一文看懂C#中List的扩容机制

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。

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。

到此这篇关于详解c#中的扩容机制的文章就介绍到这了,更多相关c# 扩容机制内容请搜索以前的文章或继续浏览下面的相关文章希望大家以后多多支持！