详解：ArrayMap和SparseArray在HashMap上面的改进

2025-03-14 88 阅读4分钟

ArrayMap 和 SparseArray 是 Android 中为优化内存和性能设计的两种数据结构，主要针对 HashMap 在某些场景下的不足进行改进。

一、`HashMap`的痛点

内存开销大：每个键值对需封装为 Entry 对象（含哈希值、键、值、链表指针），产生对象头、字段对齐等额外内存占用，小数据量时浪费显著。
自动装箱问题：若键/值为基本类型（如 int），需装箱为 Integer 等对象，引发内存碎片和频繁 GC（尤其在 Android 上影响流畅性）。
哈希冲突成本高：冲突时链表转为红黑树（JDK8+），增删操作复杂度波动；小数据量下哈希表空间利用率低。
扩容开销大：数据增长时需重建哈希表（resize），触发全量 rehash，临时内存翻倍且耗时。
小数据性能劣势：在数百元素内，哈希计算的常数开销可能高于 ArrayMap/SparseArray 的二分查找。

在 Android 小数据、低内存场景下，HashMap 易引发内存冗余和性能抖动，此时优先选用 ArrayMap 或 SparseArray，以下是它们的核心改进点及适用场景：

二、 `ArrayMap` 对 `HashMap` 的改进

改进点：

内存优化：
- 双数组结构：使用两个数组（mHashes 存储键的哈希值，mArray 交替存储键和值），避免了 HashMap 中 Entry 对象（包含 key, value, next 等字段）的内存开销。
- 避免小对象分配：直接操作数组，减少了频繁创建 Entry 对象的内存碎片。
- 扩容机制：扩容时按需增长（容量翻倍而非 HashMap 的 2 倍 + 1），减少内存浪费。
性能优化（小数据量场景） ：
- 二分查找：通过哈希值的二分查找确定键的位置，时间复杂度为 O(log n)，在数据量小（如数百个元素）时性能接近 HashMap 的 O(1)。
- 缓存复用：全局缓存小容量的 ArrayMap 实例，减少内存分配。

适用场景：

键值对数量较少（推荐 < 1000）。
需要频繁创建和销毁 Map 对象（如 Android 的 Bundle 底层使用 ArrayMap）。
Key 为非原始类型（如 String 或 Object）。

缺点：

数据量大时，查找性能劣于 HashMap（O(log n) vs O(1)）。
插入/删除需移动数组元素，频繁操作效率较低。

三、SparseArray 对 HashMap 的改进

改进点：

避免自动装箱：
- 专为 int 类型的 Key 设计（如 SparseArray<Value>），无需将 int 装箱为 Integer，减少内存开销和 GC 压力。
- 类似变种：LongSparseArray（Key 为 long）、SparseBooleanArray 等。
内存优化：
- 使用两个平行数组：mKeys 存储有序的 int 键，mValues 存储值。无哈希表结构，直接通过二分查找定位。
- 删除元素时仅标记为 DELETED，延迟压缩，减少数组拷贝。
性能优化（特定场景） ：
- 二分查找 O(log n)，但避免了 HashMap 的哈希冲突问题。
- 适合频繁查询但低频增删的场景。

适用场景：

Key 为 int 类型（如 View 的 ID、资源 ID 等）。
数据量较小（推荐 < 1000）。
需要避免自动装箱（如高性能要求的循环或频繁访问）。

缺点：

Key 必须为原始类型（int 或 long）。
数据量大时性能下降明显。

四、与 HashMap 的对比总结

特性	HashMap	ArrayMap	SparseArray
内存占用	高（Entry 对象 + 哈希表）	低（双数组结构）	极低（无装箱 + 平行数组）
查找时间复杂度	O(1)（平均）	O(log n)	O(log n)
插入/删除效率	高（链表/红黑树处理冲突）	低（需移动数组元素）	低（延迟删除，需压缩）
自动装箱	是（若 Key 为原始类型）	是（若 Key 为原始类型）	否（Key 为原始类型）
适用数据量	大数据量（> 1000）	小数据量（< 1000）	小数据量（< 1000）

五、实际应用建议

优先使用 SparseArray：
- 当 Key 为 int 类型时（如 SparseArray<Bitmap> 存储图片资源）。
- 示例：替换 HashMap<Integer, Object>。
优先使用 ArrayMap：
- 当 Key 为非原始类型且数据量较小时（如 ArrayMap<String, View> 存储视图缓存）。
- 示例：替换 HashMap<String, Object>。
仍使用 HashMap：
- 数据量较大（> 1000）或需要高频增删操作时。
- 需要线程安全时（需配合 ConcurrentHashMap）。

通过合理选择数据结构，可以在 Android 应用中显著减少内存占用，提升小数据量场景下的性能表现。

更多分享