SparseArray是Android框架独有的类，在标准的JDK中不存在这个类。它要比 HashMap 节省内存，某些情况下比HashMap性能更好，按照官方问答的解释，主要是因为SparseArray不需要对key和value进行auto-boxing（将原始类型封装为对象类型，比如把int类型封装成Integer类型），结构比HashMap简单（SparseArray内部主要使用两个一维数组来保存数据，一个用来存key，一个用来存value）不需要额外的额外的数据结构（主要是针对HashMap中的HashMapEntry而言的）。是骡子是马得拉出来遛遛，下面我们就通过几段程序来证明SparseArray在各方面表现如何，下面的试验结果时在我的Hike X1（Android 4.2.2）手机上运行得出的。
代码1：
int MAX = 100000;
long start = System.currentTimeMillis();
HashMap<Integer, String> hash = new HashMap<Integer, String>();
for (int i = 0; i < MAX; i++) {
hash.put(i, String.valueOf(i));
}
long ts = System.currentTimeMillis() - start;
代码2：
int MAX = 100000;
long start = System.currentTimeMillis();
SparseArray<String> sparse = new SparseArray<String>();
for (int i = 0; i < MAX; i++) {
sparse.put(i, String.valueOf(i));
}
long ts = System.currentTimeMillis() - start;
我们分别在long start处和long ts处设置断点，然后通过DDMS工具查看内存使用情况。
代码1中，我们使用HashMap来创建100000条数据，开始创建前的系统内存情况为：
创建HashMap之后，应用内存情况为： 可见创建HashMap用去约 13.2M内存。
再看 代码2，同样是创建100000条数据，我们用SparseArray来试试，开始创建前的内存使用情况为：
创建SparseArray之后的情况： 创建SparseArray共用去 8.626M内存。
可见使用 SparseArray 的确比 HashMap 节省内存，大概节省 35%左右的内存。
我们再比较一下插入数据的效率如何，我们在加两段代码（主要就是把插入顺序变换一下，从大到小插入）：
代码3：
int MAX = 100000;
long start = System.currentTimeMillis();
HashMap<Integer, String> hash = new HashMap<Integer, String>();
for (int i = 0; i < MAX; i++) {
hash.put(MAX - i -1, String.valueOf(i));
}
long ts = System.currentTimeMillis() - start;
代码4：
int MAX = 100000;
long start = System.currentTimeMillis();
SparseArray<String> sparse = new SparseArray<String>();
for (int i = 0; i < MAX; i++) {
sparse.put(MAX - i -1, String.valueOf(i));
}
long ts = System.currentTimeMillis() - start;
我们分别把这4代码分别运行5次，对比一下ts的时间（单位毫秒）：
| # | 代码1 | 代码2 | 代码3 | 代码4 |
|---|---|---|---|---|
| 1 | 10750ms | 7429ms | 10862ms | 90527ms |
| 2 | 10718ms | 7386ms | 10711ms | 87990ms |
| 3 | 10816ms | 7462ms | 11033ms | 88259ms |
| 4 | 10943ms | 7386ms | 10854ms | 88474ms |
| 5 | 10671ms | 7317ms | 10786ms | 90630ms |
通过结果我们看出，在正序插入数据时候，SparseArray比HashMap要快一些；HashMap不管是倒序还是正序开销几乎是一样的；但是SparseArray的倒序插入要比正序插入要慢10倍以上，这时为什么呢？我们再看下面一段代码：
代码5：
SparseArray<String> sparse = new SparseArray<String>(3);
sparse.put(1, "s1");
sparse.put(3, "s3");
sparse.put(2, "s2");
我们在Eclipse的debug模式中，看Variables窗口,如图：
及时我们是按照1,3,2的顺序排列的，但是在SparseArray内部还是按照正序排列的，这时因为SparseArray在检索数据的时候使用的是二分查找，所以每次插入新数据的时候SparseArray都需要重新排序，所以代码4中，逆序是最差情况。
下面我们在简单看下检索情况：
代码5：
long start4search = System.currentTimeMillis();
for (int i = 0; i < MAX; i++) {
hash.get(33333); //针对固定值检索
}
long end4search = System.currentTimeMillis() - start4search;
代码6:
long start4search = System.currentTimeMillis();
for (int i = 0; i < MAX; i++) {
hash.get(i); //顺序检索
}
long end4search = System.currentTimeMillis() - start4search;
代码7:
long start4search = System.currentTimeMillis();
for (int i = 0; i < MAX; i++) {
sparse.get(33333); //针对固定值检索
}
long end4search = System.currentTimeMillis() - start4search;
代码8:
long start4search = System.currentTimeMillis();
for (int i = 0; i < MAX; i++) {
sparse.get(i); //顺序检索
}
long end4search = System.currentTimeMillis() - start4search;
表1：
| # | 代码5 | 代码6 | 代码7 | 代码8 |
|---|---|---|---|---|
| 1 | 4072ms | 4318ms | 3442ms | 3390ms |
| 2 | 4349ms | 4536ms | 3402ms | 3420ms |
| 3 | 4599ms | 4203ms | 3472ms | 3376ms |
| 4 | 4149ms | 4086ms | 3429ms | 3786ms |
| 5 | 4207ms | 4219ms | 3439ms | 3376ms |
代码9，我们试一些离散的数据。
//使用Foo为了避免由原始类型被自动封装（auto-boxing，比如把int类型自动转存Integer对象类型）造成的干扰。
class FOO{
Integer objKey;
int intKey;
}
...
int MAX = 100000;
HashMap<Integer, String> hash = new HashMap<Integer, String>();
SparseArray<String> sparse = new SparseArray<String>();
for (int i = 0; i < MAX; i++) {
hash.put(i, String.valueOf(i));
sparse.put(i, String.valueOf(i));
}
List<FOO> keylist4search = new ArrayList<FOO>();
for (int i = 0; i < MAX; i++) {
FOO f = new FOO();
f.intKey = i;
f.objKey = Integer.valueOf(i);
keylist4search.add(f);
}
long start4search = System.currentTimeMillis();
for (int i = 0; i < MAX; i++) {
hash.get(keylist4search.get(i).objKey);
}
long end4searchHash = System.currentTimeMillis() - start4search;
long start4search2 = System.currentTimeMillis();
for (int i = 0; i < MAX; i++) {
sparse.get(keylist4search.get(i).intKey);
}
long end4searchSparse = System.currentTimeMillis() - start4search2;
代码9,运行5次之后的结果如下：
表2:
| # | end4searchHash | end4searchSparse |
|---|---|---|
| 1 | 2402ms | 4577ms |
| 2 | 2249ms | 4188ms |
| 3 | 2649ms | 4821ms |
| 4 | 2404ms | 4598ms |
| 5 | 2413ms | 4547ms |
从上面两个表中我们可以看出，当SparseArray中存在需要检索的下标时，SparseArray的性能略胜一筹（表1）。但是当检索的下标比较离散时，SparseArray需要使用多次二分检索，性能显然比hash检索方式要慢一些了（表2），但是按照官方文档的说法性能差异不是很大，不超过50%（ For containers holding up to hundreds of items, the performance difference is not significant, less than 50%.）
总体而言，在Android这种内存比CPU更金贵的系统中，能经济地使用内存还是上策，何况SparseArray在其他方面的表现也不算差（另外，SparseArray删除数据的时候也做了优化——使用了延迟整理数组的方法，可参考官方文档SparseArray，读者可以自行把代码9中的hash.get和sparse.get改成hash.remove和sparse.delete试试，你会发现二者的性能相差无几）。而且，使用SparseArray代替HashMap也是官方推荐的做法，在Eclipse中也会提示你优先使用SparseArray，如图：
另外，我们还可以用 LongSparseArray来替代HashMap。SparseBooleanArray来替代HashMap。