Program Java berikut ini berjalan antara 0,50 detik dan 0,55 detik:
public static void main(String[] args) {
long startTime = System.nanoTime();
int n = 0;
for (int i = 0; i < 1000000000; i++) {
n += 2 * (i * i);
}
System.out.println((double) (System.nanoTime() - startTime) / 1000000000 + " s");
System.out.println("n = " + n);
}
Jika saya mengganti 2 * (i * i)
dengan 2 * i * i
, dibutuhkan antara 0,60 dan 0,65 detik untuk dijalankan. Bagaimana bisa?
Saya menjalankan setiap versi program 15 kali, bergantian antara keduanya. Inilah hasilnya:
2*(i*i) | 2*i*i
----------+----------
0.5183738 | 0.6246434
0.5298337 | 0.6049722
0.5308647 | 0.6603363
0.5133458 | 0.6243328
0.5003011 | 0.6541802
0.5366181 | 0.6312638
0.515149 | 0.6241105
0.5237389 | 0.627815
0.5249942 | 0.6114252
0.5641624 | 0.6781033
0.538412 | 0.6393969
0.5466744 | 0.6608845
0.531159 | 0.6201077
0.5048032 | 0.6511559
0.5232789 | 0.6544526
Proses tercepat 2 * i * i
membutuhkan waktu lebih lama daripada 2 * (i * i)
yang paling lambat. Jika keduanya sama-sama efisien, kemungkinan terjadinya ini akan kurang dari 1/2 ^ 15 * 100% = 0,00305%.
Ada sedikit perbedaan dalam pemesanan bytecode.
2 * (i * i)
:
iconst_2
iload0
iload0
imul
imul
iadd
vs 2 * i * i
:
iconst_2
iload0
imul
iload0
imul
iadd
Pada pandangan pertama ini seharusnya tidak membuat perbedaan; jika ada versi kedua lebih optimal karena menggunakan satu slot kurang.
Jadi kita perlu menggali lebih dalam ke level yang lebih rendah (JIT)1.
Ingat bahwa JIT cenderung membuka gulungan kecil dengan sangat agresif. Memang kami mengamati 16x membuka gulungan untuk kasus 2 * (i * i)
:
030 B2: # B2 B3 <- B1 B2 Loop: B2-B2 inner main of N18 Freq: 1e+006
030 addl R11, RBP # int
033 movl RBP, R13 # spill
036 addl RBP, #14 # int
039 imull RBP, RBP # int
03c movl R9, R13 # spill
03f addl R9, #13 # int
043 imull R9, R9 # int
047 sall RBP, #1
049 sall R9, #1
04c movl R8, R13 # spill
04f addl R8, #15 # int
053 movl R10, R8 # spill
056 movdl XMM1, R8 # spill
05b imull R10, R8 # int
05f movl R8, R13 # spill
062 addl R8, #12 # int
066 imull R8, R8 # int
06a sall R10, #1
06d movl [rsp + #32], R10 # spill
072 sall R8, #1
075 movl RBX, R13 # spill
078 addl RBX, #11 # int
07b imull RBX, RBX # int
07e movl RCX, R13 # spill
081 addl RCX, #10 # int
084 imull RCX, RCX # int
087 sall RBX, #1
089 sall RCX, #1
08b movl RDX, R13 # spill
08e addl RDX, #8 # int
091 imull RDX, RDX # int
094 movl RDI, R13 # spill
097 addl RDI, #7 # int
09a imull RDI, RDI # int
09d sall RDX, #1
09f sall RDI, #1
0a1 movl RAX, R13 # spill
0a4 addl RAX, #6 # int
0a7 imull RAX, RAX # int
0aa movl RSI, R13 # spill
0ad addl RSI, #4 # int
0b0 imull RSI, RSI # int
0b3 sall RAX, #1
0b5 sall RSI, #1
0b7 movl R10, R13 # spill
0ba addl R10, #2 # int
0be imull R10, R10 # int
0c2 movl R14, R13 # spill
0c5 incl R14 # int
0c8 imull R14, R14 # int
0cc sall R10, #1
0cf sall R14, #1
0d2 addl R14, R11 # int
0d5 addl R14, R10 # int
0d8 movl R10, R13 # spill
0db addl R10, #3 # int
0df imull R10, R10 # int
0e3 movl R11, R13 # spill
0e6 addl R11, #5 # int
0ea imull R11, R11 # int
0ee sall R10, #1
0f1 addl R10, R14 # int
0f4 addl R10, RSI # int
0f7 sall R11, #1
0fa addl R11, R10 # int
0fd addl R11, RAX # int
100 addl R11, RDI # int
103 addl R11, RDX # int
106 movl R10, R13 # spill
109 addl R10, #9 # int
10d imull R10, R10 # int
111 sall R10, #1
114 addl R10, R11 # int
117 addl R10, RCX # int
11a addl R10, RBX # int
11d addl R10, R8 # int
120 addl R9, R10 # int
123 addl RBP, R9 # int
126 addl RBP, [RSP + #32 (32-bit)] # int
12a addl R13, #16 # int
12e movl R11, R13 # spill
131 imull R11, R13 # int
135 sall R11, #1
138 cmpl R13, #999999985
13f jl B2 # loop end P=1.000000 C=6554623.000000
Kita melihat bahwa ada 1 register yang "tumpah" ke stack.
Dan untuk versi 2 * i * i
:
05a B3: # B2 B4 <- B1 B2 Loop: B3-B2 inner main of N18 Freq: 1e+006
05a addl RBX, R11 # int
05d movl [rsp + #32], RBX # spill
061 movl R11, R8 # spill
064 addl R11, #15 # int
068 movl [rsp + #36], R11 # spill
06d movl R11, R8 # spill
070 addl R11, #14 # int
074 movl R10, R9 # spill
077 addl R10, #16 # int
07b movdl XMM2, R10 # spill
080 movl RCX, R9 # spill
083 addl RCX, #14 # int
086 movdl XMM1, RCX # spill
08a movl R10, R9 # spill
08d addl R10, #12 # int
091 movdl XMM4, R10 # spill
096 movl RCX, R9 # spill
099 addl RCX, #10 # int
09c movdl XMM6, RCX # spill
0a0 movl RBX, R9 # spill
0a3 addl RBX, #8 # int
0a6 movl RCX, R9 # spill
0a9 addl RCX, #6 # int
0ac movl RDX, R9 # spill
0af addl RDX, #4 # int
0b2 addl R9, #2 # int
0b6 movl R10, R14 # spill
0b9 addl R10, #22 # int
0bd movdl XMM3, R10 # spill
0c2 movl RDI, R14 # spill
0c5 addl RDI, #20 # int
0c8 movl RAX, R14 # spill
0cb addl RAX, #32 # int
0ce movl RSI, R14 # spill
0d1 addl RSI, #18 # int
0d4 movl R13, R14 # spill
0d7 addl R13, #24 # int
0db movl R10, R14 # spill
0de addl R10, #26 # int
0e2 movl [rsp + #40], R10 # spill
0e7 movl RBP, R14 # spill
0ea addl RBP, #28 # int
0ed imull RBP, R11 # int
0f1 addl R14, #30 # int
0f5 imull R14, [RSP + #36 (32-bit)] # int
0fb movl R10, R8 # spill
0fe addl R10, #11 # int
102 movdl R11, XMM3 # spill
107 imull R11, R10 # int
10b movl [rsp + #44], R11 # spill
110 movl R10, R8 # spill
113 addl R10, #10 # int
117 imull RDI, R10 # int
11b movl R11, R8 # spill
11e addl R11, #8 # int
122 movdl R10, XMM2 # spill
127 imull R10, R11 # int
12b movl [rsp + #48], R10 # spill
130 movl R10, R8 # spill
133 addl R10, #7 # int
137 movdl R11, XMM1 # spill
13c imull R11, R10 # int
140 movl [rsp + #52], R11 # spill
145 movl R11, R8 # spill
148 addl R11, #6 # int
14c movdl R10, XMM4 # spill
151 imull R10, R11 # int
155 movl [rsp + #56], R10 # spill
15a movl R10, R8 # spill
15d addl R10, #5 # int
161 movdl R11, XMM6 # spill
166 imull R11, R10 # int
16a movl [rsp + #60], R11 # spill
16f movl R11, R8 # spill
172 addl R11, #4 # int
176 imull RBX, R11 # int
17a movl R11, R8 # spill
17d addl R11, #3 # int
181 imull RCX, R11 # int
185 movl R10, R8 # spill
188 addl R10, #2 # int
18c imull RDX, R10 # int
190 movl R11, R8 # spill
193 incl R11 # int
196 imull R9, R11 # int
19a addl R9, [RSP + #32 (32-bit)] # int
19f addl R9, RDX # int
1a2 addl R9, RCX # int
1a5 addl R9, RBX # int
1a8 addl R9, [RSP + #60 (32-bit)] # int
1ad addl R9, [RSP + #56 (32-bit)] # int
1b2 addl R9, [RSP + #52 (32-bit)] # int
1b7 addl R9, [RSP + #48 (32-bit)] # int
1bc movl R10, R8 # spill
1bf addl R10, #9 # int
1c3 imull R10, RSI # int
1c7 addl R10, R9 # int
1ca addl R10, RDI # int
1cd addl R10, [RSP + #44 (32-bit)] # int
1d2 movl R11, R8 # spill
1d5 addl R11, #12 # int
1d9 imull R13, R11 # int
1dd addl R13, R10 # int
1e0 movl R10, R8 # spill
1e3 addl R10, #13 # int
1e7 imull R10, [RSP + #40 (32-bit)] # int
1ed addl R10, R13 # int
1f0 addl RBP, R10 # int
1f3 addl R14, RBP # int
1f6 movl R10, R8 # spill
1f9 addl R10, #16 # int
1fd cmpl R10, #999999985
204 jl B2 # loop end P=1.000000 C=7419903.000000
Di sini kami mengamati lebih banyak "tumpahan" dan lebih banyak akses ke tumpukan [RSP + ...]
, karena hasil yang lebih menengah yang perlu dipertahankan.
Dengan demikian jawaban atas pertanyaannya sederhana: 2 * (i * i)
lebih cepat daripada 2 * i * i
karena JIT menghasilkan kode Majelis yang lebih optimal untuk kasus pertama.
Tetapi tentu saja jelas bahwa versi pertama maupun kedua tidak ada gunanya; loop benar-benar bisa mendapat manfaat dari vektorisasi, karena setiap x86-64 CPU memiliki setidaknya dukungan SSE2.
Jadi ini masalah optimizer; seperti yang sering terjadi, itu membuka gulungan terlalu agresif dan menembak dirinya sendiri di kaki, sambil kehilangan berbagai peluang lainnya.
Faktanya, CPU x86-64 modern memecah instruksi lebih lanjut menjadi micro-ops (µops) dan dengan fitur-fitur seperti pengubahan nama register, cache µop dan buffer loop, optimisasi loop membutuhkan lebih banyak kemahiran daripada membuka gulungan sederhana untuk kinerja optimal. Menurut panduan pengoptimalan Agner Fog :
Keuntungan dalam kinerja karena cache µop bisa sangat besar jika panjang instruksi rata-rata lebih dari 4 byte. Metode berikut untuk mengoptimalkan penggunaan cache µop dapat dipertimbangkan:
- Pastikan bahwa loop kritis cukup kecil untuk masuk ke dalam cache µop.
- Sejajarkan entri loop paling penting dan entri fungsi dengan 32.
- Hindari loop terbuka yang tidak perlu.
- Hindari instruksi yang memiliki waktu muat tambahan
. . .
Mengenai waktu muat tersebut - bahkan hit L1D tercepat menghabiskan biaya 4 siklus , register ekstra dan µop, jadi ya, bahkan beberapa akses ke memori akan merusak kinerja dalam loop ketat.
Tetapi kembali ke peluang vektorisasi - untuk melihat seberapa cepatnya, kita dapat mengompilasi aplikasi C yang serupa dengan GCC , yang langsung membuat vektorisasi (AVX2 ditunjukkan, SSE2 serupa)2:
vmovdqa ymm0, YMMWORD PTR .LC0[rip]
vmovdqa ymm3, YMMWORD PTR .LC1[rip]
xor eax, eax
vpxor xmm2, xmm2, xmm2
.L2:
vpmulld ymm1, ymm0, ymm0
inc eax
vpaddd ymm0, ymm0, ymm3
vpslld ymm1, ymm1, 1
vpaddd ymm2, ymm2, ymm1
cmp eax, 125000000 ; 8 calculations per iteration
jne .L2
vmovdqa xmm0, xmm2
vextracti128 xmm2, ymm2, 1
vpaddd xmm2, xmm0, xmm2
vpsrldq xmm0, xmm2, 8
vpaddd xmm0, xmm2, xmm0
vpsrldq xmm1, xmm0, 4
vpaddd xmm0, xmm0, xmm1
vmovd eax, xmm0
vzeroupper
Dengan waktu berjalan:
1Untuk mendapatkan output Assembly yang dihasilkan JIT, dapatkan debug JVM dan jalankan dengan -XX:+PrintOptoAssembly
2Versi C dikompilasi dengan flag -fwrapv
, yang memungkinkan GCC untuk memperlakukan overflow integer yang ditandatangani sebagai pembungkus dua komplemen.
Ketika perkalian adalah 2 * (i * i)
, JVM dapat memperhitungkan faktor perkalian dengan 2
dari loop, menghasilkan kode yang setara namun lebih efisien ini:
int n = 0;
for (int i = 0; i < 1000000000; i++) {
n += i * i;
}
n *= 2;
tetapi ketika multiplikasi adalah (2 * i) * i
, JVM tidak mengoptimalkannya karena perkalian dengan konstanta tidak lagi tepat sebelum penambahan.
Berikut adalah beberapa alasan mengapa saya pikir inilah masalahnya:
if (n == 0) n = 1
pada awal loop menghasilkan kedua versi sama efisiennya, karena mengabaikan multiplikasi tidak lagi menjamin bahwa hasilnya akan sama.2 * (i * i)
Berikut ini adalah kode tes yang saya gunakan untuk menarik kesimpulan ini:
public static void main(String[] args) {
long fastVersion = 0;
long slowVersion = 0;
long optimizedVersion = 0;
long modifiedFastVersion = 0;
long modifiedSlowVersion = 0;
for (int i = 0; i < 10; i++) {
fastVersion += fastVersion();
slowVersion += slowVersion();
optimizedVersion += optimizedVersion();
modifiedFastVersion += modifiedFastVersion();
modifiedSlowVersion += modifiedSlowVersion();
}
System.out.println("Fast version: " + (double) fastVersion / 1000000000 + " s");
System.out.println("Slow version: " + (double) slowVersion / 1000000000 + " s");
System.out.println("Optimized version: " + (double) optimizedVersion / 1000000000 + " s");
System.out.println("Modified fast version: " + (double) modifiedFastVersion / 1000000000 + " s");
System.out.println("Modified slow version: " + (double) modifiedSlowVersion / 1000000000 + " s");
}
private static long fastVersion() {
long startTime = System.nanoTime();
int n = 0;
for (int i = 0; i < 1000000000; i++) {
n += 2 * (i * i);
}
return System.nanoTime() - startTime;
}
private static long slowVersion() {
long startTime = System.nanoTime();
int n = 0;
for (int i = 0; i < 1000000000; i++) {
n += 2 * i * i;
}
return System.nanoTime() - startTime;
}
private static long optimizedVersion() {
long startTime = System.nanoTime();
int n = 0;
for (int i = 0; i < 1000000000; i++) {
n += i * i;
}
n *= 2;
return System.nanoTime() - startTime;
}
private static long modifiedFastVersion() {
long startTime = System.nanoTime();
int n = 0;
for (int i = 0; i < 1000000000; i++) {
if (n == 0) n = 1;
n += 2 * (i * i);
}
return System.nanoTime() - startTime;
}
private static long modifiedSlowVersion() {
long startTime = System.nanoTime();
int n = 0;
for (int i = 0; i < 1000000000; i++) {
if (n == 0) n = 1;
n += 2 * i * i;
}
return System.nanoTime() - startTime;
}
Dan inilah hasilnya:
Fast version: 5.7274411 s
Slow version: 7.6190804 s
Optimized version: 5.1348007 s
Modified fast version: 7.1492705 s
Modified slow version: 7.2952668 s
Kode byte: https://cs.nyu.edu/courses/fall00/V22.0201-001/jvm2.html Byte codes Viewer: https://github.com/Konloch/bytecode-viewer
Di JDK saya (Windows 10 64 bit, 1.8.0_65-b17) saya dapat mereproduksi dan menjelaskan:
public static void main(String[] args) {
int repeat = 10;
long A = 0;
long B = 0;
for (int i = 0; i < repeat; i++) {
A += test();
B += testB();
}
System.out.println(A / repeat + " ms");
System.out.println(B / repeat + " ms");
}
private static long test() {
int n = 0;
for (int i = 0; i < 1000; i++) {
n += multi(i);
}
long startTime = System.currentTimeMillis();
for (int i = 0; i < 1000000000; i++) {
n += multi(i);
}
long ms = (System.currentTimeMillis() - startTime);
System.out.println(ms + " ms A " + n);
return ms;
}
private static long testB() {
int n = 0;
for (int i = 0; i < 1000; i++) {
n += multiB(i);
}
long startTime = System.currentTimeMillis();
for (int i = 0; i < 1000000000; i++) {
n += multiB(i);
}
long ms = (System.currentTimeMillis() - startTime);
System.out.println(ms + " ms B " + n);
return ms;
}
private static int multiB(int i) {
return 2 * (i * i);
}
private static int multi(int i) {
return 2 * i * i;
}
Keluaran:
...
405 ms A 785527736
327 ms B 785527736
404 ms A 785527736
329 ms B 785527736
404 ms A 785527736
328 ms B 785527736
404 ms A 785527736
328 ms B 785527736
410 ms
333 ms
Jadi kenapa? Kode byte adalah ini:
private static multiB(int arg0) { // 2 * (i * i)
<localVar:index=0, name=i , desc=I, sig=null, start=L1, end=L2>
L1 {
iconst_2
iload0
iload0
imul
imul
ireturn
}
L2 {
}
}
private static multi(int arg0) { // 2 * i * i
<localVar:index=0, name=i , desc=I, sig=null, start=L1, end=L2>
L1 {
iconst_2
iload0
imul
iload0
imul
ireturn
}
L2 {
}
}
Perbedaannya adalah: Dengan kurung (2 * (i * i)
):
Tanpa tanda kurung (2 * i * i
):
Memuat semua pada tumpukan dan kemudian bekerja kembali lebih cepat daripada beralih antara meletakkan di atas tumpukan dan mengoperasikannya.
Kasperd bertanya dalam komentar dari jawaban yang diterima:
Contoh Java dan C menggunakan nama register yang sangat berbeda. Apakah kedua contoh menggunakan AMD64 ISA?
xor edx, edx
xor eax, eax
.L2:
mov ecx, edx
imul ecx, edx
add edx, 1
lea eax, [rax+rcx*2]
cmp edx, 1000000000
jne .L2
Saya tidak memiliki reputasi yang cukup untuk menjawab ini di komentar, tetapi ini adalah ISA yang sama. Perlu ditunjukkan bahwa versi GCC menggunakan logika integer 32-bit dan versi kompilasi JVM menggunakan logika integer 64-bit secara internal.
R8 ke R15 hanyalah X86_64 baru register . EAX ke EDX adalah bagian bawah register tujuan umum RAX ke RDX. Bagian penting dalam jawabannya adalah bahwa versi GCC tidak terbuka. Ini hanya menjalankan satu putaran loop per loop kode mesin yang sebenarnya. Sementara versi JVM memiliki 16 putaran loop dalam satu loop fisik (berdasarkan jawaban rustyx, saya tidak menafsirkan ulang Majelis). Ini adalah salah satu alasan mengapa ada lebih banyak register yang digunakan karena loop body sebenarnya 16 kali lebih lama.
Meskipun tidak terkait langsung dengan lingkungan pertanyaan, hanya untuk rasa ingin tahu, saya melakukan tes yang sama pada. NET Core 2.1, x64, mode rilis.
Ini adalah hasil yang menarik, mengkonfirmasikan phonomena yang serupa (sebaliknya) terjadi di sisi gelap gaya. Kode:
static void Main(string[] args)
{
Stopwatch watch = new Stopwatch();
Console.WriteLine("2 * (i * i)");
for (int a = 0; a < 10; a++)
{
int n = 0;
watch.Restart();
for (int i = 0; i < 1000000000; i++)
{
n += 2 * (i * i);
}
watch.Stop();
Console.WriteLine($"result:{n}, {watch.ElapsedMilliseconds} ms");
}
Console.WriteLine();
Console.WriteLine("2 * i * i");
for (int a = 0; a < 10; a++)
{
int n = 0;
watch.Restart();
for (int i = 0; i < 1000000000; i++)
{
n += 2 * i * i;
}
watch.Stop();
Console.WriteLine($"result:{n}, {watch.ElapsedMilliseconds}ms");
}
}
Hasil:
2 * (i * i)
2 * i * i
Saya mendapat hasil yang serupa:
2 * (i * i): 0.458765943 s, n=119860736
2 * i * i: 0.580255126 s, n=119860736
Saya mendapatSAMAhasil jika kedua loop berada di program yang sama, atau masing-masing dalam file .Java/.class terpisah, dieksekusi pada menjalankan yang terpisah.
Akhirnya, inilah dekompilasi javap -c -v <.Java>
masing-masing:
3: ldc #3 // String 2 * (i * i):
5: invokevirtual #4 // Method Java/io/PrintStream.print:(Ljava/lang/String;)V
8: invokestatic #5 // Method Java/lang/System.nanoTime:()J
8: invokestatic #5 // Method Java/lang/System.nanoTime:()J
11: lstore_1
12: iconst_0
13: istore_3
14: iconst_0
15: istore 4
17: iload 4
19: ldc #6 // int 1000000000
21: if_icmpge 40
24: iload_3
25: iconst_2
26: iload 4
28: iload 4
30: imul
31: imul
32: iadd
33: istore_3
34: iinc 4, 1
37: goto 17
vs.
3: ldc #3 // String 2 * i * i:
5: invokevirtual #4 // Method Java/io/PrintStream.print:(Ljava/lang/String;)V
8: invokestatic #5 // Method Java/lang/System.nanoTime:()J
11: lstore_1
12: iconst_0
13: istore_3
14: iconst_0
15: istore 4
17: iload 4
19: ldc #6 // int 1000000000
21: if_icmpge 40
24: iload_3
25: iconst_2
26: iload 4
28: imul
29: iload 4
31: imul
32: iadd
33: istore_3
34: iinc 4, 1
37: goto 17
FYI -
Java -version
Java version "1.8.0_121"
Java(TM) SE Runtime Environment (build 1.8.0_121-b13)
Java HotSpot(TM) 64-Bit Server VM (build 25.121-b13, mixed mode)
Saya mencoba JMH menggunakan pola dasar default: Saya juga menambahkan versi yang dioptimalkan berdasarkan Penjelasan Runemoro .
@State(Scope.Benchmark)
@Warmup(iterations = 2)
@Fork(1)
@Measurement(iterations = 10)
@OutputTimeUnit(TimeUnit.NANOSECONDS)
//@BenchmarkMode({ Mode.All })
@BenchmarkMode(Mode.AverageTime)
public class MyBenchmark {
@Param({ "100", "1000", "1000000000" })
private int size;
@Benchmark
public int two_square_i() {
int n = 0;
for (int i = 0; i < size; i++) {
n += 2 * (i * i);
}
return n;
}
@Benchmark
public int square_i_two() {
int n = 0;
for (int i = 0; i < size; i++) {
n += i * i;
}
return 2*n;
}
@Benchmark
public int two_i_() {
int n = 0;
for (int i = 0; i < size; i++) {
n += 2 * i * i;
}
return n;
}
}
Hasilnya ada di sini:
Benchmark (size) Mode Samples Score Score error Units
o.s.MyBenchmark.square_i_two 100 avgt 10 58,062 1,410 ns/op
o.s.MyBenchmark.square_i_two 1000 avgt 10 547,393 12,851 ns/op
o.s.MyBenchmark.square_i_two 1000000000 avgt 10 540343681,267 16795210,324 ns/op
o.s.MyBenchmark.two_i_ 100 avgt 10 87,491 2,004 ns/op
o.s.MyBenchmark.two_i_ 1000 avgt 10 1015,388 30,313 ns/op
o.s.MyBenchmark.two_i_ 1000000000 avgt 10 967100076,600 24929570,556 ns/op
o.s.MyBenchmark.two_square_i 100 avgt 10 70,715 2,107 ns/op
o.s.MyBenchmark.two_square_i 1000 avgt 10 686,977 24,613 ns/op
o.s.MyBenchmark.two_square_i 1000000000 avgt 10 652736811,450 27015580,488 ns/op
Di PC saya ( Core i7 860 - tidak ada artinya selain membaca di smartphone saya):
n += i*i
maka n*2
adalah yang pertama2 * (i * i)
adalah yang kedua.JVM jelas tidak mengoptimalkan dengan cara yang sama dengan manusia (berdasarkan jawaban Runemoro).
Nah, membaca bytecode: javap -c -v ./target/classes/org/sample/MyBenchmark.class
Saya bukan ahli bytecode, tapi kami iload_2
sebelum kami imul
: di situlah Anda mendapatkan perbedaan: Saya dapat menduga bahwa JVM mengoptimalkan pembacaan i
dua kali (i
sudah ada di sini, dan tidak perlu memuat lagi) sementara 2*i*i
tidak bisa.
Lebih dari sebuah tambahan. Saya melakukan repro percobaan menggunakan Java 8 JVM terbaru dari IBM:
Java version "1.8.0_191"
Java(TM) 2 Runtime Environment, Standard Edition (IBM build 1.8.0_191-b12 26_Oct_2018_18_45 Mac OS X x64(SR5 FP25))
Java HotSpot(TM) 64-Bit Server VM (build 25.191-b12, mixed mode)
Dan ini menunjukkan hasil yang sangat mirip:
0.374653912 s
n = 119860736
0.447778698 s
n = 119860736
(hasil kedua menggunakan 2 * i * i).
Cukup menarik, ketika berjalan di mesin yang sama, tetapi menggunakan Oracle Java:
Java version "1.8.0_181"
Java(TM) SE Runtime Environment (build 1.8.0_181-b13)
Java HotSpot(TM) 64-Bit Server VM (build 25.181-b13, mixed mode)
hasilnya rata-rata sedikit lebih lambat:
0.414331815 s
n = 119860736
0.491430656 s
n = 119860736
Singkat cerita: bahkan nomor versi kecil masalah HotSpot di sini, karena perbedaan halus dalam implementasi JIT dapat memiliki efek penting.
Pengamatan menarik menggunakan Java 11 dan mematikan loop terbuka dengan opsi VM berikut:
-XX:LoopUnrollLimit=0
Pengulangan dengan ekspresi 2 * (i * i)
menghasilkan kode asli yang lebih ringkas1:
L0001: add eax,r11d
inc r8d
mov r11d,r8d
imul r11d,r8d
shl r11d,1h
cmp r8d,r10d
jl L0001
dibandingkan dengan versi 2 * i * i
:
L0001: add eax,r11d
mov r11d,r8d
shl r11d,1h
add r11d,2h
inc r8d
imul r11d,r8d
cmp r8d,r10d
jl L0001
Versi Java:
Java version "11" 2018-09-25
Java(TM) SE Runtime Environment 18.9 (build 11+28)
Java HotSpot(TM) 64-Bit Server VM 18.9 (build 11+28, mixed mode)
Hasil patok banding:
Benchmark (size) Mode Cnt Score Error Units
LoopTest.fast 1000000000 avgt 5 694,868 ± 36,470 ms/op
LoopTest.slow 1000000000 avgt 5 769,840 ± 135,006 ms/op
Kode sumber patokan:
@BenchmarkMode(Mode.AverageTime)
@OutputTimeUnit(TimeUnit.MILLISECONDS)
@Warmup(iterations = 5, time = 5, timeUnit = TimeUnit.SECONDS)
@Measurement(iterations = 5, time = 5, timeUnit = TimeUnit.SECONDS)
@State(Scope.Thread)
@Fork(1)
public class LoopTest {
@Param("1000000000") private int size;
public static void main(String[] args) throws RunnerException {
Options opt =
new OptionsBuilder().include(LoopTest.class.getSimpleName())
.jvmArgs("-XX:LoopUnrollLimit=0")
.build();
new Runner(opt).run();
}
@Benchmark
public int slow() {
int n = 0;
for (int i = 0; i < size; i++) {
n += 2 * i * i;
}
return n;
}
@Benchmark
public int fast() {
int n = 0;
for (int i = 0; i < size; i++) {
n += 2 * (i * i);
}
return n;
}
}
1 - VM opsi yang digunakan: -XX:+UnlockDiagnosticVMOptions -XX:+PrintAssembly -XX:LoopUnrollLimit=0
Dua metode penambahan memang menghasilkan kode byte yang sedikit berbeda:
17: iconst_2
18: iload 4
20: iload 4
22: imul
23: imul
24: iadd
Untuk 2 * (i * i)
vs:
17: iconst_2
18: iload 4
20: imul
21: iload 4
23: imul
24: iadd
Untuk 2 * i * i
.
Dan ketika menggunakan JMH benchmark seperti ini:
@Warmup(iterations = 5, batchSize = 1)
@Measurement(iterations = 5, batchSize = 1)
@Fork(1)
@BenchmarkMode(Mode.AverageTime)
@OutputTimeUnit(TimeUnit.MILLISECONDS)
@State(Scope.Benchmark)
public class MyBenchmark {
@Benchmark
public int noBrackets() {
int n = 0;
for (int i = 0; i < 1000000000; i++) {
n += 2 * i * i;
}
return n;
}
@Benchmark
public int brackets() {
int n = 0;
for (int i = 0; i < 1000000000; i++) {
n += 2 * (i * i);
}
return n;
}
}
Perbedaannya jelas:
# JMH version: 1.21
# VM version: JDK 11, Java HotSpot(TM) 64-Bit Server VM, 11+28
# VM options: <none>
Benchmark (n) Mode Cnt Score Error Units
MyBenchmark.brackets 1000000000 avgt 5 380.889 ± 58.011 ms/op
MyBenchmark.noBrackets 1000000000 avgt 5 512.464 ± 11.098 ms/op
Apa yang Anda amati benar, dan bukan hanya anomali dari gaya pembandingan Anda (mis. Tidak ada pemanasan, lihat Bagaimana cara saya menulis pembandingan mikro di Jawa? )
Berlari lagi dengan Graal:
# JMH version: 1.21
# VM version: JDK 11, Java HotSpot(TM) 64-Bit Server VM, 11+28
# VM options: -XX:+UnlockExperimentalVMOptions -XX:+EnableJVMCI -XX:+UseJVMCICompiler
Benchmark (n) Mode Cnt Score Error Units
MyBenchmark.brackets 1000000000 avgt 5 335.100 ± 23.085 ms/op
MyBenchmark.noBrackets 1000000000 avgt 5 331.163 ± 50.670 ms/op
Anda melihat bahwa hasilnya jauh lebih dekat, yang masuk akal, karena Graal adalah kompiler yang berkinerja lebih baik, lebih modern, secara keseluruhan.
Jadi ini benar-benar hanya sampai seberapa baik kompiler JIT mampu mengoptimalkan potongan kode tertentu, dan tidak selalu memiliki alasan logis untuk itu.