Java：声明大小为 n 的数组需要多长时间？

Question

在Java中声明一个大小为n的数组的运行时间是多少？我想这取决于内存是否在垃圾回收时清零（在这种情况下它可能是 O(1) ）或在初始化时清零（在这种情况下它必须是 O(n) ）。

Answer 1

这是O(n)。考虑这个简单的程序：

public class ArrayTest {

  public static void main(String[] args) {
     int[] var = new int[5];
  }

}

生成的字节码是：

Compiled from "ArrayTest.java"
public class ArrayTest extends java.lang.Object{
public ArrayTest();
  Code:
   0:   aload_0
   1:   invokespecial   #1; //Method java/lang/Object."<init>":()V
   4:   return

public static void main(java.lang.String[]);
  Code:
   0:   iconst_5
   1:   newarray int
   3:   astore_1
   4:   return

}

要查看的指令是 newarray 指令（只需搜索 newarray）。来自虚拟机规范：

从垃圾回收堆中分配一个新数组，其组件类型为 atype，长度为 count。这个新数组对象的引用 arrayref 被推入操作数堆栈。 新数组的每个元素都被初始化为数组类型的默认初始值 (§2.5.1)。

由于每个元素都被初始化，因此需要 O( n) 时间。

编辑

查看提供的链接，可以在恒定时间内使用默认值实现数组初始化。所以我想这最终取决于 JVM。您可以做一些粗略的基准测试来看看是否是这种情况。

Answer 2

JRE1.6 上的一个小型非专业基准测试：

public static void main(String[] args) {
    long start = System.nanoTime();
    int[] x = new int[50];
    long smallArray = System.nanoTime();
    int[] m = new int[1000000];
    long bigArray = System.nanoTime();
    System.out.println("big:" +  new Long( bigArray - smallArray));
    System.out.println("small:" +  new Long( smallArray - start));


}

给出了以下结果：

big:6133612
small:6159

所以我假设 O(n)。
当然，这还不够确定，但这是一个提示。

Answer 3

我很确定它是 O(n)，因为内存是在分配数组时初始化的。它不应该高于 O(n)，而且我看不出有什么办法可以使它小于 O(n)，所以这似乎是唯一的选择。

进一步详细说明，Java 在分配时初始化数组。没有办法在不遍历内存区域的情况下将其清零，并且该区域的大小决定了指令的数量。因此，下界是 O(n)。此外，使用比线性慢的归零算法是没有意义的，因为存在线性解，因此上限必须是 O(n)。因此，O(n) 是唯一有意义的答案。

不过，只是为了好玩，想象一下一个奇怪的硬件，其中操作系统可以控制各个内存区域的电源，并且可以通过关闭然后打开电源来将某个区域归零。这看起来像是 O(1) 。但在效用消失之前，区域只能这么大（不想失去一切），因此要求将区域归零仍然是 O(n) 且除数很大。

Answer 4

我们来测试一下。

class ArrayAlloc {
  static long alloc(int n) {
    long start = System.nanoTime();
    long[] var = new long[n];
    long total = System.nanoTime() - start;
    var[n/2] = 8;
    return total;
  }
  public static void main(String[] args) {
    for(int i=1; i<100000000; i+=1000000) {
      System.out.println(i + "," + alloc(i));
    }
  }
}

我的 Linux 笔记本电脑（i7-4600M @ 2.90GHz）上的结果：

所以它显然看起来像 O(n)，但是看起来它还切换到了大约 500 万个元素的更有效的方法。