c# HashSet的擴容機制需要注意的
一：背景
1. 講故事
自從這個純內(nèi)存項目進了大客戶之后，搞得我現(xiàn)在對內(nèi)存和CPU特別敏感，跑一點數(shù)據(jù)內(nèi)存幾個G的上下，特別沒有安全感，總想用windbg抓幾個dump看看到底是哪一塊導致的，是我的代碼還是同事的代碼？ 很多看過我博客的老朋友總是留言讓我出一套windbg的系列或者視頻，我也不會呀，沒辦法，人在江湖飄，遲早得挨上幾刀，逼著也得會幾個花架子😄😄😄，廢話不多說，這一篇就來看看 HashSet 是如何擴容的。
二：HashSet的擴容機制
1. 如何查看
了解如何擴容，最好的辦法就是翻看HashSet底層源碼，最粗暴的入口點就是 HashSet.Add 方法。
從圖中可以看到最后的初始化是用 Initialize 的，而且里面有這么一句神奇的代碼: int prime = HashHelpers.GetPrime(capacity);，從字面意思看是獲取一個質(zhì)數(shù)，哈哈，有點意思，什么叫質(zhì)數(shù)？ 簡單說就是只能被 1 和 自身 整除的數(shù)就叫做質(zhì)數(shù)，那好奇心就來了，一起看看質(zhì)數(shù)是怎么算的吧！ 再次截圖。
從圖中看，HashSet底層為了加速默認定義好了 72 個質(zhì)數(shù)，最大的一個質(zhì)數(shù)是 719w，換句話就是說當元素個數(shù)大于 719w 的時候，就只能使用 IsPrime 方法動態(tài)計算質(zhì)數(shù)，如下代碼：
public static bool IsPrime(int candidate)
{
if ((candidate & 1) != 0)
{
int num = (int)Math.Sqrt(candidate);
for (int i = 3; i <= num; i += 2)
{
if (candidate % i == 0)
{
return false;
}
}
return true;
}
return candidate == 2;
}
看完了整個流程，我想你應該明白了，當你第一次Add的時候，默認的空間占用是 72 個預定義中最小的一個質(zhì)數(shù) 3，看過我之前文章的朋友知道List的默認大小是4，后面就是簡單粗暴的 * 2 處理，如下代碼。
private void EnsureCapacity(int min)
{
if (_items.Length < min)
{
int num = (_items.Length == 0) ? 4 : (_items.Length * 2);
}
}
2. HashSet 二次擴容探究
當HashSet的個數(shù)達到3之后，很顯然要進行二次擴容，這一點不像List用一個 EnsureCapacity 方法搞定就可以了，然后細看一下怎么擴容。
public static int ExpandPrime(int oldSize)
{
int num = 2 * oldSize;
if ((uint)num > 2146435069u && 2146435069 > oldSize)
{
return 2146435069;
}
return GetPrime(num);
}
從圖中可以看到，最后的擴容是在 ExpandPrime 方法中完成的，流程就是先 * 2， 再取最接近上限的一個質(zhì)數(shù)，也就是 7 ，然后將 7 作為 HashSet 新的Size，如果你非要看演示，我就寫一小段代碼證明一下吧，如下圖：
2. 您嗅出風險了嗎？
<1> 時間上的風險
為了方便演示，我把 72 個預定義的最后幾個質(zhì)數(shù)顯示出來。
public static readonly int[] primes = new int[72]
{
2009191,
2411033,
2893249,
3471899,
4166287,
4999559,
5999471,
7199369
};
也就是說，當HashSet的元素個數(shù)為 2893249 的時候觸發(fā)擴容變成了 2893249 * 2 => 5786498 最接近的一個質(zhì)數(shù)為：5999471，也就是 289w 暴增到了 599w，一下子就是 599w -289w = 310w 的空間虛占，這可是增加了兩倍多哦，嚇人不？ 下面寫個代碼驗證下。
static void Main(string[] args)
{
var hashSet = new HashSet<int>(Enumerable.Range(0, 2893249));
hashSet.Add(int.MaxValue);
Console.Read();
}
0:000> !clrstack -l
000000B8F4DBE500 00007ffaf00132ae ConsoleApplication3.Program.Main(System.String[]) [C:\4\ConsoleApp1\ConsoleApp1\Program.cs @ 16]
LOCALS:
0x000000B8F4DBE538 = 0x0000020e0b8fcc08
0:000> !DumpObj /d 0000020e0b8fcc08
Name: System.Collections.Generic.HashSet`1[[System.Int32, System.Private.CoreLib]]
Size: 64(0x40) bytes
File: C:\Program Files\dotnet\shared\Microsoft.NETCore.App\5.0.0-preview.5.20278.1\System.Collections.dll
Fields:
MT Field Offset Type VT Attr Value Name
00007ffaf0096d10 4000017 8 System.Int32[] 0 instance 0000020e2025e9f8 _buckets
00007ffaf00f7ad0 4000018 10 ...ivate.CoreLib]][] 0 instance 0000020e2bea1020 _slots
00007ffaeffdf828 4000019 28 System.Int32 1 instance 2893250 _count
0:000> !DumpObj /d 0000020e2025e9f8
Name: System.Int32[]
Size: 23997908(0x16e2dd4) bytes
Array: Rank 1, Number of elements 5999471, Type Int32 (Print Array)
Fields:
None
而且最重要的是，這里是一次性擴容的，而非像redis中實現(xiàn)的那樣漸進式擴容，時間開銷也是大家值得注意的
<2> 空間上的風險
這個有什么風險呢？可以看一下：289w 和 599w 兩個HashSet的占用空間大小，這也是我最敏感的。
static void Main(string[] args)
{
var hashSet1 = new HashSet<int>(Enumerable.Range(0, 2893249));
var hashSet2 = new HashSet<int>(Enumerable.Range(0, 2893249));
hashSet2.Add(int.MaxValue);
Console.Read();
}
0:000> !clrstack -l
OS Thread Id: 0x4a44 (0)
000000B1B4FEE460 00007ffaf00032ea ConsoleApplication3.Program.Main(System.String[]) [C:\4\ConsoleApp1\ConsoleApp1\Program.cs @ 18]
LOCALS:
0x000000B1B4FEE4B8 = 0x000001d13363cc08
0x000000B1B4FEE4B0 = 0x000001d13363d648
0:000> !objsize 0x000001d13363cc08
sizeof(000001D13363CC08) = 46292104 (0x2c25c88) bytes (System.Collections.Generic.HashSet`1[[System.Int32, System.Private.CoreLib]])
0:000> !objsize 0x000001d13363d648
sizeof(000001D13363D648) = 95991656 (0x5b8b768) bytes (System.Collections.Generic.HashSet`1[[System.Int32, System.Private.CoreLib]])
可以看到， hashSet1的占用： 46292104 / 1024 / 1024 = 44.1M， hashSet2 的占用 : 95991656 / 1024 / 1024 = 91.5M,一下子就浪費了： 91.5 - 44.1 = 47.4M。
如果你真以為僅僅浪費了 47.4M 的話，那你就大錯特錯了，不要忘了底層在擴容的時候，使用新的 size 覆蓋了老的 size，而這個 老的 size 集合在GC還沒有回收的時候會一直占用堆上空間的，這個能聽得懂嗎？ 如下圖：
要驗證的話可以用 windbg 去托管堆上抓一下 Slot[] m_slots 和 int[] m_buckets 兩個數(shù)組，我把代碼修改如下：
static void Main(string[] args)
{
var hashSet2 = new HashSet<int>(Enumerable.Range(0, 2893249));
hashSet2.Add(int.MaxValue);
Console.Read();
}
0:011> !dumpheap -stat
00007ffaf84f7ad0 3 123455868 System.Collections.Generic.HashSet`1+Slot[[System.Int32, System.Private.CoreLib]][]
這里就拿 Slot[] 說事，從上面代碼可以看到，托管堆上有三個 Slot[] 數(shù)組，這就有意思了，怎么有三個哈，是不是有點懵逼，沒關(guān)系，我們將三個 Slot[] 的地址找出來，一個一個看。
0:011> !DumpHeap /d -mt 00007ffaf84f7ad0
Address MT Size
0000016c91308048 00007ffaf84f7ad0 16743180
0000016c928524b0 00007ffaf84f7ad0 34719012
0000016ce9e61020 00007ffaf84f7ad0 71993676
0:011> !gcroot 0000016c91308048
Found 0 unique roots (run '!gcroot -all' to see all roots).
0:011> !gcroot 0000016c928524b0
Found 0 unique roots (run '!gcroot -all' to see all roots).
0:011> !gcroot 0000016ce9e61020
Thread 2b0c:
0000006AFAB7E5F0 00007FFAF84132AE ConsoleApplication3.Program.Main(System.String[]) [C:\4\ConsoleApp1\ConsoleApp1\Program.cs @ 15]
rbp-18: 0000006afab7e618
-> 0000016C8000CC08 System.Collections.Generic.HashSet`1[[System.Int32, System.Private.CoreLib]]
-> 0000016CE9E61020 System.Collections.Generic.HashSet`1+Slot[[System.Int32, System.Private.CoreLib]][]
從上面可以看到，我通過 gcroot 去找這三個地址的引用根，有兩個是沒有的，最后一個有的自然就是新的 599w 的size，對不對，接下來用 !do 打出這三個地址的值。
0:011> !do 0000016c91308048 Name: System.Collections.Generic.HashSet`1+Slot[[System.Int32, System.Private.CoreLib]][] Size: 16743180(0xff7b0c) bytes Array: Rank 1, Number of elements 1395263, Type VALUETYPE (Print Array) Fields: None 0:011> !do 0000016c928524b0 Name: System.Collections.Generic.HashSet`1+Slot[[System.Int32, System.Private.CoreLib]][] Size: 34719012(0x211c524) bytes Array: Rank 1, Number of elements 2893249, Type VALUETYPE (Print Array) Fields: None 0:011> !do 0000016ce9e61020 Name: System.Collections.Generic.HashSet`1+Slot[[System.Int32, System.Private.CoreLib]][] Size: 71993676(0x44a894c) bytes Array: Rank 1, Number of elements 5999471, Type VALUETYPE (Print Array) Fields: None
從上面的 Rank 1, Number of elements 信息中可以看到，原來托管堆不僅有擴容前的Size ：2893249，還有更前一次的擴容Size: 1395263，所以按這種情況算： 托管堆上的總大小近似為： 23.7M + 47.4M + 91.5M = 162.6M，我去，不簡單把。。。 也就是說：托管堆上有 162.6 - 91.5 =71.1M 的未回收垃圾 ➕ 剛才的 47.4M 的空間虛占用，總浪費為:118.5M，但愿我沒有算錯。。。
3. 有解決方案嗎？
在List中大家可以通過 Capacity 去控制List的Size，但是很遺憾，在 HashSet 中并沒有類似的解決方案，只有一個很笨拙的裁剪方法: TrimExcess，用于將當前Size擴展到最接近的 質(zhì)數(shù) 值， 如下代碼所示：
public void TrimExcess()
{
int prime = HashHelpers.GetPrime(m_count);
Slot[] array = new Slot[prime];
int[] array2 = new int[prime];
int num = 0;
for (int i = 0; i < m_lastIndex; i++)
{
if (m_slots[i].hashCode >= 0)
{
array[num] = m_slots[i];
int num2 = array[num].hashCode % prime;
array[num].next = array2[num2] - 1;
array2[num2] = num + 1;
num++;
}
}
}
應用到本案例就是將 289w 限制到 347w，仍然有 58w的空間占用。 如下圖：
三： 總結(jié)
HashSet的時間和空間上虛占遠比你想象的大很多，而且實占也不小，因為底層用到了雙數(shù)組 m_slots 和 m_buckets，每個Slot還有三個元素: struct Slot { int hashCode;internal int next;internal T value; }所以了解完原理之后謹慎著用吧。
以上就是c# HashSet的擴容機制需要注意的的詳細內(nèi)容，更多關(guān)于c# HashSet 擴容機制的資料請關(guān)注腳本之家其它相關(guān)文章！
相關(guān)文章
這篇文章介紹了Entity Framework主從表的增刪改，文中通過示例代碼介紹的非常詳細。對大家的學習或工作具有一定的參考借鑒價值，需要的朋友可以參考下2022-06-06
這篇文章主要介紹了C#實現(xiàn)用棧求逆序的方法,涉及C#數(shù)據(jù)結(jié)構(gòu)中棧的壓入與取出相關(guān)操作技巧,需要的朋友可以參考下2017-07-07
C# 的表達式樹提供了一個強大的機制,可以將代碼以數(shù)據(jù)結(jié)構(gòu)的形式表示出來,使得代碼可以在運行時進行檢查、修改或執(zhí)行,這為動態(tài)查詢生成、代碼優(yōu)化和動態(tài)編程提供了很多可能性,這篇文章主要介紹了使用C#強大的表達式樹實現(xiàn)對象的深克隆,需要的朋友可以參考下2024-05-05
這篇文章主要為大家詳細介紹了C#中異步實現(xiàn)方式的相關(guān)知識,文中的示例代碼講解詳細,具有一定的借鑒價值,有需要的小伙伴可以跟隨小編一起學習一下2024-03-03
今天小編就為大家分享一篇關(guān)于C#實現(xiàn)順序隊列和鏈隊列的代碼實例，小編覺得內(nèi)容挺不錯的，現(xiàn)在分享給大家，具有很好的參考價值，需要的朋友一起跟隨小編來看看吧2018-10-10
今天通過本文給大家介紹C# 使用modbus 讀取PLC 寄存器地址的方法，使用的組件Nmodbus，文中通過實例代碼給大家介紹的非常詳細，需要的朋友參考下吧2021-10-10
最近做的項目需要在注冊表中記錄一些用戶設(shè)置，方便在程序下次啟動時讀取設(shè)置，應用上次用戶保存的設(shè)置，挺簡單的2014-04-04
C# IP地址與整數(shù)之間轉(zhuǎn)換的具體方法
這篇文章介紹了C# IP地址與整數(shù)之間轉(zhuǎn)換的具體方法，有需要的朋友可以參考一下2013-10-10
這篇文章主要介紹了C#顯示文件夾下所有圖片文件的方法,涉及C#操作圖片文件的相關(guān)技巧,具有一定參考借鑒價值,需要的朋友可以參考下2015-04-04
C#雙向鏈表LinkedList排序?qū)崿F(xiàn)方法
這篇文章主要介紹了C#雙向鏈表LinkedList排序?qū)崿F(xiàn)方法,涉及C#雙向鏈表的定義與排序技巧,具有一定參考借鑒價值,需要的朋友可以參考下2015-08-08