List的擴容機制，你真的明白嗎？

一：背景

1. 講故事

在前一篇大記憶體排查中，我們看到了Dictionary正在做擴容操作，當時這個字典的count=251w，你把字典玩的66飛起，其實都是底層為你負重前行，比如其中的擴容機制，當你遇到幾百萬甚至千萬的大集合這個擴容機制還真的需要挖一下，免的入戲太深，難以自拔。

為了方便講述，我準備從List說起，因為它最簡單哈

二：List擴容機制

1. 如何檢視

要想看它的擴容機制，可以用ILSpy去看看List的原始碼即可，非常簡單。

從原始碼的 int num = (_items.Length == 0) ? 4 : (_items.Length * 2) 可以非常清楚的看到，4個空間起步，後面都是 *2 的擴容，也就說當你有 2^(n-1) + 1 個元素，實際上你需要佔用 2^n個空間。

下面我用C#程式碼演示一下：

        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

從程式碼中可以看到，當List中已有 4194304個元素的時候，再往其中塞入一個元素，僅僅是多一個，在底層可是翻倍的空間佔用哦，太可氣了，要想往深處看可以用windbg看一下各自陣列佔用大小。

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,一個int[] 佔用 16777240 byte /1024/1024 =16M，一個 int[] 佔用 33554456 byte/1024/1024 =32M,可這是翻倍的空間哈。

2. 真的以為是僅僅翻了一倍嗎？

為什麼我要這麼說呢？仔細看看Capacity的Set實現，如下程式碼：

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;

		}

	}

}

大家仔細研讀，這個流程是先定義好新size的陣列array，然後將老的陣列(_items) copy到 新陣列array中，然後將array的引用給了老的陣列,不難看出真正的Size應該是 array(32M) + _items（16M） =48M 才是真正的大小，只要GC沒有回收老的_items(16M)，那就一直保持48M的大小，你說呢？

要怎麼驗證呢? 大家可以用windbg去看看託管堆中 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

從資訊中看(16777240 + 33554456)byte = 48M，按照剛才的理論這個16777240的int[]應該是沒有引用根的等待被GC回收，所以用!gcroot 把兩個 int[] 都列印出來。

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 確實是沒有引用根，也就驗證了其實真正的是48M，而不是32M，翻了2倍哦。。。有點小恐怖。

二： 如何壓縮

1. 系統提供的壓縮機制

回過頭來看 Capacity 屬性中的擴容機制，你只需要將Capacity設定與Count平齊，_items陣列多餘的虛佔空間就給清掉了。

        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();

        }

       

從圖中可以看到，陣列中的 8388608-4194305 =4194303 個int直接給滅掉了，最佳化了空間。

2. 自定義List

其實問題的根源出在了擴容機制，舉個例子，如果當length大於400w的時候，預設情況下是翻倍成800w，有時候根據你的業務不需要翻到800w，其實500w就足夠了，這樣300w的虛佔就可以免掉，所以必要的時候自己實現一個list，然後靈活控制它的擴容機制，妙哉妙哉~~~

五：總結

明白擴容機制對你瞭解在大資料量下使用List還是非常有幫助的，大家根據自己的場景合理化使用，下一篇我們聊一聊HashSet。