Java&Android 基础知识梳理(10) - SparseArray 源码解析

2019年4月17日 273次阅读来源: 泽毛

一、基本概念

SparseArray的用法和key为int类型，value为Object类型的HashMap相同，和HashMap相比，先简要介绍一下它的两点优势。

内存占用

在 Java&Android 基础知识梳理(8) – 容器类我们已经学习过HashMap的内部实现，它内部是采用数组的形式保存每个Entry，并采用链地址法来解决Hash冲突的问题。但是采用数组会遇到扩容的问题，默认情况下当数组内的元素达到loadFactor的时候，会将其扩大为目前大小的两倍，那么就有可能造成空间的浪费。

SparseArray虽然也是采用数组的方式来保存Key/Value

private int[] mKeys;
private Object[] mValues;

但是与HashMap使用普通数组不同，它对存放Value的mValues数组进行了优化，其创建方式为：

    public SparseArray(int initialCapacity) {
        if (initialCapacity == 0) {
            mKeys = EmptyArray.INT;
            mValues = EmptyArray.OBJECT;
        } else {
            //默认情况下，创建的 initialCapacity 大小为 10。
            mValues = ArrayUtils.newUnpaddedObjectArray(initialCapacity);
            mKeys = new int[mValues.length];
        }
        mSize = 0;
    }

其中ArrayUtils.newUnpaddedObjectArray(initialCapacity)用于创建优化后的数组，该方法实际上是一个Native方法，它解决了当数组中的元素没有填满时造成的空间浪费。

在 SparseArray 浅析一文中介绍了SparseArray对于数组的优化方式，假设有一个9 x 7的数组，在一般情况下它的存储模型可以表示如下：

《Java&Android 基础知识梳理(10) - SparseArray 源码解析》数组存储的一般模型

可以看到这种模型下的数组当中存在大量无用的0值，内存利用率很低。而优化后的方案用两个部分来表示数组：

第一部分：存放的是数组的行数、列数、当前数组中有效元素的个数
第二部分：存放的是所有有效元素的行、列数、元素的值

《Java&Android 基础知识梳理(10) - SparseArray 源码解析》数组存储的优化模型

mKeys则是用普通数组实现的，通过查找
Key值所在的位置，再根据
mValues数组的属性找到对应元素的行、列值，从而得到对应的元素值。

避免自动装箱

对于HashMap来说，当我们采用put(1, Object)这样的形式来放入一个元素时，会进行自动装箱，即创建一个Integer对象放入到Entry当中。

SparseArray则不会存在这一问题，因为我们声明的就是int[]类型的mKeys数组。

二、源码解析

2.1 存放过程

    
    public void put(int key, E value) {
        //通过二分查找法进行查找插入元素所在位置。
        int i = ContainerHelpers.binarySearch(mKeys, mSize, key);
        //如果大于0，那么直接插入。
        if (i >= 0) { 
            mValues[i] = value;
        } else {
            //找到插入的位置。
            i = ~i;
            //如果插入的位置之前已经分配，但是该位置上的元素已经被标记为删除，那么直接替换。
            if (i < mSize && mValues[i] == DELETED) {
                mKeys[i] = key;
                mValues[i] = value;
                return;
            }
            //首先回收掉之前标记为删除位置的元素。
            if (mGarbage && mSize >= mKeys.length) {
                gc();

                // Search again because indices may have changed.
                i = ~ContainerHelpers.binarySearch(mKeys, mSize, key);
            }
            //重新分配数组，并插入新的 Key，Value。
            mKeys = GrowingArrayUtils.insert(mKeys, mSize, i, key);
            mValues = GrowingArrayUtils.insert(mValues, mSize, i, value);
            mSize++;
        }
    }

2.2 读取过程

    public E get(int key, E valueIfKeyNotFound) {
        //通过二分查找，在 Key 数组中得到对应 Value 的下标。
        int i = ContainerHelpers.binarySearch(mKeys, mSize, key);
        //取出下标对应的元素。
        if (i < 0 || mValues[i] == DELETED) {
            return valueIfKeyNotFound;
        } else {
            return (E) mValues[i];
        }
    }

2.3 删除过程

    public void delete(int key) {
        //二分查找所在位置。
        int i = ContainerHelpers.binarySearch(mKeys, mSize, key);
        //将该位置的元素置为 DELETED，它是内部预先定义好的一个对象。
        if (i >= 0) {
            if (mValues[i] != DELETED) {
                mValues[i] = DELETED;
                mGarbage = true;
            }
        }
    }

可以看到，在删除元素的时候，它是用一个空的Object来标记该位置。在合适的时候（例如上面的put方法），才通过下面的gc()方法对mKeys和mValues数组 重新排列。

   private void gc() {
        int n = mSize;
        int o = 0;
        int[] keys = mKeys;
        Object[] values = mValues;
        for (int i = 0; i < n; i++) {
            Object val = values[i];
            if (val != DELETED) {
                if (i != o) {
                    keys[o] = keys[i];
                    values[o] = val;
                    values[i] = null;
                }
                o++;
            }
        }
        mGarbage = false;
        mSize = o;
    }

2.4 二分查找

    static int binarySearch(int[] array, int size, int value) {
        int lo = 0;
        int hi = size - 1;

        while (lo <= hi) {
            final int mid = (lo + hi) >>> 1;
            final int midVal = array[mid];

            if (midVal < value) {
                lo = mid + 1;
            } else if (midVal > value) {
                hi = mid - 1;
            } else {
                return mid;  // value found
            }
        }
        //如果没有找到，那么返回的是低位指针的取反坐标。
        return ~lo;  // value not present
    }

这里用的是~，由于lo>=0，所以当无法查找到对应元素的时候，返回值~lo一定<0。（~lo=-(lo+1)）

这也是我们在2.1中看到，为什么在i>=0时就可以直接替换的原因，因为只要i>=0，就说明之前已经存在一个Key相同的元素了。

而在返回值小于0时，对它再一次取~，就刚好可以得到 要插入的位置。

三、SparseArray 的效率问题

了解了SparseArray的原理之后，我们可以分析出有以下几方面有可能会影响SparseArray插入的效率：

插入的效率。插入的效率其实主要跟Key值插入的先后顺序有关，假如Key值是按 递减顺序 插入的，那么每次我们都是在mValues的[0]位置插入元素，这就要求把原来Values和mKeys数组中[0, xxx]位置元素复制到[1, xxx+1]的位置，而如果是 递增插入 的则不会存在该问题，直接扩大数组数组的范围之后再插入即可。
查找的效率。这点很明显，因为采用了二分查找，如果查找的Key值位于折半处，那么将会更快地找到对应的元素。

也就是说SparseArray在插入和查找上，相对于HashMap并不存在明显的优势，甚至在某些情况下，效率还要更差一些。

Google之所以推荐我们使用SparseArray来替换HashMap，是因为在移动端我们的数据集往往都是比较小的，而在这种情况下，这两者效率的差别几乎可以忽略。但是在内存利用率上，由于采用了优化的数组结构，并且避免了自动装箱，SparseArray明显更高，因此更推荐我们使用SparseArray。

四、SparseArray 的衍生

SparseArray还有几个衍生的类，它们的基本思想都是一样的，即：

用两个数组分别存储key和value，通过下标管理映射关系。
采用二分查找法查找现在mKeys数组中对应找到所在元素的下标，再去mValues数组中取出元素。

我们在平时使用的时候，可以根据实际的应用场景选取相应的集合类型。

Key 类型不同

假如key为long型：

LongSparseArray：key为long，value为Object

Value 类型不同

假如key为int，而value为下面三种基本数据类型之一，那么可以采用以下三种集合来避免value的自动装箱来进一步优化。

SparseLongArray：key为int，value为long
SparseBooleanArray：key为int，value为boolean
SparseIntArray：key为int，value为int

Key 和 Value 类型都不同

假如key和value都不为基本数据类型，那么可以采用：

ArrayMap：key为Object，value为Object

算法网