`
feikiss
  • 浏览: 97609 次
  • 性别: Icon_minigender_1
  • 来自: 西安
社区版块
存档分类
最新评论

java中多维数组探讨及发散思考

阅读更多
今天在stackoverflow上面看到一个帖子讨论说关于提高数组效率的问题,看了下他的问题,是关于一个四维数组的效率问题,四维数组类似这样子:
ushort[, , ,] map = new ushort[3000, 3000, 3, 3];

暂且先不管为啥要搞一个四维数组(毕竟四维已经超出了人的立体思维想象了-_-),我随手写了一个测试类来测试,但是发现了一个更有意思的现象,数组声明方式不同会导致初始化的效率极大区别:
声明方式一:
int [][][][] map = new int[3000][3000][3][3];

声明方式二:
int [][][][] map2 = new int[3][3][3000][3000];

方式一花费时间大概为13秒,方式二花费时间不到1秒,而且内存耗费前者为1158000K,后者为342320K,相差3倍。
文字描述就这些,下面直接看代码:
public class MutipleArray {

    public static void main(String[] args) throws InterruptedException {
        long t0 = System.currentTimeMillis();
        int [][][][] map = new int[3000][3000][3][3];
        for (int i = 0; i < 3000; i++)
            for (int j = 0; j < 3000; j++)
                for (int k = 0; k < 3; k++)
                    for (int l = 0; l < 3; l++)
                       map[i][j][k][l] = 45001;
        long t1 = System.currentTimeMillis();
        System.out.println("Time for initializing the first Array:"+(t1-t0)+"ms");
       
        int [][][][] map2 = new int[3][3][3000][3000];
        for (int i = 0; i < 3; i++)
            for (int j = 0; j < 3; j++)
                for (int k = 0; k < 3000; k++)
                    for (int l = 0; l < 3000; l++)
                        map2[i][j][k][l] = 45001;
        long t2 = System.currentTimeMillis();
        System.out.println("Time for initializing the second Array:"+(t2-t1)+"ms");
        
        Thread.sleep(10000);
    }
}

结果:
Time for initializing the first Array:13570ms
Time for initializing the second Array:495ms


为什么同样容量的数组,效率却差别如此之大呢?
个人看法:
方式一:
int [][][][] map = new int[3000][3000][3][3];

其实相当于:
int [][][][] map = new int[3000*3000*3][3];

方式二:
int [][][][] map2 = new int[3][3][3000][3000];

相当于:
int [][][][] map2 = new int[3*3*3000][3000];

方式一需要JVM为map开辟3000*3000*3个内存大小为4个字节的3个连续空间。
方式二需要JVM为map1开辟3*3*3000个内存大小为4个字节的3000个连续空间,这一下子就把时间效率区别开了。但是为什么二者所占的内存大小却也相差3倍左右呢?没有继续探究,希望能抛砖引玉,大家在此讨论一下。

分享到:
评论

相关推荐

Global site tag (gtag.js) - Google Analytics