欧美bbbwbbbw肥妇,免费乱码人妻系列日韩,一级黄片

Android中SparseArray性能優(yōu)化的使用方法

 更新時間：2021年06月08日 08:45:30   作者：Darker  
這篇文章主要為大家詳細介紹了Android中SparseArray性能優(yōu)化的使用方法，文中示例代碼介紹的非常詳細，具有一定的參考價值，感興趣的小伙伴們可以參考一下

之前一篇文章研究完橫向二級菜單，發(fā)現(xiàn)其中使用了SparseArray去替換HashMap的使用.于是乎自己查了一些相關資料,自己同時對性能進行了一些測試。首先先說一下SparseArray的原理.

SparseArray(稀疏數(shù)組).他是Android內部特有的api,標準的jdk是沒有這個類的.在Android內部用來替代HashMap<Integer,E>這種形式,使用SparseArray更加節(jié)省內存空間的使用,SparseArray也是以key和value對數(shù)據(jù)進行保存的.使用的時候只需要指定value的類型即可.并且key不需要封裝成對象類型.

樓主根據(jù)親測,SparseArray存儲數(shù)據(jù)占用的內存空間確實比HashMap要小一些.一會放出測試的數(shù)據(jù)在進行分析。我們首先看一下二者的結構特性.

HashMap是數(shù)組和鏈表的結合體,被稱為鏈表散列.

SparseArray是單純數(shù)組的結合.被稱為稀疏數(shù)組,對數(shù)據(jù)保存的時候,不會有額外的開銷.結構如下：

這就是二者的結構,我們需要看一下二者到底有什么差異...

首先是插入：

HashMap的正序插入：

 HashMap<Integer, String>map = new HashMap<Integer, String>();
 long start_map = System.currentTimeMillis();
 for(int i=0;i<MAX;i++){
   map.put(i, String.valueOf(i));
 }
 long map_memory = Runtime.getRuntime().totalMemory();
 long end_map = System.currentTimeMillis()-start_map;
 System.out.println("<---Map的插入時間--->"+end_map+"<---Map占用的內存--->"+map_memory);

執(zhí)行后的結果:

 <---Map的插入時間--->914
 <---Map占用的內存--->28598272

SparseArray的正序插入：

 SparseArray<String>sparse = new SparseArray<String>();
 long start_sparse = System.currentTimeMillis();
 for(int i=0;i<MAX;i++){
    sparse.put(i, String.valueOf(i));
 }
 long sparse_memory = Runtime.getRuntime().totalMemory();
 long end_sparse = System.currentTimeMillis()-start_sparse;
 System.out.println("<---Sparse的插入時間--->"+end_sparse+"<---Sparse占用的內存--->"+sparse_memory);

//執(zhí)行后的結果：
<---Sparse的插入時間--->611
<---Sparse占用的內存--->23281664

我們可以看到100000條數(shù)據(jù)量正序插入時SparseArray的效率要比HashMap的效率要高.并且占用的內存也比HashMap要小一些..這里的正序插入表示的是i的值是從小到大進行的一個遞增..序列取決于i的值，而不是for循環(huán)內部如何執(zhí)行...

通過運行后的結果我們可以發(fā)現(xiàn)，SparseArray在正序插入的時候，效率要比HashMap要快得多，并且還節(jié)省了一部分內存。網(wǎng)上有很多的說法關于二者的效率問題，很多人都會誤認為SparseArray要比HashMap的插入和查找的效率要快，還有人則是認為Hash查找當然要比SparseArray中的二分查找要快得多.

其實我認為Android中在保存<Integer,Value>的時候推薦使用SparseArray的本質目的不是由于效率的原因，而是內存的原因.我們確實看到了插入的時候SparseArray要比HashMap要快.但是這僅僅是正序插入.我們來看看倒序插入的情況.

HashMap倒序插入：

 System.out.println("<------------- 數(shù)據(jù)量100000 散列程度小 Map 倒序插入--------------->");
 HashMap<Integer, String>map_2 = new HashMap<Integer, String>();
 long start_map_2 = System.currentTimeMillis();
 for(int i=MAX-1;i>=0;i--){
   map_2.put(MAX-i-1, String.valueOf(MAX-i-1));
 }
 long map_memory_2 = Runtime.getRuntime().totalMemory();
 long end_map_2 = System.currentTimeMillis()-start_map_2;
 System.out.println("<---Map的插入時間--->"+end_map_2+"<---Map占用的內存--->"+map_memory_2);
 
 //執(zhí)行后的結果：
 <------------- 數(shù)據(jù)量100000 Map 倒序插入--------------->
 <---Map的插入時間--->836<---Map占用的內存--->28598272

SparseArray倒序插入：

System.out.println("<------------- 數(shù)據(jù)量100000 散列程度小 SparseArray 倒序插入--------------->");
SparseArray<String>sparse_2 = new SparseArray<String>();
long start_sparse_2 = System.currentTimeMillis();
for(int i=MAX-1;i>=0;i--){
  sparse_2.put(i, String.valueOf(MAX-i-1));
}
long sparse_memory_2 = Runtime.getRuntime().totalMemory();
long end_sparse_2 = System.currentTimeMillis()-start_sparse_2;
System.out.println("<---Sparse的插入時間--->"+end_sparse_2+"<---Sparse占用的內存--->"+sparse_memory_2);
//執(zhí)行后的結果
<------------- 數(shù)據(jù)量100000 SparseArray 倒序插入--------------->
<---Sparse的插入時間--->20222<---Sparse占用的內存--->23281664

通過上面的運行結果,我們仍然可以看到,SparseArray與HashMap無論是怎樣進行插入,數(shù)據(jù)量相同時,前者都要比后者要省下一部分內存,但是效率呢？我們可以看到,在倒序插入的時候,SparseArray的插入時間和HashMap的插入時間遠遠不是一個數(shù)量級.由于SparseArray每次在插入的時候都要使用二分查找判斷是否有相同的值被插入.因此這種倒序的情況是SparseArray效率最差的時候.

SparseArray的插入源碼我們簡單的看一下..

 public void put(int key, E value) {
    int i = ContainerHelpers.binarySearch(mKeys, mSize, key); //二分查找.

    if (i >= 0) { //如果當前這個i在數(shù)組中存在,那么表示插入了相同的key值,只需要將value的值進行覆蓋..
      mValues[i] = value;
    } else { //如果數(shù)組內部不存在的話,那么返回的數(shù)值必然是負數(shù).
      i = ~i; //因此需要取i的相反數(shù).
      //i值小于mSize表示在這之前. mKey和mValue數(shù)組已經(jīng)被申請了空間.只是鍵值被刪除了.那么當再次保存新的值的時候.不需要額外的開辟新的內存空間.直接對數(shù)組進行賦值即可.
      if (i < mSize && mValues[i] == DELETED) {
        mKeys[i] = key;
        mValues[i] = value;
        return;
      }
      //當需要的空間要超出,但是mKey中存在無用的數(shù)值,那么需要調用gc()函數(shù).
      if (mGarbage && mSize >= mKeys.length) {
        gc();
        
        // Search again because indices may have changed.
        i = ~ContainerHelpers.binarySearch(mKeys, mSize, key);
      }
      //如果需要的空間大于了原來申請的控件,那么需要為key和value數(shù)組開辟新的空間.
      if (mSize >= mKeys.length) {
        int n = ArrayUtils.idealIntArraySize(mSize + 1);
        //定義了一個新的key和value數(shù)組.需要大于mSize
        int[] nkeys = new int[n];
        Object[] nvalues = new Object[n];

        // Log.e("SparseArray", "grow " + mKeys.length + " to " + n);
        //對數(shù)組進行賦值也就是copy操作.將原來的mKey數(shù)組和mValue數(shù)組的值賦給新開辟的空間的數(shù)組.目的是為了添加新的鍵值對.
        System.arraycopy(mKeys, 0, nkeys, 0, mKeys.length);
        System.arraycopy(mValues, 0, nvalues, 0, mValues.length);
        //將數(shù)組賦值..這里只是將數(shù)組的大小進行擴大..放入鍵值對的操作不在這里完成.
        mKeys = nkeys;
        mValues = nvalues;
      }
      //如果i的值沒有超過mSize的值.只需要擴大mKey的長度即可.
      if (mSize - i != 0) {
        // Log.e("SparseArray", "move " + (mSize - i));
        System.arraycopy(mKeys, i, mKeys, i + 1, mSize - i);
        System.arraycopy(mValues, i, mValues, i + 1, mSize - i);
      }
      //這里是用來完成放入操作的過程.
      mKeys[i] = key;
      mValues[i] = value;
      mSize++;
    }
  }

這就是SparseArray插入函數(shù)的源碼.每次的插入方式都需要調用二分查找.因此這樣在倒序插入的時候會導致情況非常的糟糕,效率上絕對輸給了HashMap學過數(shù)據(jù)結構的大家都知道.Map在插入的時候會對沖突因子做出相應的決策.有非常好的處理沖突的方式.不需要遍歷每一個值.因此無論是倒序還是正序插入的效率取決于處理沖突的方式,因此插入時犧牲的時間基本是相同的.

通過插入.我們還是可以看出二者的差異的.

我們再來看一下查找首先是HashMap的查找.

 System.out.println("<------------- 數(shù)據(jù)量100000 Map查找--------------->");
 HashMap<Integer, String>map = new HashMap<Integer, String>();
    
 for(int i=0;i<MAX;i++){
    map.put(i, String.valueOf(i));
 }
 long start_time =System.currentTimeMillis();
 for(int i=0;i<MAX;i+=100){
      map.get(i);
 }
 long end_time =System.currentTimeMillis()-start_time;
 System.out.println(end_time);
 
 //執(zhí)行后的結果
 <!---------查找的時間:175------------>

SparseArray的查找:

 System.out.println("<------------- 數(shù)據(jù)量100000 SparseArray 查找--------------->");
 SparseArray<String>sparse = new SparseArray<String>();
 for(int i=0;i<10000;i++){
    sparse.put(i, String.valueOf(i));
 }
 long start_time =System.currentTimeMillis();
    
 for(int i=0;i<MAX;i+=10){
    sparse.get(i);
 }
 long end_time =System.currentTimeMillis()-start_time;
 System.out.println(end_time);
 //執(zhí)行后的結果
 <!-----------查找的時間:239---------------->

我這里也簡單的對查找的效率進行了測試.對一個數(shù)據(jù)或者是幾個數(shù)據(jù)的查詢.二者的差異還是非常小的.當數(shù)據(jù)量是100000條.查100000條的效率還是Map要快一點.數(shù)據(jù)量為10000的時候.這就差異性就更小.但是Map的查找的效率確實還是贏了一籌.

其實在我看來.在保存<Integer,E>時使用SparseArray去替換HashMap的主要原因還是因為內存的關系.我們可以看到.保存的數(shù)據(jù)量無論是大還是小,Map所占用的內存始終是大于SparseArray的.數(shù)據(jù)量100000條時SparseArray要比HashMap要節(jié)約27%的內存.也就是以犧牲效率的代價去節(jié)約內存空間.我們知道Android對內存的使用是極為苛刻的.堆區(qū)允許使用的最大內存僅僅16M.很容易出現(xiàn)OOM現(xiàn)象的發(fā)生.因此在Android中內存的使用是非常的重要的.因此官方才推薦去使用SparseArray<E>去替換HashMap<Integer,E>.官方也確實聲明這種差異性不會超過50%.所以犧牲了部分效率換來內存其實在Android中也算是一種很好的選擇吧.

相關文章

最新評論