Android性能优化—数据结构优化

优化数据结构是提高Android应用性能的重要一环。在Android开发中，ArrayList、LinkedList和HashMap等常用的数据结构的正确使用对APP性能的提升有着重大的影响。

一、ArrayList

ArrayList内部使用的是数组，默认大小10，当数组长度不足时，会进行扩容，扩容后的长度为原来的1.5倍。扩容实际上是新建一个长度为原数组1.5的新数组，然后遍历原数组，将数据一一赋值给新数组。

add(position,object) 给指定位置添加元素时，会将该元素及其下标后面的元素都往后移动一位，
最后将add的元素添加到position位置。

delete(position) 删除指定位置元素，删除该元素，并将该元素下标后面的元素都往前移动一位。

由于添加和删除指定位置的元素，其后面的元素需要移动，造成耗时，速度慢，在尾部添加和删除不需要移动，不受影响。

优缺点：

读取速度快，尾部添加和删除速度快，中途添加和删除速度慢。

使用场景：

1）ArrayList提供了常数时间复杂度的随机访问操作（get和set方法），因为它内部使用数组来存储元素，可以通过索引直接访问元素。

2）ArrayList对于在末尾添加或删除元素的操作具有较好的性能，时间复杂度为O(1)。当需要在集合的尾部频繁添加和删除元素时，可以使用ArrayList。

3）ArrayList对于在中间位置插入或删除元素的操作性能较差，因为需要移动后续元素来保持顺序。如果需要频繁在集合的中间位置进行插入或删除操作，LinkedList更适合。

4）在创建ArrayList时，如果能够预估元素数量，可以通过指定初始容量，避免频繁的扩容操作，提高性能。

数组特点：

存储区间是连续，且占用内存严重，空间复杂也很大，时间复杂为O（1）。

优点：是随机读取效率很高，原因数组是连续（随机访问性强，查找速度快）。

缺点：插入和删除数据效率低，因插入数据，这个位置后面的数据在内存中要往后移的，且大小固定不易动态扩展。

二、LinkList

双链表结构，添加和删除速度快；查询需要从头遍历所有节点，速度慢。不需要连续内存，不会导致内存浪费。

链表特点：

区间离散，占用内存宽松，空间复杂度小，时间复杂度O(N)。

优点：插入删除速度快，内存利用率高，没有大小固定，扩展灵活。

缺点：不能随机查找，每次都是从第一个开始遍历（查询效率低）。

使用场景：

1）需要频繁在集合的中间位置插入或删除元素；

2）不需要频繁随机访问元素；

3）需要高效的插入和删除操作而不关心空间开销，LinkedList在插入和删除操作上的性能优于ArrayList，但它需要额外的空间来存储链表节点的指针，因此在空间开销上相对较高。

三、HashMap

1.7及之前使用 数组+链表

1.7之后使用 数组+链表+红黑树

 

数组+链表：

HashMap数组默认长度16，加载因子默认0.75f，当数组中存储的元素 > 0.75*数组长度 时，需要扩容，将数组长度扩容为原来的2倍，以保证为2的整数次幂。

HashMap以key-value成对出现，一个key对应一个value；

put：key-value
通过key获取hash值，然后跟数组长度取模 == key-value存储在数组的下标；
然后将key、hash值、value、下一个节点，封装成一个节点，插到链表的头节点 -- 头插法

get：key
通过key获取hash值，然后跟数组长度取模 == key-value存储在数组的下标；
然后遍历数组下标元素--链表，通过判断节点的key值一致，返回对应的节点。

  

扩容：

由于扩容后数组长度不一致，导致按原数组长度计算的下标失效，所以在扩容后，需要将原HashMap保存元素遍历，按新的数组长度，重新计算数组下标，存储。该过程耗时，故尽量在使用HashMap时，评估实际数组的长度，在创建HashMap时指定其长度，避免出现扩容的情况。

优缺点：

数组的特点：查询效率高，插入，删除效率低。

链表的特点：查询效率低，插入删除效率高。

在HashMap底层使用数组+链表+红黑树的结构完美的解决了数组和链表的问题，使得查询和插入，删除的效率都很高。

当数组中存储的元素 > 0.75*数组长度时，需要扩容，导致HashMap至少有25%的空间浪费，无疑是使用了空间换时间的方式去提高效率。

四、SparseArray

Android为了解决HashMap存在的空间浪费问题，推出的新数据类型；采用双数组的方式+HashMap的思想+二分查找，解决HashMap浪费空间的同时，提高了效率。

  

缺点：SparseArray的key只能是int类型

SparseArray采用了延迟删除的机制，通过将删除KEY的Value设置DELETED，方便之后对该下标的存储进行复用；

使用二分查找，时间复杂度为O(LogN)，如果没有查找到，那么取反返回左边界，再取反后，左边界即为应该插入的数组下标；

如果无法直接插入，则根据mGarbage标识（是否有潜在延迟删除的无效数据），进行数据清除，再通过System.arraycopy进行数组后移，将目标元素插入二分查找左边界对应的下标；

mSize小于等于keys.length，小于的部分为空数据或者是gc后前移的数据的原数据（也是无效数据），因此二分查找的右边界以mSize为准；

mSize包含了延迟删除后的元素个数；如果遇到频繁删除，不会触发gc机制，导致mSize 远大于有效数组长度,造成性能损耗;

mGarbage为true不一定有无效元素，因为可能被删除的元素恰好被新添加的元素覆盖；

  

使用场景：

key为整型；不需要频繁的删除；元素个数相对较少。

五、ArrayMap

实现了Map接口，并使用int[]数来存储key的hash值，数组的索引用作index，而使用Object[]数组来存储key<->value ，这还是比较新颖的 。

使用二分查找查找hash值在key数组中的位置，然后根据这个位置得到value数组中对应位置的元素。

和SparseArray类似，当数据有几百条时，性能会比HashMap低50%，因此ArrayMap适用于数据量很小的场景

ArrayMap和HashMap的区别：

1）ArrayMap的存在是为了解决HashMap占用内存大的问题，它内部使用了一个int数组用来存储元素的hashcode，使用了一个Object数组用来存储元素，两者根据索引对应形成key-value结构，这样就不用像HashMap那样需要额外的创建Entry对象来存储，减少了内存占用。但是在数据量比较大时，ArrayMap的性能就会远低于HashMap，因为 ArrayMap基于二分查找算法来查找元素的，并且数组的插入操作如果不是末尾的话需要挪动数组元素，效率较低。

2）而HashMap内部基于数组+单向链表+红黑树实现，也是key-value结构， 正如刚才提到的，HashMap每put一个元素都需要创建一个Entry来存放元素，导致它的内存占用会比较大，但是在大数据量的时候，因为HashMap中当出现冲突时，冲突的数据量大于8，就会从单向链表转换成红黑树，而红黑树的插入、删除、查找的时间复杂度为O(logn),相对于ArrayMap的数组而言在插入和删除操作上要快不少，所以数据量上百的情况下，使用HashMap会有更高的效率。

如何解决冲突问题：

在ArrayMap中，假设存在冲突的话，并不会像HashMap那样使用单向链表或红黑树来保留这些冲突的元素，而是全部key、value都存储到一个数组当中，然后查找的话通过二分查找进行，这也就是当数据量大时不宜用ArrayMap的原因了。