List的扩容机制，你真的明白吗？
一：背景
1. 讲故事
在前一篇大内存排查中，我们看到了Dictionary正在做扩容操作，当时这个字典的count=251w，你把字典玩的66飞起，其实都是底层为你负重前行，比如其中的扩容机制，当你遇到几百万甚至千万的大集合这个扩容机制还真的需要挖一下，免的入戏太深，难以自拔。
为了方便讲述，我准备从List说起，因为它最简单哈😁😁😁
二：List扩容机制
1. 如何查看
要想看它的扩容机制，可以用ILSpy去看看List的源码即可，非常简单。
从源码的 int num = (_items.Length == 0) ? 4 : (_items.Length * 2) 可以非常清楚的看到，4个空间起步，后面都是 *2 的扩容，也就说当你有 2^(n-1) + 1 个元素，实际上你需要占用 2^n 个空间。
下面我用C#代码演示一下：
static void Main(string[] args) { var list1 = Enumerable.Range(0, (int)Math.Pow(2, 22)).ToList(); var list2 = new List<int>(list1); list2.Add(1); Console.WriteLine($"list1.Capacity={list1.Capacity}"); Console.WriteLine($"list2.Capacity={list2.Capacity}"); Console.ReadLine(); } ------ output -------list1.Capacity=4194304list2.Capacity=8388608从代码中可以看到，当List中已有 4194304个元素的时候，再往其中塞入一个元素，仅仅是多一个，在底层可是翻倍的空间占用哦，太可气了，要想往深处看可以用windbg看一下各自数组占用大小。
0:000> !DumpObj /d 000001ec037d2e20Name: System.Collections.Generic.List`1[[System.Int32, mscorlib]]Fields: MT Field Offset Type VT Attr Value Name00007ffde2ac8538 400189e 8 System.Int32[] 0 instance 000001ec147b9c10 _items00007ffde2ac85a0 400189f 18 System.Int32 1 instance 4194304 _size00007ffde2ac85a0 40018a0 1c System.Int32 1 instance 4194304 _version00007ffde2ac5dd8 40018a1 10 System.Object 0 instance 0000000000000000 _syncRoot00007ffde2ac8538 40018a2 0 System.Int32[] 0 shared static _emptyArray >> Domain:Value dynamic statics NYI 000001ec01bc0920:NotInit <<0:000> !do 000001ec147b9c10Name: System.Int32[]MethodTable: 00007ffde2ac8538EEClass: 00007ffde2c35918Size: 16777240(0x1000018) bytesArray: Rank 1, Number of elements 4194304, Type Int32 (Print Array)Fields:None0:000> !do 000001ec037d2e78Name: System.Collections.Generic.List`1[[System.Int32, mscorlib]]MethodTable: 00007ffde2ada068EEClass: 00007ffde2c3b008Size: 40(0x28) bytesFile: C:\WINDOWS\Microsoft.Net\assembly\GAC_64\mscorlib\v4.0_4.0.0.0__b77a5c561934e089\mscorlib.dllFields: MT Field Offset Type VT Attr Value Name00007ffde2ac8538 400189e 8 System.Int32[] 0 instance 000001ec167b9c80 _items00007ffde2ac85a0 400189f 18 System.Int32 1 instance 4194305 _size00007ffde2ac85a0 40018a0 1c System.Int32 1 instance 1 _version00007ffde2ac5dd8 40018a1 10 System.Object 0 instance 0000000000000000 _syncRoot00007ffde2ac8538 40018a2 0 System.Int32[] 0 shared static _emptyArray >> Domain:Value dynamic statics NYI 000001ec01bc0920:NotInit <<0:000> !do 000001ec167b9c80Name: System.Int32[]MethodTable: 00007ffde2ac8538EEClass: 00007ffde2c35918Size: 33554456(0x2000018) bytesArray: Rank 1, Number of elements 8388608, Type Int32 (Print Array)Fields:None可以清楚的看到,一个int[] 占用 16777240 byte /1024/1024 =16M，一个 int[] 占用 33554456 byte/1024/1024 =32M,可这是翻倍的空间哈。
2. 真的以为是仅仅翻了一倍吗？
为什么我要这么说呢？仔细看看Capacity的Set实现，如下代码：
public int Capacity{ get{ return _items.Length; } set { if (value > 0) { T[] array = new T[value]; if (_size > 0) { Array.Copy(_items, 0, array, 0, _size); } _items = array; } }}大家仔细研读，这个流程是先定义好新size的数组array，然后将老的数组(_items) copy到 新数组array中，然后将array的引用给了老的数组,不难看出真正的Size应该是 array(32M) + _items（16M） =48M 才是真正的大小，只要GC没有回收老的_items(16M)，那就一直保持48M的大小，你说呢？
要怎么验证呢? 大家可以用windbg去看看托管堆中 int[] 不就可以啦。
var list1 = Enumerable.Range(0, (int)Math.Pow(2, 22)).ToList();list1.Add(1);0:000> !DumpHeap -mt 00007ffde2ac8538 -min 102400 Address MT Size0000024c103e9ba0 00007ffde2ac8538 4194328 0000024c107e9bd8 00007ffde2ac8538 8388632 0000024c10fe9c10 00007ffde2ac8538 16777240 0000024c11fe9c48 00007ffde2ac8538 33554456 Statistics: MT Count TotalSize Class Name00007ffde2ac8538 4 62914656 System.Int32[]Total 4 objects从信息中看(16777240 + 33554456)byte = 48M，按照刚才的理论这个16777240的int[]应该是没有引用根的等待被GC回收，所以用!gcroot 把两个 int[] 都打印出来。
0:000> !gcroot 0000024c10fe9c10Found 0 unique roots (run '!GCRoot -all' to see all roots).0:000> !gcroot 0000024c11fe9c48Thread 63dc: 0000007b4abfee60 00007ffd85950938 ConsoleApp6.Program.Main(System.String[]) [C:\dream\Csharp\ConsoleApp1\ConsoleApp6\Program.cs @ 28] rbp-38: 0000007b4abfee88 -> 0000024c00002da0 System.Collections.Generic.List`1[[System.Int32, mscorlib]] -> 0000024c11fe9c48 System.Int32[]Found 1 unique roots (run '!GCRoot -all' to see all roots).可以看到：0000024c10fe9c10 确实是没有引用根，也就验证了其实真正的是48M，而不是32M，翻了2倍哦。。。有点小恐怖。
二： 如何压缩
1. 系统提供的压缩机制
回过头来看 Capacity 属性中的扩容机制，你只需要将Capacity设置与Count平齐，_items数组多余的虚占空间就给清掉了。
static void Main(string[] args) { var list1 = Enumerable.Range(0, (int)Math.Pow(2, 22)).ToList(); list1.Add(1); list1.Capacity = list1.Count; Console.ReadLine(); } 
从图中可以看到，数组中的 8388608-4194305 =4194303 个int直接给灭掉了，优化了空间。
2. 自定义List
其实问题的根源出在了扩容机制，举个例子，如果当length大于400w的时候，默认情况下是翻倍成800w，有时候根据你的业务不需要翻到800w，其实500w就足够了，这样300w的虚占就可以免掉，所以必要的时候自己实现一个list，然后灵活控制它的扩容机制，妙哉妙哉~~~
五：总结
明白扩容机制对你了解在大数据量下使用List还是非常有帮助的，大家根据自己的场景合理化使用，下一篇我们聊一聊HashSet。
如您有更多问题与我互动，扫描下方进来吧~
没有评论:
发表评论