腳本之家服務器常用軟件

快捷導航

詳解處理Java中的大對象的方法

更新時間：2022年04月14日 09:23:53 作者：農民工老王

本文我們將講解一下對于“大對象”的優(yōu)化。這里的“大對象”，是一個泛化概念，它可能存放在?JVM?中，也可能正在網絡上傳輸，也可能存在于數(shù)據(jù)庫中，快跟隨小編一起學習一下

但這還遠遠不夠，我們僅僅減少了對象的創(chuàng)建頻率，但并沒有改變對象“大”這個事實。本文，將從 JDK 的一些知識點講起，先來看幾個面試頻率比較高的對象復用問題；接下來，從數(shù)據(jù)的結構緯度和時間維度出發(fā)，分別逐步看一下一些把對象變小，把操作聚焦的策略。

String中的substring

我們都知道，String 在 Java 中是不可變的，如果你改動了其中的內容，它就會生成一個新的字符串。如果我們想要用到字符串中的一部分數(shù)據(jù)，就可以使用 substring 方法。

下面是Java11中String的源碼。

public String substring(int beginIndex) {
    if (beginIndex < 0) {
        throw new StringIndexOutOfBoundsException(beginIndex);
    }
    int subLen = length() - beginIndex;
    if (subLen < 0) {
        throw new StringIndexOutOfBoundsException(subLen);
    }
    if (beginIndex == 0) {
        return this;
    }
    return isLatin1() ? StringLatin1.newString(value, beginIndex, subLen)
                      : StringUTF16.newString(value, beginIndex, subLen);
}

public static String newString(byte[] val, int index, int len) {
    if (String.COMPACT_STRINGS) {
        byte[] buf = compress(val, index, len);
        if (buf != null) {
            return new String(buf, LATIN1);
        }
    }
    int last = index + len;
    return new String(Arrays.copyOfRange(val, index << 1, last << 1), UTF16);
}

如上述代碼所示，當我們需要一個子字符串的時候，substring 生成了一個新的字符串，這個字符串通過構造函數(shù)的 Arrays.copyOfRange 函數(shù)進行構造。

這個函數(shù)在 Java7 之后是沒有問題的，但在Java6 中，卻有著內存泄漏的風險，我們可以學習一下這個案例，來看一下大對象復用可能會產生的問題。下面是Java6中的代碼：

public String substring(int beginIndex, int endIndex) {
    if (beginIndex < 0) {
        throw new StringIndexOutOfBoundsException(beginIndex);
    }
    if (endIndex > count) {
        throw new StringIndexOutOfBoundsException(endIndex);
    }
    if (beginIndex > endIndex) {
        throw new StringIndexOutOfBoundsException(endIndex - beginIndex);
    }
    return ((beginIndex == 0) && (endIndex == count)) ? 
            this :
            new String(offset + beginIndex, endIndex - beginIndex, value);
}

String(int offset, int count, char value[]) {
    this.value = value;
    this.offset = offset;
    this.count = count;
}

可以看到，它在創(chuàng)建子字符串的時候，并不只拷貝所需要的對象，而是把整個 value 引用了起來。如果原字符串比較大，即使不再使用，內存也不會釋放。

比如，一篇文章內容可能有幾兆，我們僅僅是需要其中的摘要信息，也不得不維持整個的大對象。

有一些工作年限比較長的面試官，對 substring 還停留在 JDK6 的印象，但其實，Java 已經將這個 bug 給修改了。如果面試時遇到這個問題，保險起見，可以把這個改善過程答出來。

這對我們的借鑒意義是：如果你創(chuàng)建了比較大的對象，并基于這個對象生成了一些其他的信息，這個時候，一定要記得去掉和這個大對象的引用關系。

集合大對象擴容

對象擴容，在 Java 中是司空見慣的現(xiàn)象，比如 StringBuilder、StringBuffer、HashMap，ArrayList 等。概括來講，Java 的集合，包括 List、Set、Queue、Map 等，其中的數(shù)據(jù)都不可控。在容量不足的時候，都會有擴容操作，擴容操作需要重新組織數(shù)據(jù)，所以都不是線程安全的。

我們先來看下 StringBuilder 的擴容代碼：

void expandCapacity(int minimumCapacity) {
    int newCapacity = value.length * 2 + 2;
    if (newCapacity - minimumCapacity < 0)
        newCapacity = minimumCapacity;
    if (newCapacity < 0) {
        if (minimumCapacity < 0) // overflow 
            throw new OutOfMemoryError();
        newCapacity = Integer.MAX_VALUE;
    }
    value = Arrays.copyOf(value, newCapacity);
}

容量不夠的時候，會將內存翻倍，并使用 Arrays.copyOf 復制源數(shù)據(jù)。

下面是 HashMap 的擴容代碼，擴容后大小也是翻倍。它的擴容動作就復雜得多，除了有負載因子的影響，它還需要把原來的數(shù)據(jù)重新進行散列，由于無法使用 native 的 Arrays.copy 方法，速度就會很慢。

void addEntry(int hash, K key, V value, int bucketIndex) {
    if ((size >= threshold) && (null != table[bucketIndex])) {
        resize(2 * table.length);
        hash = (null != key) ? hash(key) : 0;
        bucketIndex = indexFor(hash, table.length);
    }
    createEntry(hash, key, value, bucketIndex);
}

void resize(int newCapacity) {
    Entry[] oldTable = table;
    int oldCapacity = oldTable.length;
    if (oldCapacity == MAXIMUM_CAPACITY) {
        threshold = Integer.MAX_VALUE;
        return;
    }
    Entry[] newTable = new Entry[newCapacity];
    transfer(newTable, initHashSeedAsNeeded(newCapacity));
    table = newTable;
    threshold = (int) Math.min(newCapacity * loadFactor, MAXIMUM_CAPACITY + 1);
}

List 的代碼大家可自行查看，也是阻塞性的，擴容策略是原長度的 1.5 倍。

由于集合在代碼中使用的頻率非常高，如果你知道具體的數(shù)據(jù)項上限，那么不妨設置一個合理的初始化大小。比如，HashMap 需要 1024 個元素，需要 7 次擴容，會影響應用的性能。面試中會頻繁出現(xiàn)這個問題，你需要了解這些擴容操作對性能的影響。

但是要注意，像 HashMap 這種有負載因子的集合（0.75），初始化大小 = 需要的個數(shù)/負載因子+1，如果你不是很清楚底層的結構，那就不妨保持默認。

接下來，我將從數(shù)據(jù)的結構緯度和時間維度出發(fā)，講解一下應用層面的優(yōu)化。

保持合適的對象粒度

給你分享一個實際案例：我們有一個并發(fā)量非常高的業(yè)務系統(tǒng)，需要頻繁使用到用戶的基本數(shù)據(jù)。

如下圖所示，由于用戶的基本信息，都是存放在另外一個服務中，所以每次用到用戶的基本信息，都需要有一次網絡交互。更加讓人無法接受的是，即使是只需要用戶的性別屬性，也需要把所有的用戶信息查詢，拉取一遍。

為了加快數(shù)據(jù)的查詢速度，對數(shù)據(jù)進行了初步的緩存，放入到了 Redis 中，查詢性能有了大的改善，但每次還是要查詢很多冗余數(shù)據(jù)。

原始的 redis key 是這樣設計的：

type: string 
key: user_${userid} 
value: json

這樣的設計有兩個問題：

查詢其中某個字段的值，需要把所有 json 數(shù)據(jù)查詢出來，并自行解析；

更新其中某個字段的值，需要更新整個 json 串，代價較高。

針對這種大粒度 json 信息，就可以采用打散的方式進行優(yōu)化，使得每次更新和查詢，都有聚焦的目標。

接下來對 Redis 中的數(shù)據(jù)進行了以下設計，采用 hash 結構而不是 json 結構：

type: hash 
key: user_${userid} 
value: {sex:f, id:1223, age:23}

這樣，我們使用 hget 命令，或者 hmget 命令，就可以獲取到想要的數(shù)據(jù)，加快信息流轉的速度。

Bitmap 把對象變小

除了以上操作，還能再進一步優(yōu)化嗎？比如，我們系統(tǒng)中就頻繁用到了用戶的性別數(shù)據(jù)，用來發(fā)放一些禮品，推薦一些異性的好友，定時循環(huán)用戶做一些清理動作等；或者，存放一些用戶的狀態(tài)信息，比如是否在線，是否簽到，最近是否發(fā)送信息等，從而統(tǒng)計一下活躍用戶等。那么對是、否這兩個值的操作，就可以使用 Bitmap 這個結構進行壓縮。

這里還有個高頻面試問題，那就是 Java 的 Boolean 占用的是多少位？

在 Java 虛擬機規(guī)范里，描述是：將 Boolean 類型映射成的是 1 和 0 兩個數(shù)字，它占用的空間是和 int 相同的 32 位。即使有的虛擬機實現(xiàn)把 Boolean 映射到了 byte 類型上，它所占用的空間，對于大量的、有規(guī)律的 Boolean 值來說，也是太大了。

如代碼所示，通過判斷 int 中的每一位，它可以保存 32 個 Boolean 值！

int a= 0b0001_0001_1111_1101_1001_0001_1111_1101;

Bitmap 就是使用 Bit 進行記錄的數(shù)據(jù)結構，里面存放的數(shù)據(jù)不是 0 就是 1。還記得我們在之前《分布式緩存系統(tǒng)必須要解決的四大問題》中提到的緩存穿透嗎？就可以使用 Bitmap 避免，Java 中的相關結構類，就是 java.util.BitSet，BitSet 底層是使用 long 數(shù)組實現(xiàn)的，所以它的最小容量是 64。

10 億的 Boolean 值，只需要 128MB 的內存，下面既是一個占用了 256MB 的用戶性別的判斷邏輯，可以涵蓋長度為 10 億的 ID。

static BitSet missSet = new BitSet(010_000_000_000); 
static BitSet sexSet = new BitSet(010_000_000_000); 
String getSex(int userId) { 
    boolean notMiss = missSet.get(userId); 
    if (!notMiss) { 
        //lazy fetch 
        String lazySex = dao.getSex(userId); 
        missSet.set(userId, true); 
        sexSet.set(userId, "female".equals(lazySex)); 
    } 
    return sexSet.get(userId) ? "female" : "male"; 
}

這些數(shù)據(jù)，放在堆內內存中，還是過大了。幸運的是，Redis 也支持 Bitmap 結構，如果內存有壓力，我們可以把這個結構放到 Redis 中，判斷邏輯也是類似的。

再插一道面試算法題：給出一個 1GB 內存的機器，提供 60億 int 數(shù)據(jù)，如何快速判斷有哪些數(shù)據(jù)是重復的？

大家可以類比思考一下。Bitmap 是一個比較底層的結構，在它之上還有一個叫作布隆過濾器的結構（Bloom Filter），布隆過濾器可以判斷一個值不存在，或者可能存在。

如圖，它相比較 Bitmap，它多了一層 hash 算法。既然是 hash 算法，就會有沖突，所以有可能有多個值落在同一個 bit 上。它不像 HashMap一樣，使用鏈表或者紅黑樹來處理沖突，而是直接將這個hash槽重復使用。從這個特性我們能夠看出，布隆過濾器能夠明確表示一個值不在集合中，但無法判斷一個值確切的在集合中。

Guava 中有一個 BloomFilter 的類，可以方便地實現(xiàn)相關功能。

上面這種優(yōu)化方式，本質上也是把大對象變成小對象的方式，在軟件設計中有很多類似的思路。比如像一篇新發(fā)布的文章，頻繁用到的是摘要數(shù)據(jù)，就不需要把整個文章內容都查詢出來；用戶的 feed 信息，也只需要保證可見信息的速度，而把完整信息存放在速度較慢的大型存儲里。

數(shù)據(jù)的冷熱分離

數(shù)據(jù)除了橫向的結構緯度，還有一個縱向的時間維度，對時間維度的優(yōu)化，最有效的方式就是冷熱分離。

所謂熱數(shù)據(jù)，就是靠近用戶的，被頻繁使用的數(shù)據(jù)；而冷數(shù)據(jù)是那些訪問頻率非常低，年代非常久遠的數(shù)據(jù)。

同一句復雜的 SQL，運行在幾千萬的數(shù)據(jù)表上，和運行在幾百萬的數(shù)據(jù)表上，前者的效果肯定是很差的。所以，雖然你的系統(tǒng)剛開始上線時速度很快，但隨著時間的推移，數(shù)據(jù)量的增加，就會漸漸變得很慢。

冷熱分離是把數(shù)據(jù)分成兩份，如下圖，一般都會保持一份全量數(shù)據(jù)，用來做一些耗時的統(tǒng)計操作。

由于冷熱分離在工作中經常遇到，所以面試官會頻繁問到數(shù)據(jù)冷熱分離的方案。下面簡單介紹三種：

數(shù)據(jù)雙寫

把對冷熱庫的插入、更新、刪除操作，全部放在一個統(tǒng)一的事務里面。由于熱庫（比如 MySQL）和冷庫（比如 Hbase）的類型不同，這個事務大概率會是分布式事務。在項目初期，這種方式是可行的，但如果是改造一些遺留系統(tǒng)，分布式事務基本上是改不動的，我通常會把這種方案直接廢棄掉。

寫入 MQ 分發(fā)

通過 MQ 的發(fā)布訂閱功能，在進行數(shù)據(jù)操作的時候，先不落庫，而是發(fā)送到 MQ 中。單獨啟動消費進程，將 MQ 中的數(shù)據(jù)分別落到冷庫、熱庫中。使用這種方式改造的業(yè)務，邏輯非常清晰，結構也比較優(yōu)雅。像訂單這種結構比較清晰、對順序性要求較低的系統(tǒng)，就可以采用 MQ 分發(fā)的方式。但如果你的數(shù)據(jù)庫實體量非常大，用這種方式就要考慮程序的復雜性了。

使用 Binlog 同步

針對 MySQL，就可以采用 Binlog 的方式進行同步，使用 Canal 組件，可持續(xù)獲取最新的 Binlog 數(shù)據(jù)，結合 MQ，可以將數(shù)據(jù)同步到其他的數(shù)據(jù)源中。

思維發(fā)散

對于結果集的操作，我們可以再發(fā)散一下思維?？梢詫⒁粋€簡單冗余的結果集，改造成復雜高效的數(shù)據(jù)結構。這個復雜的數(shù)據(jù)結構可以代理我們的請求，有效地轉移耗時操作。

比如，我們常用的數(shù)據(jù)庫索引，就是一種對數(shù)據(jù)的重新組織、加速。B+ tree 可以有效地減少數(shù)據(jù)庫與磁盤交互的次數(shù)，它通過類似 B+ tree 的數(shù)據(jù)結構，將最常用的數(shù)據(jù)進行索引，存儲在有限的存儲空間中。

還有就是，在 RPC 中常用的序列化。有的服務是采用的 SOAP 協(xié)議的 WebService，它是基于 XML 的一種協(xié)議，內容大傳輸慢，效率低下。現(xiàn)在的 Web 服務中，大多數(shù)是使用 json 數(shù)據(jù)進行交互的，json 的效率相比 SOAP 就更高一些。

另外，大家應該都聽過 google 的 protobuf，由于它是二進制協(xié)議，而且對數(shù)據(jù)進行了壓縮，性能是非常優(yōu)越的。protobuf 對數(shù)據(jù)壓縮后，大小只有 json 的 1/10，xml 的 1/20，但是性能卻提高了 5-100 倍。

protobuf 的設計是值得借鑒的，它通過 tag|leng|value 三段對數(shù)據(jù)進行了非常緊湊的處理，解析和傳輸速度都特別快。