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=4194304
list2.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 000001ec037d2e20
Name:        System.Collections.Generic.List`1[[System.Int32, mscorlib]]
Fields:
              MT    Field   Offset                 Type VT     Attr            Value Name
00007ffde2ac8538  400189e        8       System.Int32[]  0 instance 000001ec147b9c10 _items
00007ffde2ac85a0  400189f       18         System.Int32  1 instance          4194304 _size
00007ffde2ac85a0  40018a0       1c         System.Int32  1 instance          4194304 _version
00007ffde2ac5dd8  40018a1       10        System.Object  0 instance 0000000000000000 _syncRoot
00007ffde2ac8538  40018a2        0       System.Int32[]  0   shared           static _emptyArray
                                 >> Domain:Value dynamic statics NYI 000001ec01bc0920:NotInit  <<

0:000> !do 000001ec147b9c10
Name:        System.Int32[]
MethodTable: 00007ffde2ac8538
EEClass:     00007ffde2c35918
Size:        16777240(0x1000018) bytes
Array:       Rank 1, Number of elements 4194304, Type Int32 (Print Array)
Fields:
None


0:000> !do 000001ec037d2e78
Name:        System.Collections.Generic.List`1[[System.Int32, mscorlib]]
MethodTable: 00007ffde2ada068
EEClass:     00007ffde2c3b008
Size:        40(0x28) bytes
File:        C:\WINDOWS\Microsoft.Net\assembly\GAC_64\mscorlib\v4.0_4.0.0.0__b77a5c561934e089\mscorlib.dll
Fields:
              MT    Field   Offset                 Type VT     Attr            Value Name
00007ffde2ac8538  400189e        8       System.Int32[]  0 instance 000001ec167b9c80 _items
00007ffde2ac85a0  400189f       18         System.Int32  1 instance          4194305 _size
00007ffde2ac85a0  40018a0       1c         System.Int32  1 instance                1 _version
00007ffde2ac5dd8  40018a1       10        System.Object  0 instance 0000000000000000 _syncRoot
00007ffde2ac8538  40018a2        0       System.Int32[]  0   shared           static _emptyArray
                                 >> Domain:Value dynamic statics NYI 000001ec01bc0920:NotInit  <<
0:000> !do 000001ec167b9c80
Name:        System.Int32[]
MethodTable: 00007ffde2ac8538
EEClass:     00007ffde2c35918
Size:        33554456(0x2000018) bytes
Array:       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     Size
0000024c103e9ba0 00007ffde2ac8538  4194328     
0000024c107e9bd8 00007ffde2ac8538  8388632     
0000024c10fe9c10 00007ffde2ac8538 16777240     
0000024c11fe9c48 00007ffde2ac8538 33554456     

Statistics:
              MT    Count    TotalSize Class Name
00007ffde2ac8538        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 0000024c10fe9c10
Found 0 unique roots (run '!GCRoot -all' to see all roots).

0:000> !gcroot 0000024c11fe9c48
Thread 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。

来源：oschina

链接：https://my.oschina.net/u/135083/blog/4289555

标签

readline

ilspy

dictionary

大数据