一个新的键值对,且它应该插在数组中的第i个位置
            i = ~i;
            //根据DELETED来查询当前位置的值是否已经被删除
            if (i < mSize && mValues[i] == DELETED) {
                mKeys[i] = key;
                mValues[i] = value;
                return;
            }
            //如果当前容量已满
            if (mGarbage && mSize >= mKeys.length) {
                //回收无效空间
                gc();

                // Search again because indices may have changed.
                i = ~ContainerHelpers.binarySearch(mKeys, mSize, key);
            }

            mKeys = GrowingArrayUtils.insert(mKeys, mSize, i, key);
            mValues = GrowingArrayUtils.insert(mValues, mSize, i, value);
            mSize++;
        }
}

可以看到,SparseArray会先调用二分法去查询key应该存放在数组中的位置,所以SparseArray的key数组一定是有序排列的,然后会用一个DELETED来作为当前位置的元素是否已经被删除,DELETED会在调用remove移除元素的时候赋给对应位置Value,如下:

public void remove(int key) {
    delete(key);
}

public void delete(int key) {
    int i = ContainerHelpers.binarySearch(mKeys, mSize, key);

    if (i >= 0) {
        if (mValues[i] != DELETED) {
            mValues[i] = DELETED;
            mGarbage = true;
        }
    }
}

SparseArray通过这个来作为它压缩空间的一个标志(即该位置可不可以被回收),这样子也进一步节省了空间。

从刚才可以看出,无论是SparseArray的put还是delete(其实其他操作比如get也都是通过二分法寻找下标),都是通过二分法去查询这个key应该被存放的位置。而HashMap在插入的时候,不需要去遍历整个集合,而是直接通过hash计算出位置插入。所以在插入效率上,SparseArray会比HashMap稍慢一些,但在数据量不大的情况下,两者的差别不大。

 

结语

SparseArrayHashMap相比,最大的优势在于内存方面,无论数据量级大小如何,SparseArray所占用的内存都会比HashMap小,在Android中内存是极为重要的,所以在需要保存<Integer,Object>键值对的场景中,推荐使用SparseArray替换HashMap。换句话说,SparseArray是Android中为<Integer,Object>这样的HashMap专门写的类,它避开了自动装箱并且压缩稀疏数组,目的就是为了节省内存。
另外,Android还提供了其他几种类似的集合类:SparseIntArraySparseBooleanArraySparseLongArray,可以支持存储<Integer,Integer>、<Integer,Boolean>、<Integer,Long>的数据类型,也就是同时让Value也避开了装箱过程,进一步优化。

 

关于作者

一个在奋斗路上的Android小生,欢迎关注,互相交流Android开发的那些事~

GitHubGitHubZJY
CSDN博客IT_ZJYANG
简 书Android小Y

关注Android 技术小栈,更多精彩原创

推荐阅读更多精彩内容