深拷贝最佳实践：考虑拷贝消耗的 CPU 和拷贝速度

深拷贝（clone）是 Java 开发过程中经常遇到问题，有人用 IO 流、有人用 JSON 序列化、有人循环拷贝属性等等，网上文章都能实现功能。

问题：

clone 属于计算操作，消耗 CPU 如果速度慢（高并发场景几十毫秒也是非常慢的）会导致程序卡顿，QPS 降低。网上解决方案都没有提到性能问题，我实际使用后对性能进行了优化，最后推荐 FastClone。

FastClone 介绍

FastClone 是一款非常好用，支持大部分场景深克隆和浅克隆的工具。被推荐的不多，被埋没了。

<dependency>
  <groupId>com.github.bruce-cloud</groupId>
  <artifactId>fastclone</artifactId>
  <version>1.0.RELEASE</version>
</dependency>

用法：

// 深克隆list
FastClone fastClone = new FastClone();
List<T> clone = fastClone.clone(src);

// 深克隆list
FastClone fastClone = new FastClone();
List<T> clone = fastClone.cloneShallow(src);

性能对比

我们项目中用了三种方式对大对象进行深克隆对比 clone：

1. 使用 IO 流写入再读取出来，平均耗时 52ms，也就是会占用 52ms 的 CPU。

public static <T> List <T> deepCopy(List <T> src) {
    try {
        ByteArrayOutputStream byteout = new ByteArrayOutputStream();
        ObjectOutputStream out = new ObjectOutputStream(byteout);
        out.writeObject(src);
        ByteArrayInputStream bytein = new ByteArrayInputStream(byteout.toByteArray());
        ObjectInputStream in = new ObjectInputStream(bytein);
        @SuppressWarnings("unchecked")
        List < T > dest = (List < T > ) in .readObject();
        return dest;
    } catch (ClassNotFoundException e) {
        e.printStackTrace();
        return null;
    } catch (IOException e) {
        e.printStackTrace();
        return null;
    }
}

2. 使用阿里巴巴 fastjson 反序列化先转 JSON 再转对象，平均耗时 65ms，也就是会占用 65ms 的 CPU。

String jsonString = JSON.toJSONString(arrayList);
List < Symbol > configCoinSymbols = JSON.parseArray(jsonString, Symbol.class);

3. 使用 FastClone 反序列化平均耗时 3.4ms，也就是会占用 3.4ms 的 CPU。比其他方式快了将近 20 倍。不过 FastClone 有个缺点，就是不支持 ConcurrentHashMap，其他主流集合都支持。

public static < T > List < T > deepCopy(List < T > src) {
    FastClone fastClone = new FastClone();
    try {
        List < T > clone = fastClone.clone(src);
        return clone;
    } catch (Exception e) {
        log.error("deepCopy 克隆失败", e);
        throw new ExchangeException("deepCopy 克隆失败");
    }
}

结论

复杂对象使用其他方式深克隆，会导致 CPU 飙升，QPS下降，接口响应超时等情况。FastClone 性能方面非常好。