前言
前不久幫同事一起 review
一個 job
執行緩慢的問題時發現不少朋友在擼碼實現功能時還是有需要細節不夠注意,於是便有了這篇文章。
ArrayList 踩坑
List<String> temp = new ArrayList() ;
//獲取一批數據
List<String> all = getData();
for(String str : all) {
temp.add(str);
}
首先大家看看這段代碼有什麼問題嘛?
其實在大部分情況下這都是沒啥問題,無非就是循環的往 ArrayList
中寫入數據而已。
但在特殊情況下,比如這裏的 getData()
返回數據非常巨大時後續 temp.add(str)
就會有問題了。
比如我們在 review
代碼時發現這裏返回的數據有時會高達 2000W,這時 ArrayList
寫入的問題就凸顯出來了。
填坑指南
大家都知道 ArrayList 是由數組實現,而數據的長度有限;需要在合適的時機對數組擴容。
這裏以插入到尾部爲例 add(E e)。
ArrayList<String> temp = new ArrayList<>(2) ;
temp.add("1");
temp.add("2");
temp.add("3");
當我們初始化一個長度爲 2 的 ArrayList
,並往裏邊寫入三條數據時 ArrayList
就得擴容了,也就是將之前的數據複製一份到新的數組長度爲 3 的數組中。
之所以是 3 ,是因爲新的長度=原有長度 * 1.5
通過源碼我們可以得知 ArrayList
的默認長度爲 10.
但其實並不是在初始化的時候就創建了 DEFAULT_CAPACITY = 10
的數組。
而是在往裏邊 add
第一個數據的時候會擴容到 10.
既然知道了默認的長度爲 10 ,那說明後續一旦寫入到第九個元素的時候就會擴容爲 10*1.5 =15
。
這一步爲數組複製,也就是要重新開闢一塊新的內存空間存放這 15 個數組。
一旦我們頻繁且數量巨大的進行寫入時就會導致許多的數組複製,這個效率是極低的。
但如果我們提前預知了可能會寫入多少條數據時就可以提前避免這個問題。
比如我們往裏邊寫入 1000W 條數據,在初始化的時候就給定數組長度與用默認 10 的長度之間性能是差距巨大的。
我用 JMH 基準測試驗證如下:
@Warmup(iterations = 5, time = 1, timeUnit = TimeUnit.SECONDS)
@Measurement(iterations = 5, time = 1, timeUnit = TimeUnit.SECONDS)
public class CollectionsTest {
private static final int TEN_MILLION = 10000000;
@Benchmark
@BenchmarkMode(Mode.AverageTime)
@OutputTimeUnit(TimeUnit.MICROSECONDS)
public void arrayList() {
List<String> array = new ArrayList<>();
for (int i = 0; i < TEN_MILLION; i++) {
array.add("123");
}
}
@Benchmark
@BenchmarkMode(Mode.AverageTime)
@OutputTimeUnit(TimeUnit.MICROSECONDS)
public void arrayListSize() {
List<String> array = new ArrayList<>(TEN_MILLION);
for (int i = 0; i < TEN_MILLION; i++) {
array.add("123");
}
}
public static void main(String[] args) throws RunnerException {
Options opt = new OptionsBuilder()
.include(CollectionsTest.class.getSimpleName())
.forks(1)
.build();
new Runner(opt).run();
}
}
根據結果可以看出預設長度的效率會比用默認的效率高上很多(這裏的 Score
指執行完函數所消耗的時間)。
所以這裏強烈建議大家:在有大量數據寫入 ArrayList
時,一定要初始化指定長度。
再一個是一定要慎用 add(int index, E element)
向指定位置寫入數據。
通過源碼我們可以看出,每一次寫入都會將 index 後的數據往後移動一遍,其實本質也是要複製數組;
但區別於往常規的往數組尾部寫入數據,它每次都會進行數組複製,效率極低。
LinkedList
提到 ArrayList
就不得不聊下 LinkedList
這個孿生兄弟;雖說都是 List
的容器,但本質實現卻完全不同。
LinkedList
是由鏈表組成,每個節點又有頭尾兩個節點分別引用了前後兩個節點;因此它也是一個雙向鏈表。
所以理論上來說它的寫入非常高效,將不會有 ArrayList 中效率極低的數組複製,每次只需要移動指針即可。
這裏偷懶就不畫圖了,大家自行腦補下。
對比測試
坊間一直流傳:
LinkedList 的寫入效率高於 ArrayList,所以在寫大於讀的時候非常適用於 LinkedList 。
@Benchmark
@BenchmarkMode(Mode.AverageTime)
@OutputTimeUnit(TimeUnit.MICROSECONDS)
public void linkedList() {
List<String> array = new LinkedList<>();
for (int i = 0; i < TEN_MILLION; i++) {
array.add("123");
}
}
這裏測試看下結論是否符合;同樣的也是對 LinkedList
寫入 1000W
次數據,通過結果來看初始化數組長度的 ArrayList
效率明顯是要高於 LinkedList
。
但這裏的前提是要提前預設 ArrayList
的數組長度,避免數組擴容,這樣 ArrayList
的寫入效率是非常高的,而 LinkedList
的雖然不需要複製內存,但卻需要創建對象,變換指針等操作。
而查詢就不用多說了,ArrayList
可以支持下標隨機訪問,效率非常高。
LinkedList
由於底層不是數組,不支持通過下標訪問,而是需要根據查詢 index 所在的位置來判斷是從頭還是從尾進行遍歷。
但不管是哪種都得需要移動指針來一個個遍歷,特別是 index
靠近中間位置時將會非常慢。
總結
高性能應用都是從小細節一點點堆砌起來的,就如這裏提到的 ArrayList
的坑一樣,日常使用沒啥大問題,一旦數據量起來所有的小問題都會成爲大問題。
所以再總結下:
- 再使用 ArrayList 時如果能提前預測到數據量大小,比較大時一定要指定其長度。
- 儘可能避免使用
add(index,e)
api,會導致複製數組,降低效率。 - 再額外提一點,我們常用的另一個
Map
容器HashMap
也是推薦要初始化長度從而避免擴容。
本文所有測試代碼:
你的點贊與分享是對我最大的支持