本文我們將講解一下對(duì)于“大對(duì)象”的優(yōu)化。這里的“大對(duì)象”，是一個(gè)泛化概念，它可能存放在 JVM 中，也可能正在網(wǎng)絡(luò)上傳輸，也可能存在于數(shù)據(jù)庫(kù)中。

那么為什么大對(duì)象會(huì)影響我們的應(yīng)用性能呢？

第一，大對(duì)象占用的資源多，垃圾回收器要花一部分精力去對(duì)它進(jìn)行回收；

第二，大對(duì)象在不同的設(shè)備之間交換，會(huì)耗費(fèi)網(wǎng)絡(luò)流量，以及昂貴的 I/O；

第三，對(duì)大對(duì)象的解析和處理操作是耗時(shí)的，對(duì)象職責(zé)不聚焦，就會(huì)承擔(dān)額外的性能開(kāi)銷。

結(jié)合我們前面提到的緩存，以及對(duì)象的池化操作，加上對(duì)一些中間結(jié)果的保存，我們能夠?qū)Υ髮?duì)象進(jìn)行初步的提速。

但這還遠(yuǎn)遠(yuǎn)不夠，我們僅僅減少了對(duì)象的創(chuàng)建頻率，但并沒(méi)有改變對(duì)象“大”這個(gè)事實(shí)。本文，將從 JDK 的一些知識(shí)點(diǎn)講起，先來(lái)看幾個(gè)面試頻率比較高的對(duì)象復(fù)用問(wèn)題；接下來(lái)，從數(shù)據(jù)的結(jié)構(gòu)緯度和時(shí)間維度出發(fā)，分別逐步看一下一些把對(duì)象變小，把操作聚焦的策略。

String中的substring

我們都知道，String 在 Java 中是不可變的，如果你改動(dòng)了其中的內(nèi)容，它就會(huì)生成一個(gè)新的字符串。如果我們想要用到字符串中的一部分?jǐn)?shù)據(jù)，就可以使用 substring 方法。

下面是Java11中String的源碼。

public String substring(int beginIndex) {
    if (beginIndex < 0) {
        throw new StringIndexOutOfBoundsException(beginIndex);
    }
    int subLen = length() - beginIndex;
    if (subLen < 0) {
        throw new StringIndexOutOfBoundsException(subLen);
    }
    if (beginIndex == 0) {
        return this;
    }
    return isLatin1() ? StringLatin1.newString(value, beginIndex, subLen)
                      : StringUTF16.newString(value, beginIndex, subLen);
}

public static String newString(byte[] val, int index, int len) {
    if (String.COMPACT_STRINGS) {
        byte[] buf = compress(val, index, len);
        if (buf != null) {
            return new String(buf, LATIN1);
        }
    }
    int last = index + len;
    return new String(Arrays.copyOfRange(val, index << 1, last << 1), UTF16);
}

如上述代碼所示，當(dāng)我們需要一個(gè)子字符串的時(shí)候，substring 生成了一個(gè)新的字符串，這個(gè)字符串通過(guò)構(gòu)造函數(shù)的 Arrays.copyOfRange 函數(shù)進(jìn)行構(gòu)造。

這個(gè)函數(shù)在 Java7 之后是沒(méi)有問(wèn)題的，但在Java6 中，卻有著內(nèi)存泄漏的風(fēng)險(xiǎn)，我們可以學(xué)習(xí)一下這個(gè)案例，來(lái)看一下大對(duì)象復(fù)用可能會(huì)產(chǎn)生的問(wèn)題。下面是Java6中的代碼：

public String substring(int beginIndex, int endIndex) {
    if (beginIndex < 0) {
        throw new StringIndexOutOfBoundsException(beginIndex);
    }
    if (endIndex > count) {
        throw new StringIndexOutOfBoundsException(endIndex);
    }
    if (beginIndex > endIndex) {
        throw new StringIndexOutOfBoundsException(endIndex - beginIndex);
    }
    return ((beginIndex == 0) && (endIndex == count)) ? 
            this :
            new String(offset + beginIndex, endIndex - beginIndex, value);
}

String(int offset, int count, char value[]) {
    this.value = value;
    this.offset = offset;
    this.count = count;
}

可以看到，它在創(chuàng)建子字符串的時(shí)候，并不只拷貝所需要的對(duì)象，而是把整個(gè) value 引用了起來(lái)。如果原字符串比較大，即使不再使用，內(nèi)存也不會(huì)釋放。

比如，一篇文章內(nèi)容可能有幾兆，我們僅僅是需要其中的摘要信息，也不得不維持整個(gè)的大對(duì)象。

有一些工作年限比較長(zhǎng)的面試官，對(duì) substring 還停留在 JDK6 的印象，但其實(shí)，Java 已經(jīng)將這個(gè) bug 給修改了。如果面試時(shí)遇到這個(gè)問(wèn)題，保險(xiǎn)起見(jiàn)，可以把這個(gè)改善過(guò)程答出來(lái)。

這對(duì)我們的借鑒意義是：如果你創(chuàng)建了比較大的對(duì)象，并基于這個(gè)對(duì)象生成了一些其他的信息，這個(gè)時(shí)候，一定要記得去掉和這個(gè)大對(duì)象的引用關(guān)系。

集合大對(duì)象擴(kuò)容

對(duì)象擴(kuò)容，在 Java 中是司空見(jiàn)慣的現(xiàn)象，比如 StringBuilder、StringBuffer、HashMap，ArrayList 等。概括來(lái)講，Java 的集合，包括 List、Set、Queue、Map 等，其中的數(shù)據(jù)都不可控。在容量不足的時(shí)候，都會(huì)有擴(kuò)容操作，擴(kuò)容操作需要重新組織數(shù)據(jù)，所以都不是線程安全的。

我們先來(lái)看下 StringBuilder 的擴(kuò)容代碼：

void expandCapacity(int minimumCapacity) {
    int newCapacity = value.length * 2 + 2;
    if (newCapacity - minimumCapacity < 0)
        newCapacity = minimumCapacity;
    if (newCapacity < 0) {
        if (minimumCapacity < 0) // overflow 
            throw new OutOfMemoryError();
        newCapacity = Integer.MAX_VALUE;
    }
    value = Arrays.copyOf(value, newCapacity);
}

容量不夠的時(shí)候，會(huì)將內(nèi)存翻倍，并使用 Arrays.copyOf 復(fù)制源數(shù)據(jù)。

下面是 HashMap 的擴(kuò)容代碼，擴(kuò)容后大小也是翻倍。它的擴(kuò)容動(dòng)作就復(fù)雜得多，除了有負(fù)載因子的影響，它還需要把原來(lái)的數(shù)據(jù)重新進(jìn)行散列，由于無(wú)法使用 native 的 Arrays.copy 方法，速度就會(huì)很慢。

void addEntry(int hash, K key, V value, int bucketIndex) {
    if ((size >= threshold) && (null != table[bucketIndex])) {
        resize(2 * table.length);
        hash = (null != key) ? hash(key) : 0;
        bucketIndex = indexFor(hash, table.length);
    }
    createEntry(hash, key, value, bucketIndex);
}

void resize(int newCapacity) {
    Entry[] oldTable = table;
    int oldCapacity = oldTable.length;
    if (oldCapacity == MAXIMUM_CAPACITY) {
        threshold = Integer.MAX_VALUE;
        return;
    }
    Entry[] newTable = new Entry[newCapacity];
    transfer(newTable, initHashSeedAsNeeded(newCapacity));
    table = newTable;
    threshold = (int) Math.min(newCapacity * loadFactor, MAXIMUM_CAPACITY + 1);
}

List 的代碼大家可自行查看，也是阻塞性的，擴(kuò)容策略是原長(zhǎng)度的 1.5 倍。

由于集合在代碼中使用的頻率非常高，如果你知道具體的數(shù)據(jù)項(xiàng)上限，那么不妨設(shè)置一個(gè)合理的初始化大小。比如，HashMap 需要 1024 個(gè)元素，需要 7 次擴(kuò)容，會(huì)影響應(yīng)用的性能。面試中會(huì)頻繁出現(xiàn)這個(gè)問(wèn)題，你需要了解這些擴(kuò)容操作對(duì)性能的影響。

但是要注意，像 HashMap 這種有負(fù)載因子的集合（0.75），初始化大小 = 需要的個(gè)數(shù)/負(fù)載因子+1，如果你不是很清楚底層的結(jié)構(gòu)，那就不妨保持默認(rèn)。

接下來(lái)，我將從數(shù)據(jù)的結(jié)構(gòu)緯度和時(shí)間維度出發(fā)，講解一下應(yīng)用層面的優(yōu)化。

保持合適的對(duì)象粒度

給你分享一個(gè)實(shí)際案例：我們有一個(gè)并發(fā)量非常高的業(yè)務(wù)系統(tǒng)，需要頻繁使用到用戶的基本數(shù)據(jù)。

如下圖所示，由于用戶的基本信息，都是存放在另外一個(gè)服務(wù)中，所以每次用到用戶的基本信息，都需要有一次網(wǎng)絡(luò)交互。更加讓人無(wú)法接受的是，即使是只需要用戶的性別屬性，也需要把所有的用戶信息查詢，拉取一遍。

為了加快數(shù)據(jù)的查詢速度，對(duì)數(shù)據(jù)進(jìn)行了初步的緩存，放入到了 Redis 中，查詢性能有了大的改善，但每次還是要查詢很多冗余數(shù)據(jù)。

原始的 redis key 是這樣設(shè)計(jì)的：

type: string 
key: user_${userid} 
value: json

這樣的設(shè)計(jì)有兩個(gè)問(wèn)題：

查詢其中某個(gè)字段的值，需要把所有 json 數(shù)據(jù)查詢出來(lái)，并自行解析；

更新其中某個(gè)字段的值，需要更新整個(gè) json 串，代價(jià)較高。

針對(duì)這種大粒度 json 信息，就可以采用打散的方式進(jìn)行優(yōu)化，使得每次更新和查詢，都有聚焦的目標(biāo)。

接下來(lái)對(duì) Redis 中的數(shù)據(jù)進(jìn)行了以下設(shè)計(jì)，采用 hash 結(jié)構(gòu)而不是 json 結(jié)構(gòu)：

type: hash 
key: user_${userid} 
value: {sex:f, id:1223, age:23}

這樣，我們使用 hget 命令，或者 hmget 命令，就可以獲取到想要的數(shù)據(jù)，加快信息流轉(zhuǎn)的速度。

Bitmap 把對(duì)象變小

除了以上操作，還能再進(jìn)一步優(yōu)化嗎？比如，我們系統(tǒng)中就頻繁用到了用戶的性別數(shù)據(jù)，用來(lái)發(fā)放一些禮品，推薦一些異性的好友，定時(shí)循環(huán)用戶做一些清理動(dòng)作等；或者，存放一些用戶的狀態(tài)信息，比如是否在線，是否簽到，最近是否發(fā)送信息等，從而統(tǒng)計(jì)一下活躍用戶等。那么對(duì)是、否這兩個(gè)值的操作，就可以使用 Bitmap 這個(gè)結(jié)構(gòu)進(jìn)行壓縮。

這里還有個(gè)高頻面試問(wèn)題，那就是 Java 的 Boolean 占用的是多少位？

在 Java 虛擬機(jī)規(guī)范里，描述是：將 Boolean 類型映射成的是 1 和 0 兩個(gè)數(shù)字，它占用的空間是和 int 相同的 32 位。即使有的虛擬機(jī)實(shí)現(xiàn)把 Boolean 映射到了 byte 類型上，它所占用的空間，對(duì)于大量的、有規(guī)律的 Boolean 值來(lái)說(shuō)，也是太大了。

如代碼所示，通過(guò)判斷 int 中的每一位，它可以保存 32 個(gè) Boolean 值！

int a= 0b0001_0001_1111_1101_1001_0001_1111_1101;

Bitmap 就是使用 Bit 進(jìn)行記錄的數(shù)據(jù)結(jié)構(gòu)，里面存放的數(shù)據(jù)不是 0 就是 1。還記得我們?cè)谥?《分布式緩存系統(tǒng)必須要解決的四大問(wèn)題》中提到的緩存穿透嗎？就可以使用 Bitmap 避免，Java 中的相關(guān)結(jié)構(gòu)類，就是 java.util.BitSet，BitSet 底層是使用 long 數(shù)組實(shí)現(xiàn)的，所以它的最小容量是 64。

10 億的 Boolean 值，只需要 128MB 的內(nèi)存，下面既是一個(gè)占用了 256MB 的用戶性別的判斷邏輯，可以涵蓋長(zhǎng)度為 10 億的 ID。

static BitSet missSet = new BitSet(010_000_000_000); 
static BitSet sexSet = new BitSet(010_000_000_000); 
String getSex(int userId) { 
    boolean notMiss = missSet.get(userId); 
    if (!notMiss) { 
        //lazy fetch 
        String lazySex = dao.getSex(userId); 
        missSet.set(userId, true); 
        sexSet.set(userId, "female".equals(lazySex)); 
    } 
    return sexSet.get(userId) ? "female" : "male"; 
}

這些數(shù)據(jù)，放在堆內(nèi)內(nèi)存中，還是過(guò)大了。幸運(yùn)的是，Redis 也支持 Bitmap 結(jié)構(gòu)，如果內(nèi)存有壓力，我們可以把這個(gè)結(jié)構(gòu)放到 Redis 中，判斷邏輯也是類似的。

再插一道面試算法題：給出一個(gè) 1GB 內(nèi)存的機(jī)器，提供 60億 int 數(shù)據(jù)，如何快速判斷有哪些數(shù)據(jù)是重復(fù)的？

大家可以類比思考一下。Bitmap 是一個(gè)比較底層的結(jié)構(gòu)，在它之上還有一個(gè)叫作布隆過(guò)濾器的結(jié)構(gòu)（Bloom Filter），布隆過(guò)濾器可以判斷一個(gè)值不存在，或者可能存在。

如圖，它相比較 Bitmap，它多了一層 hash 算法。既然是 hash 算法，就會(huì)有沖突，所以有可能有多個(gè)值落在同一個(gè) bit 上。它不像 HashMap一樣，使用鏈表或者紅黑樹(shù)來(lái)處理沖突，而是直接將這個(gè)hash槽重復(fù)使用。從這個(gè)特性我們能夠看出，布隆過(guò)濾器能夠明確表示一個(gè)值不在集合中，但無(wú)法判斷一個(gè)值確切的在集合中。

Guava 中有一個(gè) BloomFilter 的類，可以方便地實(shí)現(xiàn)相關(guān)功能。

上面這種優(yōu)化方式，本質(zhì)上也是把大對(duì)象變成小對(duì)象的方式，在軟件設(shè)計(jì)中有很多類似的思路。比如像一篇新發(fā)布的文章，頻繁用到的是摘要數(shù)據(jù)，就不需要把整個(gè)文章內(nèi)容都查詢出來(lái)；用戶的 feed 信息，也只需要保證可見(jiàn)信息的速度，而把完整信息存放在速度較慢的大型存儲(chǔ)里。

數(shù)據(jù)的冷熱分離

數(shù)據(jù)除了橫向的結(jié)構(gòu)緯度，還有一個(gè)縱向的時(shí)間維度，對(duì)時(shí)間維度的優(yōu)化，最有效的方式就是冷熱分離。

所謂熱數(shù)據(jù)，就是靠近用戶的，被頻繁使用的數(shù)據(jù)；而冷數(shù)據(jù)是那些訪問(wèn)頻率非常低，年代非常久遠(yuǎn)的數(shù)據(jù)。

同一句復(fù)雜的 SQL，運(yùn)行在幾千萬(wàn)的數(shù)據(jù)表上，和運(yùn)行在幾百萬(wàn)的數(shù)據(jù)表上，前者的效果肯定是很差的。所以，雖然你的系統(tǒng)剛開(kāi)始上線時(shí)速度很快，但隨著時(shí)間的推移，數(shù)據(jù)量的增加，就會(huì)漸漸變得很慢。

冷熱分離是把數(shù)據(jù)分成兩份，如下圖，一般都會(huì)保持一份全量數(shù)據(jù)，用來(lái)做一些耗時(shí)的統(tǒng)計(jì)操作。

由于冷熱分離在工作中經(jīng)常遇到，所以面試官會(huì)頻繁問(wèn)到數(shù)據(jù)冷熱分離的方案。下面簡(jiǎn)單介紹三種：

數(shù)據(jù)雙寫(xiě)

把對(duì)冷熱庫(kù)的插入、更新、刪除操作，全部放在一個(gè)統(tǒng)一的事務(wù)里面。由于熱庫(kù)（比如 MySQL）和冷庫(kù)（比如 Hbase）的類型不同，這個(gè)事務(wù)大概率會(huì)是分布式事務(wù)。在項(xiàng)目初期，這種方式是可行的，但如果是改造一些遺留系統(tǒng)，分布式事務(wù)基本上是改不動(dòng)的，我通常會(huì)把這種方案直接廢棄掉。

寫(xiě)入 MQ 分發(fā)

通過(guò) MQ 的發(fā)布訂閱功能，在進(jìn)行數(shù)據(jù)操作的時(shí)候，先不落庫(kù)，而是發(fā)送到 MQ 中。單獨(dú)啟動(dòng)消費(fèi)進(jìn)程，將 MQ 中的數(shù)據(jù)分別落到冷庫(kù)、熱庫(kù)中。使用這種方式改造的業(yè)務(wù)，邏輯非常清晰，結(jié)構(gòu)也比較優(yōu)雅。像訂單這種結(jié)構(gòu)比較清晰、對(duì)順序性要求較低的系統(tǒng)，就可以采用 MQ 分發(fā)的方式。但如果你的數(shù)據(jù)庫(kù)實(shí)體量非常大，用這種方式就要考慮程序的復(fù)雜性了。

使用 Binlog 同步

針對(duì) MySQL，就可以采用 Binlog 的方式進(jìn)行同步，使用 Canal 組件，可持續(xù)獲取最新的 Binlog 數(shù)據(jù)，結(jié)合 MQ，可以將數(shù)據(jù)同步到其他的數(shù)據(jù)源中。

思維發(fā)散

對(duì)于結(jié)果集的操作，我們可以再發(fā)散一下思維。可以將一個(gè)簡(jiǎn)單冗余的結(jié)果集，改造成復(fù)雜高效的數(shù)據(jù)結(jié)構(gòu)。這個(gè)復(fù)雜的數(shù)據(jù)結(jié)構(gòu)可以代理我們的請(qǐng)求，有效地轉(zhuǎn)移耗時(shí)操作。

比如，我們常用的數(shù)據(jù)庫(kù)索引，就是一種對(duì)數(shù)據(jù)的重新組織、加速。B+ tree 可以有效地減少數(shù)據(jù)庫(kù)與磁盤(pán)交互的次數(shù)，它通過(guò)類似 B+ tree 的數(shù)據(jù)結(jié)構(gòu)，將最常用的數(shù)據(jù)進(jìn)行索引，存儲(chǔ)在有限的存儲(chǔ)空間中。

還有就是，在 RPC 中常用的序列化。有的服務(wù)是采用的 SOAP 協(xié)議的 WebService，它是基于 XML 的一種協(xié)議，內(nèi)容大傳輸慢，效率低下?，F(xiàn)在的 Web 服務(wù)中，大多數(shù)是使用 json 數(shù)據(jù)進(jìn)行交互的，json 的效率相比 SOAP 就更高一些。

另外，大家應(yīng)該都聽(tīng)過(guò) google 的 protobuf，由于它是二進(jìn)制協(xié)議，而且對(duì)數(shù)據(jù)進(jìn)行了壓縮，性能是非常優(yōu)越的。protobuf 對(duì)數(shù)據(jù)壓縮后，大小只有 json 的 1/10，xml 的 1/20，但是性能卻提高了 5-100 倍。

protobuf 的設(shè)計(jì)是值得借鑒的，它通過(guò) tag|leng|value 三段對(duì)數(shù)據(jù)進(jìn)行了非常緊湊的處理，解析和傳輸速度都特別快。

小結(jié)

最后總結(jié)一下本文的內(nèi)容重點(diǎn)：

首先，我們看了比較老的 JDK 版本中，String 為了復(fù)用引起的內(nèi)容泄漏問(wèn)題，所以我們平常的編碼中，一定要注意大對(duì)象的回收，及時(shí)切斷與它的聯(lián)系。

接下來(lái)，我們看了 Java 中集合的一些擴(kuò)容操作，如果你知道確切的集合大小，就可以指定一個(gè)初始值，避免耗時(shí)的擴(kuò)容操作。

針對(duì)大對(duì)象，我們有結(jié)構(gòu)緯度的優(yōu)化和時(shí)間維度的優(yōu)化兩種方法：

從結(jié)構(gòu)緯度來(lái)說(shuō)，通過(guò)把對(duì)象切分成合適的粒度，可以把操作集中在小數(shù)據(jù)結(jié)構(gòu)上，減少時(shí)間處理成本；通過(guò)把對(duì)象進(jìn)行壓縮、轉(zhuǎn)換，或者提取熱點(diǎn)數(shù)據(jù)，就可以避免大對(duì)象的存儲(chǔ)和傳輸成本。

從時(shí)間緯度來(lái)說(shuō)，就可以通過(guò)冷熱分離的手段，將常用的數(shù)據(jù)存放在高速設(shè)備中，減少數(shù)據(jù)處理的集合，加快處理速度。

到現(xiàn)在為止，我們學(xué)習(xí)了緩沖、緩存、對(duì)象池化、結(jié)果緩存池、大對(duì)象處理等優(yōu)化性能的手段，由于它們都加入了額外的中間層，會(huì)使得編程模型變得復(fù)雜。

到此這篇關(guān)于詳解處理Java中的大對(duì)象的方法的文章就介紹到這了,更多相關(guān)Java大對(duì)象內(nèi)容請(qǐng)搜索腳本之家以前的文章或繼續(xù)瀏覽下面的相關(guān)文章希望大家以后多多支持腳本之家！

最新評(píng)論