SparseArray替代HashMap來提高性能

jopen 10年前發布 | 114K 次閱讀 Android開發移動開發 SparseArray

SparseArray是 Android框架獨有的類，在標準的JDK中不存在這個類。它要比 HashMap 節省內存，某些情況下比HashMap性能更好，按照官方問答的解釋，主要是因為SparseArray不需要對key和value進行auto- boxing（將原始類型封裝為對象類型，比如把int類型封裝成Integer類型），結構比HashMap簡單（SparseArray內部主要使用兩個一維數組來保存數據，一個用來存key，一個用來存value）不需要額外的額外的數據結構（主要是針對HashMap中的HashMapEntry 而言的）。是騾子是馬得拉出來遛遛，下面我們就通過幾段程序來證明SparseArray在各方面表現如何，下面的試驗結果時在我的Hike X1（Android 4.2.2）手機上運行得出的。

代碼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;

代碼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;

我們分別在long start處和long ts處設置斷點，然后通過DDMS工具查看內存使用情況。

代碼1中，我們使用HashMap來創建100000條數據，開始創建前的系統內存情況為： SparseArray替代HashMap來提高性能

創建HashMap之后，應用內存情況為： SparseArray替代HashMap來提高性能可見創建HashMap用去約 13.2M內存。

再看代碼2，同樣是創建100000條數據，我們用SparseArray來試試，開始創建前的內存使用情況為： SparseArray替代HashMap來提高性能

創建SparseArray之后的情況： SparseArray替代HashMap來提高性能創建SparseArray共用去 8.626M內存。

可見使用 SparseArray 的確比 HashMap 節省內存，大概節省 35%左右的內存。

我們再比較一下插入數據的效率如何，我們在加兩段代碼（主要就是把插入順序變換一下，從大到小插入）：

代碼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;

代碼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;

我們分別把這4代碼分別運行5次，對比一下ts的時間（單位毫秒）：

</tr> </tbody>

</tr>

</tr> </tbody> </table>

通過結果我們看出，在正序插入數據時候，SparseArray比HashMap要快一些；HashMap不管是倒序還是正序開銷幾乎是一樣的；但是SparseArray的倒序插入要比正序插入要慢10倍以上，這時為什么呢？我們再看下面一段代碼：

代碼5：

SparseArray<String> sparse = new SparseArray<String>(3); sparse.put(1, "s1"); 
sparse.put(3, "s3"); 
sparse.put(2, "s2");

我們在Eclipse的debug模式中，看Variables窗口,如圖： SparseArray替代HashMap來提高性能

及時我們是按照1,3,2的順序排列的，但是在SparseArray內部還是按照正序排列的，這時因為SparseArray在檢索數據的時候使用的是二分查找，所以每次插入新數據的時候SparseArray都需要重新排序，所以代碼4中，逆序是最差情況。

下面我們在簡單看下檢索情況：

代碼5：

long start4search = System.currentTimeMillis(); 
for (int i = 0; i < MAX; i++) {      
    hash.get(33333); //針對固定值檢索  
}  
long end4search = System.currentTimeMillis() - start4search;

代碼6:

long start4search = System.currentTimeMillis(); 
for (int i = 0; i < MAX; i++) {      
    hash.get(i); //順序檢索  
}  
long end4search = System.currentTimeMillis() - start4search;

代碼7:

long start4search = System.currentTimeMillis();  
for (int i = 0; i < MAX; i++) {      
    sparse.get(33333); //針對固定值檢索  
} 
long end4search = System.currentTimeMillis() - start4search;

代碼8:

long start4search = System.currentTimeMillis(); 
for (int i = 0; i < MAX; i++) {      
    sparse.get(i); //順序檢索  
}  
long end4search = System.currentTimeMillis() - start4search;

表1：

#	代碼1	代碼2	代碼3	代碼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

</tr> </tbody>

</tr>

</tr> </tbody> </table>

代碼9，我們試一些離散的數據。

//使用Foo為了避免由原始類型被自動封裝（auto-boxing，比如把int類型自動轉存Integer對象類型）造成的干擾。
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;</pre> 
代碼9,運行5次之后的結果如下： 

表2:

#	代碼5	代碼6	代碼7	代碼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

</tr> </tbody>

</tr>

</tr> </tbody> </table>

從上面兩個表中我們可以看出，當SparseArray中存在需要檢索的下標時，SparseArray的性能略勝一籌（表1）。但是當檢索的下標比較離散時，SparseArray需要使用多次二分檢索，性能顯然比hash檢索方式要慢一些了（表2），但是按照官方文檔的說法性能差異不是很大，不超過50%（ For containers holding up to hundreds of items, the performance difference is not significant, less than 50%.）

總體而言，在Android這種內存比CPU更金貴的系統中，能經濟地使用內存還是上策，何況SparseArray在其他方面的表現也不算差（另外，SparseArray刪除數據的時候也做了優化——使用了延遲整理數組的方法，可參考官方文檔SparseArray，讀者可以自行把代碼9中的hash.get和sparse.get改成hash.remove和sparse.delete試試，你會發現二者的性能相差無幾）。而且，使用SparseArray代替HashMap也是官方推薦的做法，在Eclipse中也會提示你優先使用SparseArray，如圖： SparseArray替代HashMap來提高性能