性能优化(一):数据结构优化

1.数组和链表

数组:是将元素在内存中连续的存储的,因为数据是连续存储的,内存地址连续,所以查找效率高,但是在存储之前,需要申请一块连续的内存空间,并且在编译的时候就必须确定它的空间大小。在运行的时候空间的大小是无法随着需要进行增加或减少的,当数据比较大时,有可能出现越界的情况,当数据比较小的时候,有可能浪费内存空间。在改变数据个数时(增加、插入、删除)效率比较低。

链表:是动态申请内存空间的,不需要提前申请好内存大小,只需要在使用的时候根据需要动态的申请或删除内存空间,对于数据改变(增加、插入、删除)比较灵活,链表中的数据在内存中可以在任意位置,通过应用来关联。


数组&链表.png
2.ArrayList和LinkedList

(1)ArrayList是基于动态数组;LinkedList是基于双向链表。

(2)对于随机访问get和set操作,ArrayList效率高,因为LinkedList需要移动指针从前往后查。

(3)对于数据增删(add和remove)操作,LinkedList效率高,因为增删操作对ArrayList数据的下标索引造成影响,需要进行数据的移动。

3.Android性能优化之SparseArray与ArrayMap
(1) HashMap

Jdk1.7—>数组+链表

Jdk1.8—>数组+链表+红黑树

内部是HashMapEntry<K,V>[] table

put—>装箱 hashCode%length=>hashCode&(length-1) 用&效率高 因为CPU是位运算(位移)

Hash表初始化是在put方法中,用的时候才初始化,节约内存。

默认HashMap多大?2的次幂 new HashMap()—>table[16]

为什么是2的次幂?—>是为了hashCode&(length-1)的运算

扩容的意义?避免冲突

什么时候扩容?阈值0.75 16(length)*0.75=12 >12扩容

扩容了需要resize transfer 而且在此过程中也需要不断的做hash运算—>内存空间造成很大消耗和浪费

避免扩容? new HashMap(n/0.75+1)—>tableSizeFor转为最接近的2的次幂

HashMap:25%的内存浪费;在尤其扩容的时候耗性能。

所以,在一些情况下我们可以使用SparseArray代替HashMap。

(2)SparseArray

key —>int 避免自动装箱的过程

value—>Object

二分查找法

添加数据时,会使用二分查找法和之前的key比较当前我们添加的元素的key的大小,然后按照从小到大的顺序排列好;

查找数据时,也是使用二分查找法找到元素的位置,速度快。

但是由于其添加、查找、删除数据都需要先进行一次二分查找,所以在数据量大的情况下性能并不明显,将降低至少50%。

所以SparseArray使用场景:数据量不大(千级以内)并且key为int类型

但是key只能为int类型,所以有了ArrayMap

(3) ArrayMap

ArrayMap是一个<key,value>映射的数据结构,内部使用两个数组进行储存,一个记录key的hash值,另一个记录value的值。和SparseArray一样,采用二分查找法,数据量大的情况下性能降低。

小结:数据量不大(千级以内),key为int类型用SparseArray,key为long,用LongSparseArray,key为其它类型用ArrayMap

4.HashMap和ArrayMap

(1)存储方式不同,HashMap内部有一个HashMapEntry<K,V>[]对象;而ArrayMap是一个<key,value>映射的数据结构,内部使用两个数组进行储存,一个记录key的hash值,另一个记录value的值。

(2)添加数据时扩容的方式处理不一样:HashMap进行了new操作,重新创建对象,开销大;而ArrayMap用的是copy数据,效率高。

(3)ArrayMap提供了数组收缩功能,在clear或remove后,会重新收缩数组,节省空间。

(4)ArrayMap采用二分查找法。

最后编辑于
©著作权归作者所有,转载或内容合作请联系作者
  • 序言:七十年代末,一起剥皮案震惊了整个滨河市,随后出现的几起案子,更是在滨河造成了极大的恐慌,老刑警刘岩,带你破解...
    沈念sama阅读 201,681评论 5 474
  • 序言:滨河连续发生了三起死亡事件,死亡现场离奇诡异,居然都是意外死亡,警方通过查阅死者的电脑和手机,发现死者居然都...
    沈念sama阅读 84,710评论 2 377
  • 文/潘晓璐 我一进店门,熙熙楼的掌柜王于贵愁眉苦脸地迎上来,“玉大人,你说我怎么就摊上这事。” “怎么了?”我有些...
    开封第一讲书人阅读 148,623评论 0 334
  • 文/不坏的土叔 我叫张陵,是天一观的道长。 经常有香客问我,道长,这世上最难降的妖魔是什么? 我笑而不...
    开封第一讲书人阅读 54,202评论 1 272
  • 正文 为了忘掉前任,我火速办了婚礼,结果婚礼上,老公的妹妹穿的比我还像新娘。我一直安慰自己,他们只是感情好,可当我...
    茶点故事阅读 63,232评论 5 363
  • 文/花漫 我一把揭开白布。 她就那样静静地躺着,像睡着了一般。 火红的嫁衣衬着肌肤如雪。 梳的纹丝不乱的头发上,一...
    开封第一讲书人阅读 48,368评论 1 281
  • 那天,我揣着相机与录音,去河边找鬼。 笑死,一个胖子当着我的面吹牛,可吹牛的内容都是我干的。 我是一名探鬼主播,决...
    沈念sama阅读 37,795评论 3 393
  • 文/苍兰香墨 我猛地睁开眼,长吁一口气:“原来是场噩梦啊……” “哼!你这毒妇竟也来了?” 一声冷哼从身侧响起,我...
    开封第一讲书人阅读 36,461评论 0 256
  • 序言:老挝万荣一对情侣失踪,失踪者是张志新(化名)和其女友刘颖,没想到半个月后,有当地人在树林里发现了一具尸体,经...
    沈念sama阅读 40,647评论 1 295
  • 正文 独居荒郊野岭守林人离奇死亡,尸身上长有42处带血的脓包…… 初始之章·张勋 以下内容为张勋视角 年9月15日...
    茶点故事阅读 35,476评论 2 317
  • 正文 我和宋清朗相恋三年,在试婚纱的时候发现自己被绿了。 大学时的朋友给我发了我未婚夫和他白月光在一起吃饭的照片。...
    茶点故事阅读 37,525评论 1 329
  • 序言:一个原本活蹦乱跳的男人离奇死亡,死状恐怖,灵堂内的尸体忽然破棺而出,到底是诈尸还是另有隐情,我是刑警宁泽,带...
    沈念sama阅读 33,226评论 3 318
  • 正文 年R本政府宣布,位于F岛的核电站,受9级特大地震影响,放射性物质发生泄漏。R本人自食恶果不足惜,却给世界环境...
    茶点故事阅读 38,785评论 3 303
  • 文/蒙蒙 一、第九天 我趴在偏房一处隐蔽的房顶上张望。 院中可真热闹,春花似锦、人声如沸。这庄子的主人今日做“春日...
    开封第一讲书人阅读 29,857评论 0 19
  • 文/苍兰香墨 我抬头看了看天上的太阳。三九已至,却和暖如春,着一层夹袄步出监牢的瞬间,已是汗流浃背。 一阵脚步声响...
    开封第一讲书人阅读 31,090评论 1 258
  • 我被黑心中介骗来泰国打工, 没想到刚下飞机就差点儿被人妖公主榨干…… 1. 我叫王不留,地道东北人。 一个月前我还...
    沈念sama阅读 42,647评论 2 348
  • 正文 我出身青楼,却偏偏与公主长得像,于是被迫代替她去往敌国和亲。 传闻我的和亲对象是个残疾皇子,可洞房花烛夜当晚...
    茶点故事阅读 42,215评论 2 341

推荐阅读更多精彩内容