如何在Java中有效地存储小字节数组？

Question

小字节数组是指长度从10到30的字节数组。

商店我的意思是将它们存储在内存中，而不是序列化并保存到文件系统。

  

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

示例： new byte[200 * 1024 * 1024]的预期行为是≈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？如何有效地存储和处理小字节数组（数据块）？

更新1

new byte[200*1024*1024][1] 它吃

基础数学表示new byte[1] 权重 24个字节。

更新2

根据What is the memory consumption of an object in Java? Java中对象的最小大小为 16字节。从我以前的＆＃34;测量＆＃34; 24字节-4字节的int长度-1我的数据的实际字节= 3个字节的一些其他垃圾填充。

Answer 1

好的，所以如果我理解正确（请问是否 - 会尝试回答），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＆＃39;从简单开始：

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

这将显示24 bytes（12代表mark和class字样 - 或对象标头+ 4字节填充），1 byte代表实际值， 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

现在让我们转向二维数组：

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 true 二维数组;每个嵌套数组本身都是一个具有标题和内容的Object（byte[]）。因此，单个byte[9]有32 bytes（12标题+ 4填充）和16 bytes内容（9 bytes 实际 content + 7 bytes padding）。

ninenine对象总共56个字节：16标头+ 36用于保留对九个对象的引用+ 4 bytes以进行填充。

在这里查看生产的样本：

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

260％增长;所以只需改变工作以其他方式就可以节省大量空间。

但更深层次的问题是Java中的每个Object都有这些头文件，没有无头对象尚未。它们可能会出现并被称为Value Types。可能是在实现时 - 原语数组至少不会有这种开销。

Answer 2

answer by Eugene解释了为什么你观察到大量数组的内存消耗增加的原因。标题中的问题，“如何在Java中有效地存储小字节数组？”，可以回答：完全没有。 ¹

然而，可能有办法实现您的目标。像往常一样，这里的“最佳”解决方案将取决于这些数据将如何使用。一种非常实用的方法是：为您的数据结构定义interface。

在最简单的情况下，此界面可能只是

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是有益的。这里可以使用的模式通常与处理“2D矩阵”（通常为float值）的 Matrix库相关，并且它们通常提供如下方法：

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

但是，当这里的主要目的是处理一组byte[]数组时，访问每个数组的方法（即2D数组的每一行）就足够了：

ByteBuffer getRow(int row);

鉴于此接口，创建不同的实现很简单。例如，您可以创建一个仅在内部存储2D byte[][]数组的简单实现：

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

或者，您可以创建一个存储 1D byte[]数组的实现，或类似地，在内部存储ByteBuffer：

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

这个实现只需要在调用访问2D数组的某个行/列的方法之一时计算（1D）索引。

下面你会看到一个MCVE，它显示了这个接口和两个实现，接口的基本用法，以及使用JOL进行内存占用分析。

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

显示

• 基于简单的2D SimpleByteArray2D数组的byte[][]实现在行数增加时需要更多内存（即使数组的总大小保持不变）

• 数组的结构的CompactByteArray2D的独立的内存消耗

整个计划：

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，这主要是作为草图，以显示一种可能的方法。界面的细节将取决于预期的应用模式。

¹ 附注：

内存开销问题在其他语言中类似。例如，在C / C ++中，最接近“2D Java数组”的结构将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，您还有一个与行数成比例的开销 - 即每行一个（通常是4个字节）指针。