如何在Java中有效地存储小字节数组？

Question

通过小字节数组我的意思是从10长度最多为30个字节的阵列.

通过商店我的意思是将它们存储在RAM中,而不是序列化并持久保存到文件系统.

系统macOS 10.12.6,Oracle jdk1.8.0_141 64位,JVM args -Xmx1g

示例: 预期的行为new byte[200 * 1024 * 1024]是≈200mb的堆空间

public static final int TARGET_SIZE = 200 * 1024 * 1024;
public static void main(String[] args) throws InterruptedException {
    byte[] arr = new byte[TARGET_SIZE];
    System.gc();
    System.out.println("Array size: " + arr.length);
    System.out.println("HeapSize: " + Runtime.getRuntime().totalMemory());
    Thread.sleep(60000);
}

但是对于较小的数组,数学并不那么简单

public static final int TARGET_SIZE = 200 * 1024 * 1024;
public static void main(String[] args) throws InterruptedException {
    final int oneArraySize = 20;
    final int numberOfArrays = TARGET_SIZE / oneArraySize;
    byte[][] arrays = new byte[numberOfArrays][];
    for (int i = 0; i < numberOfArrays; i++) {
        arrays[i] = new byte[oneArraySize];
    }
    System.gc();
    System.out.println("Arrays size: " + arrays.length);
    System.out.println("HeapSize: " + Runtime.getRuntime().totalMemory());
    Thread.sleep(60000);
}

更糟糕的是

问题是

这个开销来自哪里？如何有效地存储和使用小字节数组(数据块)？

更新1

因为new byte[200*1024*1024][1] 它吃

基本数学表示new byte[1] 权重为 24个字节.

更新2

根据Java中对象的内存消耗是多少？ Java中对象的最小大小为16个字节.从我以前的"测量" 24字节-4字节为int长度-1我的数据的实际字节=一些其他垃圾填充的3字节.

Answer 1

好的,所以如果我理解正确(请问如果没有 - 将尝试回答),这里有几件事.首先,您需要正确的测量工具,JOL是我唯一信任的工具.

让我们开始吧:

byte[] two = new byte[1];
System.out.println(GraphLayout.parseInstance(one).toFootprint()); 

这将显示24 bytes(12for mark和classwords - 或Object header + 4个字节填充),1 byte实际值和7 bytes for padding(内存对齐8个字节).

考虑到这一点,这应该是一个可预测的输出:

byte[] eight = new byte[8];
System.out.println(GraphLayout.parseInstance(eight).toFootprint()); // 24 bytes

byte[] nine = new byte[9];
System.out.println(GraphLayout.parseInstance(nine).toFootprint()); // 32 bytes

现在让我们转到二维数组:

byte[][] ninenine = new byte[9][9];    
System.out.println(GraphLayout.parseInstance(ninenine).toFootprint()); // 344 bytes

System.out.println(ClassLayout.parseInstance(ninenine).toPrintable());

因为java没有真正的二维数组; 每个嵌套数组本身都是一个byte[]具有标题和内容的Object().因此,单个byte[9]具有32 bytes(12标题+ 4填充)和16 bytes内容(9 bytes用于实际内容+ 7 bytes填充).

该ninenine对象具有56字节总数:16headers + 36用于保持对九个对象的引用+ 4 bytes用于填充.

看看这里生产的样本:

byte[][] left = new byte[10000][10];
System.out.println(GraphLayout.parseInstance(left).toFootprint()); // 360016 bytes

byte[][] right = new byte[10][10000];
System.out.println(GraphLayout.parseInstance(right).toFootprint()); // 100216 bytes

这是260%的增长; 所以只需改变工作方式就可以节省大量空间.

但更深层次的问题是,在Java中的每一个对象都有这些头,有没有头部信息的对象还没有.它们可能会出现并称为值类型.可能是在实现时 - 原语数组至少不会有这种开销.

Answer 2

尤金的答案解释了为什么您观察到大量数组的内存消耗如此增加的原因。标题中的问题《Java中如何高效存储小字节数组？》，然后可能会回答：完全没有。¹

然而，可能有一些方法可以实现您的目标。像往常一样，这里的“最佳”解决方案将取决于如何使用这些数据。一个非常务实的方法是：interface为您的数据结构定义一个。

在最简单的情况下，这个接口可以是

interface ByteArray2D 
{
    int getNumRows();
    int getNumColumns();
    byte get(int r, int c);
    void set(int r, int c, byte b);
}

提供“2D 字节数组”的基本抽象。根据应用案例，在此提供其他方法可能会有所帮助。这里可以使用的模式通常与处理“2D 矩阵”（通常是值）的Matrix 库float相关，并且它们通常提供如下方法：

interface Matrix {
    Vector getRow(int row);
    Vector getColumn(int column);
    ...
}

然而，当这里的主要目的是处理一组byte[]数组时，访问每个数组（即二维数组的每一行）的方法就足够了：

ByteBuffer getRow(int row);

有了这个接口，创建不同的实现就很简单。例如，您可以创建一个简单的实现，仅byte[][]在内部存储 2D 数组：

class SimpleByteArray2D implements ByteArray2D 
{
    private final byte array[][];
    ...
}

或者，您可以创建一个存储一 byte[]维数组的实现，或者类似地，ByteBuffer内部存储：

class CompactByteArray2D implements ByteArray2D
{
    private final ByteBuffer buffer;
    ...
}

然后，此实现只需在调用访问 2D 数组的特定行/列的方法之一时计算（1D）索引。

下面您将找到一个MCVE，它显示了该接口和两个实现、该接口的基本用法，并使用 JOL 进行了内存占用分析。

该程序的输出是：

For 10 rows and 1000 columns:
Total size for SimpleByteArray2D : 10240
Total size for CompactByteArray2D: 10088

For 100 rows and 100 columns:
Total size for SimpleByteArray2D : 12440
Total size for CompactByteArray2D: 10088

For 1000 rows and 10 columns:
Total size for SimpleByteArray2D : 36040
Total size for CompactByteArray2D: 10088

表明

• SimpleByteArray2D当行数增加时，基于简单二维数组的实现需要byte[][]更多内存（即使数组的总大小保持不变）

• 的内存消耗与数组的结构CompactByteArray2D无关

整个程序：

package stackoverflow;

import java.nio.ByteBuffer;

import org.openjdk.jol.info.GraphLayout;

public class EfficientByteArrayStorage
{
    public static void main(String[] args)
    {
        showExampleUsage();
        anaylyzeMemoryFootprint();
    }

    private static void anaylyzeMemoryFootprint()
    {
        testMemoryFootprint(10, 1000);
        testMemoryFootprint(100, 100);
        testMemoryFootprint(1000, 10);
    }

    private static void testMemoryFootprint(int rows, int cols)
    {
        System.out.println("For " + rows + " rows and " + cols + " columns:");

        ByteArray2D b0 = new SimpleByteArray2D(rows, cols);
        GraphLayout g0 = GraphLayout.parseInstance(b0);
        System.out.println("Total size for SimpleByteArray2D : " + g0.totalSize());
        //System.out.println(g0.toFootprint());

        ByteArray2D b1 = new CompactByteArray2D(rows, cols);
        GraphLayout g1 = GraphLayout.parseInstance(b1);
        System.out.println("Total size for CompactByteArray2D: " + g1.totalSize());
        //System.out.println(g1.toFootprint());
    }

    // Shows an example of how to use the different implementations
    private static void showExampleUsage()
    {
        System.out.println("Using a SimpleByteArray2D");
        ByteArray2D b0 = new SimpleByteArray2D(10, 10);
        exampleUsage(b0);

        System.out.println("Using a CompactByteArray2D");
        ByteArray2D b1 = new CompactByteArray2D(10, 10);
        exampleUsage(b1);
    }

    private static void exampleUsage(ByteArray2D byteArray2D)
    {
        // Reading elements of the array
        System.out.println(byteArray2D.get(2, 4));

        // Writing elements of the array
        byteArray2D.set(2, 4, (byte)123);
        System.out.println(byteArray2D.get(2, 4));

        // Bulk access to rows
        ByteBuffer row = byteArray2D.getRow(2);
        for (int c = 0; c < row.capacity(); c++)
        {
            System.out.println(row.get(c));
        }

        // (Commented out for this MCVE: Writing one row to a file)
        /*/
        try (FileChannel fileChannel = 
            new FileOutputStream(new File("example.dat")).getChannel())
        {
            fileChannel.write(byteArray2D.getRow(2));
        }
        catch (IOException e)
        {
            e.printStackTrace();
        }
        //*/
    }

}


interface ByteArray2D 
{
    int getNumRows();
    int getNumColumns();
    byte get(int r, int c);
    void set(int r, int c, byte b);

    // Bulk access to rows, for convenience and efficiency
    ByteBuffer getRow(int row);
}

class SimpleByteArray2D implements ByteArray2D 
{
    private final int rows;
    private final int cols;
    private final byte array[][];

    public SimpleByteArray2D(int rows, int cols)
    {
        this.rows = rows;
        this.cols = cols;
        this.array = new byte[rows][cols];
    }

    @Override
    public int getNumRows()
    {
        return rows;
    }

    @Override
    public int getNumColumns()
    {
        return cols;
    }

    @Override
    public byte get(int r, int c)
    {
        return array[r][c];
    }

    @Override
    public void set(int r, int c, byte b)
    {
        array[r][c] = b;
    }

    @Override
    public ByteBuffer getRow(int row)
    {
        return ByteBuffer.wrap(array[row]);
    }
}

class CompactByteArray2D implements ByteArray2D
{
    private final int rows;
    private final int cols;
    private final ByteBuffer buffer;

    public CompactByteArray2D(int rows, int cols)
    {
        this.rows = rows;
        this.cols = cols;
        this.buffer = ByteBuffer.allocate(rows * cols);
    }

    @Override
    public int getNumRows()
    {
        return rows;
    }

    @Override
    public int getNumColumns()
    {
        return cols;
    }

    @Override
    public byte get(int r, int c)
    {
        return buffer.get(r * cols + c);
    }

    @Override
    public void set(int r, int c, byte b)
    {
        buffer.put(r * cols + c, b);
    }

    @Override
    public ByteBuffer getRow(int row)
    {
        ByteBuffer r = buffer.slice();
        r.position(row * cols);
        r.limit(row * cols + cols);
        return r.slice();
    }
}

同样，这主要是作为一个草图，展示一种可能的方法。接口的细节将取决于预期的应用程序模式。

¹旁注：

内存开销的问题在其他语言中也是类似的。例如，在 C/C++ 中，最类似于“2D Java 数组”的结构是手动分配的指针数组：

char** array;
array = new (char*)[numRows];
array[0] = new char[numCols];
...

在这种情况下，您还会有与行数成正比的开销 - 即每行一个（通常是 4 个字节）指针。