之前一篇文章研究完橫向二級菜單，發現其中使用了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更加節省內存空間的使用,SparseArray也是以key和value對數據進行保存的.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.
樓主根據親測,SparseArray存儲數據占用的內存空間確實比HashMap要小一些.一會放出測試的數據在進行分析。我們首先看一下二者的結構特性.
HashMap是數組和鏈表的結合體,被稱為鏈表散列.
SparseArray是單純數組的結合.被稱為稀疏數組,對數據保存的時候,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條數據量正序插入時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循環內部如何執行...
通過運行后的結果我們可以發現，SparseArray在正序插入的時候，效率要比HashMap要快得多，并且還節省了一部分內存。網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("<------------- 數據量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); //執行后的結果： <------------- 數據量100000 Map 倒序插入---------------> <---Map的插入時間--->836<---Map占用的內存--->28598272SparseArray倒序插入：
System.out.println("<------------- 數據量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);//執行后的結果<------------- 數據量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,數據量相同時,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 { //如果數組內部不存在的話,那么返回的數值必然是負數. i = ~i; //因此需要取i的相反數. //i值小于mSize表示在這之前. mKey和mValue數組已經被申請了空間.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中存在無用的數值,那么需要調用gc()函數. 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); //對數組進行賦值也就是copy操作.將原來的mKey數組和mValue數組的值賦給新開辟的空間的數組.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); //將數組賦值..這里只是將數組的大小進行擴大..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學過數據結構的大家都知道.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("<------------- 數據量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); //執行后的結果 <!---------查找的時間:175------------> SparseArray的查找:
System.out.println("<------------- 數據量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.對一個數據或者是幾個數據的查詢.二者的差異還是非常小的.當數據量是100000條.查100000條的效率還是Map要快一點.數據量為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.保存的數據量無論是大還是小,Map所占用的內存始終是大于SparseArray的.數據量100000條時SparseArray要比HashMap要節約27%的內存.也就是以犧牲效率的代價去節約內存空間.我們知道Android對內存的使用是極為苛刻的.堆區允許使用的最大內存僅僅16M.很容易出現OOM現象的發生.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.
新聞熱點
疑難解答
