.NET性能优化-你应该为集合类型设置初始大小


前言

计划开一个新的系列,来讲一讲在工作中经常用到的性能优化手段、思路和如何发现性能瓶颈,后续有时间的话应该会整理一系列的博文出来。
今天要谈的一个性能优化的Tips是一个老生常谈的点,但是也是很多人没有注意的一个点。在使用集合类型是,你应该设置一个预估的初始大小,那么为什么需要这样做?我们一起来从源码的角度说一说。

集合类型

我们先来聊一聊.NET BCL库中提供的集合类型,对于这个大家肯定都不陌生,比如ListHashSetDictionaryQueueStack等等,这些都是大家每天都用到,非常熟悉的类型了,那么大家在使用的时候有没有注意过它们有一个特殊构造函数呢?像下面代码块中的那样。

public Stack (int capacity)  public List (int capacity) public Queue (int capacity) public HashSet (int capacity) public Dictionary (int capacity) 

哎?为什么这些构造函数都有一个叫capacity的参数呢?我们来看看这个参数的注释。初始化类的新实例,该实例为空并且具有指定的初始容量或默认初始容量
这就很奇怪了不是吗?在我们印象里面只有数组之类的才需要指定固定的长度,为什么这些可以无限添加元素的集合类型也要设置初始容量呢?这其实和这些集合类型的实现方式有关,废话不多说,我们直接看源码。

List源码

首先来看比较简单的List的源码(源码地址在文中都做了超链接,可以直接点击过去,在文末也会附上链接地址)。下面是List的私有变量。

// 用于存在实际的数据,添加进List的元素都由存储在_items数组中 internal T[] _items;  // 当前已经存储了多少元素 internal int _size;  // 当前的版本号,List每发生一次元素的变更,版本号都会+1 private int _version; 

从上面的源码中,我们可以看到虽然List是动态集合,可以无限的往里面添加元素,但是它底层存储数据的还是使用的数组,那么既然使用的数组那它是怎么实现能无限的往里面添加元素的?我们来看看Add方法。

[MethodImpl(MethodImplOptions.AggressiveInlining)] public void Add(T item) {     // 版本号+1     _version++;     T[] array = _items;     int size = _size;     // 如果当前已经使用的空间 小于数组大小那么直接存储 size+1     if ((uint)size < (uint)array.Length)     {         _size = size + 1;         array[size] = item;     }     else     {         // 注意!! 如果已经使用的空间等于数组大小,那么走AddWithResize方法         AddWithResize(item);     } } 

从上面的源码可以看到,如果内部_item数组有足够的空间,那么元素直接往里面加就好了,但是如果内部已存放的元素_size等于_item数组大小时,会调用AddWithResize方法,我们来看看里面做了啥。

// AddWithResize方法 [MethodImpl(MethodImplOptions.NoInlining)] private void AddWithResize(T item) {     Debug.Assert(_size == _items.Length);     int size = _size;     // 调用Grow方法,并且把size+1,至少需要size+1的空间才能完成Add操作     Grow(size + 1);     _size = size + 1;     _items[size] = item; }  // Grow方法 private void Grow(int capacity) {     Debug.Assert(_items.Length < capacity);     // 如果内部数组长度等于0,那么赋值为DefaultCapacity(大小为4),否则就赋值两倍当前长度     int newcapacity = _items.Length == 0 ? DefaultCapacity : 2 * _items.Length;     // 这里做了一个判断,如果newcapacity大于Array.MaxLength(大小是2^31元素)     // 也就是说一个List最大能存储2^32元素     if ((uint)newcapacity > Array.MaxLength) newcapacity = Array.MaxLength;     // 如果newpapacity小于预算需要的容量,也就是说元素数量大于Array.MaxLength     // 后面Capacity会抛出异常     if (newcapacity < capacity) newcapacity = capacity;     // 为Capacity属性设置值     Capacity = newcapacity; }  // Capacity属性 public int Capacity {     // 获取容量,直接返回_items的容量     get => _items.Length;     set     {         // 如果value值还小于当前元素个数         // 直接抛异常         if (value < _size)         {             ThrowHelper.ThrowArgumentOutOfRangeException(ExceptionArgument.value, ExceptionResource.ArgumentOutOfRange_SmallCapacity);         }          // 如果value值和当前数组长度不匹配         // 那么走扩容逻辑         if (value != _items.Length)         {             // value大于0新建一个新的数组             // 将原来的数组元素拷贝过去             if (value > 0)             {                 T[] newItems = new T[value];                 if (_size > 0)                 {                     Array.Copy(_items, newItems, _size);                 }                 _items = newItems;             }             // value小于0 那么直接把_items赋值为空数组             // 原本的数组可以被gc回收了             else             {                 _items = s_emptyArray;             }         }     }  

通过上面的代码我们可以得到两个有意思的结论。

  1. 一个List元素最大能存放2^31个元素.
  2. 不设置Capacity的话,默认初始大小为4,后面会以2倍的空间扩容。

List底层是通过数组来存放元素的,如果空间不够会按照2倍大小来扩容,但是它并不能无限制的存放数据。
在元素低于4个的情况下,不设置Capacity不会有任何影响;如果大于4个,那么就会走扩容流程,不仅需要申请新的数组,而且还要发生内存复制和需要GC回收原来的数组。
大家必须知道分配内存、内存复制和GC回收内存的代价是巨大的,下面有个示意图,举了一个从4扩容到8的例子。
.NET性能优化-你应该为集合类型设置初始大小

上面列举了我们从源码中看到的情况,那么不设置初始化的容量,对性能影响到底有多大呢?所以构建了一个Benchmark,来看看在不同量级下的影响,下面的Benchmark主要是探究两个问题。

  • 设置初始值容量和不设置有多大的差别
  • 要多少设置多少比较好,还是可以随意设置一些值
public class ListCapacityBench {     // 宇宙的真理 42     private static readonly Random OriginRandom = new(42);      // 整一个数列模拟常见的集合大小 最大12万     private static readonly int[] Arrays =     {         3, 5, 8, 13, 21, 34, 55, 89, 100, 120, 144, 180, 200, 233,          250, 377, 500, 550, 610, 987, 1000, 1500, 1597, 2000, 2584,         4181, 5000, 6765, 10946, 17711, 28657, 46368, 75025, 121393     };      // 生成一些随机数     private static readonly int[] OriginArrays = Enumerable.Range(0, Arrays.Max()).Select(c => OriginRandom.Next()).ToArray();             // 不设置容量     [Benchmark(Baseline = true)]     public int WithoutCapacity()     {         return InnerTest(null);     }      // 刚好设置需要的容量     [Benchmark]     public int SetArrayLengthCapacity()     {         return InnerTest(null, true);     }      // 设置为8     [Benchmark]     public int Set8Capacity()     {         return InnerTest(8);     }          // 设置为16     [Benchmark]     public int Set16Capacity()     {         return InnerTest(16);     }      // 设置为32     [Benchmark]     public int Set32Capacity()     {         return InnerTest(32);     }               // 设置为64     [Benchmark]     public int Set64Capacity()     {         return InnerTest(64);     }          // 实际的测试方法     // 不使用JIT优化,模拟集合的实际使用场景     [MethodImpl(MethodImplOptions.NoOptimization)]     private static int InnerTest(int? capacity, bool setLength = false)     {         var list = new List<int>();         foreach (var length in Arrays)         {             List<int> innerList;             if (capacity == null)             {                 innerList = setLength ? new List<int>(length) : new List<int>();             }             else             {                 innerList = new List<int>(capacity.Value);             }                          // 真正的测试方法  简单的填充数据             foreach (var item in OriginArrays.AsSpan()[..length])             {                 innerList.Add(item);             }                          list.Add(innerList.Count);         }          return list.Count;     }  

.NET性能优化-你应该为集合类型设置初始大小
从上面的Benchmark结果可以看出来,设置刚好需要的初始容量最快(比不设置快40%)、GC次数最少(50%+)、分配的内存也最少(节约60%),另外不建议不设置初始大小,它是最慢的
要是实在不能预估大小,那么可以无脑设置一个8表现稍微好一点点。如果能预估大小,因为它是2倍扩容,可以在2的N次方中找一个接近的。

8 16 32 64 128 512 1024 2048 4096 8192 ......

Queue、Stack源码

接下来看看QueueStack,看看它的扩容逻辑是怎么样的。

private void Grow(int capacity) {     Debug.Assert(_array.Length < capacity);     const int GrowFactor = 2;     const int MinimumGrow = 4;     int newcapacity = GrowFactor * _array.Length;      if ((uint)newcapacity > Array.MaxLength) newcapacity = Array.MaxLength;      newcapacity = Math.Max(newcapacity, _array.Length + MinimumGrow);      if (newcapacity < capacity) newcapacity = capacity;     SetCapacity(newcapacity); } 

基本一样,也是2倍扩容,所以按照我们上面的规则就好了。

HashSet、Dictionary源码

HashSetDictionary的逻辑实现类似,只是一个Key就是Value,另外一个是Key对应Value。不过它们的扩容方式有所不同,具体可以看我之前的博客,来看看扩容的源码,这里以HashSet为例。

private void Resize() => Resize(HashHelpers.ExpandPrime(_count), forceNewHashCodes: false); private void Resize(int newSize, bool forceNewHashCodes) {     // Value types never rehash     Debug.Assert(!forceNewHashCodes || !typeof(T).IsValueType);     Debug.Assert(_entries != null, "_entries should be non-null");     Debug.Assert(newSize >= _entries.Length);     var entries = new Entry[newSize];     int count = _count;     Array.Copy(_entries, entries, count);     if (!typeof(T).IsValueType && forceNewHashCodes)     {         Debug.Assert(_comparer is NonRandomizedStringEqualityComparer);         _comparer = (IEqualityComparer<T>)((NonRandomizedStringEqualityComparer)_comparer).GetRandomizedEqualityComparer();         for (int i = 0; i < count; i++)         {             ref Entry entry = ref entries[i];             if (entry.Next >= -1)             {                 entry.HashCode = entry.Value != null ? _comparer!.GetHashCode(entry.Value) : 0;             }         }         if (ReferenceEquals(_comparer, EqualityComparer<T>.Default))         {             _comparer = null;         }     }     // Assign member variables after both arrays allocated to guard against corruption from OOM if second fails     _buckets = new int[newSize]; #if TARGET_64BIT     _fastModMultiplier = HashHelpers.GetFastModMultiplier((uint)newSize); #endif    for (int i = 0; i < count; i++)    {        ref Entry entry = ref entries[i];        if (entry.Next >= -1)        {            ref int bucket = ref GetBucketRef(entry.HashCode);            entry.Next = bucket - 1; // Value in _buckets is 1-based            bucket = i + 1;        }    }    _entries = entries; } 

从上面的源码中可以看到Resize的步骤如下所示。

  1. 通过HashHelpers.ExpandPrime获取新的Size
  2. 创建新的数组,使用数组拷贝将原数组元素拷贝过去
  3. 对所有元素进行重新Hash,重建引用

从这里大家就可以看出来,如果不指定初始大小的话,HashSetDictionary这样的数据结构扩容的成本更高,因为还需要ReHash这样的操作。
那么HashHelpers.ExpandPrime是一个什么样的方法呢?究竟每次会扩容多少空间呢?我们来看HashHelpers源码。

public const uint HashCollisionThreshold = 100;  // 这是比Array.MaxLength小最大的素数 public const int MaxPrimeArrayLength = 0x7FFFFFC3; public const int HashPrime = 101;  public static int ExpandPrime(int oldSize) {     // 新的size等于旧size的两倍     int nwSize = 2 * oldSize;     // 和List一样,如果大于了指定最大值,那么直接返回最大值     if ((uint)newSize > MaxPrimeArrayLength && MaxPrimeArrayLength > oldSize)     {         Debug.Assert(MaxPrimeArrayLength == GetPrime(MaxPrimeArrayLength), "Invalid MaxPrimeArrayLength");         return MaxPrimeArrayLength;     }     // 获取大于newSize的第一素数     return GetPrime(newSize); }     public static int GetPrime(int min) {     if (min < 0)         throw new ArgumentException(SR.Arg_HTCapacityOverflow);     // 获取大于min的第一个素数     foreach (int prime in s_primes)     {         if (prime >= min)             return prime;     }     // 如果素数列表里面没有 那么计算     for (int i = (min | 1); i < int.MaxValue; i += 2)     {         if (IsPrime(i) && ((i - 1) % HashPrime != 0))             return i;     }     return min; }  // 用于扩容的素数列表 private static readonly int[] s_primes = {     3, 7, 11, 17, 23, 29, 37, 47, 59, 71, 89, 107, 131, 163, 197, 239, 293, 353, 431, 521, 631, 761, 919,     1103, 1327, 1597, 1931, 2333, 2801, 3371, 4049, 4861, 5839, 7013, 8419, 10103, 12143, 14591,     17519, 21023, 25229, 30293, 36353, 43627, 52361, 62851, 75431, 90523, 108631, 130363, 156437,     187751, 225307, 270371, 324449, 389357, 467237, 560689, 672827, 807403, 968897, 1162687, 1395263,     1674319, 2009191, 2411033, 2893249, 3471899, 4166287, 4999559, 5999471, 7199369 };  // 当容量大于7199369时,需要计算素数 public static bool IsPrime(int candidate) {     if ((candidate & 1) != 0)   {         int limit = (int)Math.Sqrt(candidate);         for (int divisor = 3; divisor <= limit; divisor += 2)         {             if ((candidate % divisor) == 0)                 return false;         }         return true;     }     return candidate == 2; } 

从上面的代码我们就可以得出HashSetDictionary每次扩容后的大小就是大于二倍Size的第一个素数,和List直接扩容2倍还是有差别的。
至于为什么要使用素数来作为扩容的大小,简单来说是使用素数能让数据在Hash以后更均匀的分布在各个桶中(素数没有其它约数),这不在本文的讨论范围,具体可以戳链接1链接2链接3了解更多。

总结

从性能的角度来说,强烈建议大家在使用集合类型时指定初始容量,总结了下面的几个点。

  • 如果你知道集合将要存放的元素个数,那么就直接设置那个大小,那样性能最高.
    • 比如那种分页接口,页大小只可能是50、100
    • 或者做Map操作,前后的元素数量是一致的,那就可以直接设置
  • 如果你不知道,那么可以预估一下个数,在2的次方中找一个合适的就可以了.
    • 可以尽量的预估多一点点,能避免Resize操作就避免

附录

List源码:https://github.com/dotnet/runtime/blob/main/src/libraries/System.Private.CoreLib/src/System/Collections/Generic/List.cs

Stack源码:https://github.com/dotnet/runtime/blob/main/src/libraries/System.Collections/src/System/Collections/Generic/Stack.cs

Queue源码:https://github.com/dotnet/runtime/blob/main/src/libraries/System.Private.CoreLib/src/System/Collections/Generic/Queue.cs

HashSet源码:https://github.com/dotnet/runtime/blob/main/src/libraries/System.Private.CoreLib/src/System/Collections/Generic/HashSet.cs

Dictionary源码:https://github.com/dotnet/runtime/blob/main/src/libraries/System.Private.CoreLib/src/System/Collections/Generic/Dictionary.cs

浅析 C# Dictionary:https://www.cnblogs.com/InCerry/p/10325290.html

发表评论

相关文章