Android性能优化-SparseArray

SparseArray是Android框架独有的类。是Google官方推荐当key为整形的时候,(key,value)的形式,替代HashMap的一种存储结构,使用SparseArray可以避免java的自动装箱,拆箱的过程,而且相比较HashMap,Sparse更节省内存。

我们在使用一种数据结构的时候会关注,这种结构的效率,包括时间和空间两点。实际测试了一下。

正向插入时

long btimeSp=System.currentTimeMillis();
SparseArray sparse=new SparseArray();
for(int i=0;i<100000;i++){
sparse.put(i,i);
}
long ftimeSp=System.currentTimeMillis()-btimeSp;

long btimeHash=System.currentTimeMillis();
HashMap hash=new HashMap();
for(int i=0;i<100000;i++){
hash.put(i,i);
}
long ftimeHa=System.currentTimeMillis()-btimeHash;
正向插入100 000条 Sparse: 17ms Hash: 44ms

正向插入的时候,SparseArray相比较HashMap要快一倍以上。

反向插入时

long btimeSp=System.currentTimeMillis();
SparseArray sparse=new SparseArray();
for(int i=100000;i>0;i--){
sparse.put(i,i);
}
long ftimeSp=System.currentTimeMillis()-btimeSp;

long btimeHa=System.currentTimeMillis();
HashMap hash=new HashMap();
for(int i=100000;i>0;i--){
hash.put(i,i);
}
long ftimeHa=System.currentTimeMillis()-btimeHa;
反向插入100 000条 Sparse: 6561ms Hash: 42ms

可见反向插入的时候在数据量到达10 0000级别的时候,SparseArray比正向插入要慢百倍以上(SparseArray在android性能优化典范中说到适合数量级在千以内)

但如果反向插入1 0000的时候占用内存 SparseArray和HashMap 10 0000条的时候Sparse: 82ms Hash: 6ms,这时就到了相差了10倍左,1000的时候就比较相近了(注意这里我们看的是SparseArray在最差的情况下)

这样可以看出SparseArray的插入效率并不是很稳定,至于其中的原因可以在源码中找到。

public void put(int key, E value) {
int i = ContainerHelpers.binarySearch(mKeys, mSize, key);
...
}

static int binarySearch(int[] array, int size, int value) {
int lo = 0;
int hi = size - 1;

while (lo <= hi) {
    final int mid = (lo + hi) >>> 1;
    final int midVal = array[mid];

    if (midVal < value) {
        lo = mid + 1;
    } else if (midVal > value) {
        hi = mid - 1;
    } else {
        return mid;  // value found
    }
}
return ~lo;  // value not present

}
put添加数据的时候,会使用二分查找法和之前的key比较当前我们添加的元素的key的大小,然后按照从小到大的顺序排列好,SparseArray通过Key值的大小维持了一个有序的数组。

Sparse: 3.52M Hash: 8.14M

我们已经看到了相比较HashMap SparseMap的优势是更节省内存,时间效率上SparseMap没有HashMap稳定,但相对Android对于内存更加敏感,使用SparseArray显然更加合适,SparseArray是时间和空间的一个折中,而且我们测试的是在10 0000这个数量级(而且是最差的情况),在数量级较大的时候,不停地插入数据,由于存储数据的是数组,这样会创建新的数组,数据量较大的时候每次创建与复制的过程都很耗时,SparseArray会在index超出的时候重新创建一个长度是原来二倍的数组(SparseArray 的key和value是用两个数组存储)

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

public static int[] insert(int[] array, int currentSize, int index, int element) {
assert currentSize <= array.length;
if (currentSize + 1 <= array.length) {
System.arraycopy(array, index, array, index + 1, currentSize - index);
array[index] = element;
return array;
}
int[] newArray = ArrayUtils.newUnpaddedIntArray(growSize(currentSize));
System.arraycopy(array, 0, newArray, 0, index);
newArray[index] = element;
System.arraycopy(array, index, newArray, index + 1, array.length - index);
return newArray;
}
增长长度

public static int growSize(int currentSize) {
return currentSize <= 4 ? 8 : currentSize * 2;
}
这里我们看到了插入数据时的移位的过程,而且超出数组界限会创建一个长度为原来2倍的数组,数据量越大put时需要移位的数据就越多,这也是我们不希望看到的,这也就是推荐使用数量级在千以内的原因。但如果在千数量级内,SparseArray的性能显然要好很多,查找的过程是二分法查找,效率也相当的不错,内存比HashMap至少节省一半。SparseArray还避免了java的自动装箱的行为,key和value分别使用两个数组存储key直接存储的是int,对于HashMap,我们在put的时候就执行了装箱。

我们传入的是int,但这里会装箱为Integer,当我们取值的时候执行的是 i.intValue(),对于HashMap又会将封装成为HashMapEntry,int占用 4个字节,对于Integer占用的字节数,至少包含实例数据和指向类数据的指针,实例数据是int占用4字节,指向类数据的指针占用4字节,Integer至少包含8字节。

总结:

1.SparseArray只能在key为int时替换HashMap。

2.SparseArray不适用于数量级过大的存储,通常在千级以内。

3.SparseArray效率比较HashMap不是很稳定,数量级较小效率较高,但比较HashMap更节省内存。

还有两个类SparseBooleanArray和SparseIntArray分别对应的是特定 int -> boolean ,int -> int

对于key值比较大的可以使用LongSparseArray

你可能感兴趣的:(Android性能优化-SparseArray)