java - 为什么我的方法的 JNI 实现比纯 Java 运行得慢？

Question

作为我的一个 CS 类的一部分，我必须用 Java 编写一个矩阵类，其中一些方法通过 Java native 接口(interface)用 Java 和 C++ 实现，并测量执行时间的差异。

这两个版本的编写和调试都非常简单，我花了大约 3 个小时在谷歌上搜索如何选择界面，最后我得到了以下代码:

矩阵.java:

public class Matrix {

    private double[] data;
    private int width, height;

    public Matrix(int h, int w) {
        width = w;
        height = h;
        data = new double[w * h];
    }

    public static void main(String[] args) {
        /*  takes 3 parametres u, v and w, creates two matrices m1 and m2, dimensions u*v and v*w
         *  fills them with random doubles, multiplies m1 * m2 with both methods
         *  reports time elapsed and checks equality of result */
    }

    public Matrix multiply(Matrix mat)       { return multiply(mat, false); }
    public Matrix multiplyNative(Matrix mat) { return multiply(mat, true);  }

    public Matrix multiply(Matrix mat, boolean natively) {
        int u, v, w;
        u = this.height;
        w = mat.width;
        Matrix res = new Matrix(u, w);
        if(this.width == mat.height) v = this.width;
        else return res;
        if(natively) multiplyC(this.data, mat.data, res.data, u, v, w);
        else {
            for(int i=0; i<u; i++) {
                for(int j=0; j<w; j++) {
                    double elem = 0.0;
                    for(int k=0; k<v; k++) {
                        elem += this.data[i*v+k] * mat.data[k*w+j];
                    }
                    res.data[i*w+j] = elem;
                }
            }
        }
        return res;
    }

    public static native void multiplyC(double[] a, double[] b, double[] r, int i, int j, int k);

    // SNIP: equals and random-prefill methods

    static {
        System.loadLibrary("Matrix");
    }
}

矩阵.cpp:

#include "Matrix.h"

JNIEXPORT void JNICALL Java_Matrix_multiplyC(JNIEnv *env, jclass,
                jdoubleArray a, jdoubleArray b, jdoubleArray res,
                jint u, jint v, jint w) {

    jdouble* mat1 = env->GetDoubleArrayElements(a, 0);
    jdouble* mat2 = env->GetDoubleArrayElements(b, 0);
    jdouble* mat_res = env->GetDoubleArrayElements(res, 0);

    for(int i=0; i<u; i++) {
        for(int j=0; j<w; j++) {
            jdouble elem = 0.0;
            for(int k=0; k<v; k++) {
                elem += mat1[i*v+k] * mat2[k*w+j];
            }
            mat_res[i*w+j] = elem;
        }
    }

    env->ReleaseDoubleArrayElements(a, mat1, 0);
    env->ReleaseDoubleArrayElements(b, mat2, 0);
    env->ReleaseDoubleArrayElements(res, mat_res, 0);
}

但是由于某些原因，Java 实现对于大多数输入大小来说都一样快或更快，这绝对不是一些同学所期望的结果。

这里是一些不同矩阵大小的示例输出数据，取 self 的 Debian 虚拟盒子:

axim@hackbox:~/Desktop/prcpp/jni$ java -Djava.library.path=. Matrix 5 12 8
time taken in Java: 11452ns
time taken in C++:  20990ns
results equal:      true
axim@hackbox:~/Desktop/prcpp/jni$ java -Djava.library.path=. Matrix 20 48 32
time taken in Java: 5439887ns
time taken in C++:  5492423ns
results equal:      true
axim@hackbox:~/Desktop/prcpp/jni$ java -Djava.library.path=. Matrix 80 192 128
time taken in Java: 19726130ns
time taken in C++:  25375681ns
results equal:      true
axim@hackbox:~/Desktop/prcpp/jni$ java -Djava.library.path=. Matrix 320 768 512
time taken in Java: 194357345ns
time taken in C++:  384648461ns
results equal:      true
axim@hackbox:~/Desktop/prcpp/jni$ java -Djava.library.path=. Matrix 1280 3072 2048
time taken in Java: 58514495266ns
time taken in C++:  116695035710ns
results equal:      true

如您所见， native 版本运行所需的时间一直很长，但是两者的比率似乎不稳定并且似乎没有遵循趋势，但是当我重新运行时它相对稳定尺寸成倍增加。

为了让这更奇怪，在我的 Macbook 上它遵循完全不同的曲线:它开始时类似，对于小尺寸来说慢了近 2 倍，在中等尺寸(大约 100-200 行/列)它在 20-30 内完成% 的时间，然后在大尺寸时，它再次并驾齐驱。

axim@ax1m-MBP:~/Desktop/CodeStuff/prcpp/a1/matrix$ java Matrix 5 12 8
time taken in Java:     32454ns
time taken in C++:      43379ns
results equal:          true
axim@ax1m-MBP:~/Desktop/CodeStuff/prcpp/a1/matrix$ java Matrix 20 48 32
time taken in Java:     1278592ns
time taken in C++:      103246ns
results equal:          true
axim@ax1m-MBP:~/Desktop/CodeStuff/prcpp/a1/matrix$ java Matrix 80 192 128
time taken in Java:     12594845ns
time taken in C++:      2604591ns
results equal:          true
axim@ax1m-MBP:~/Desktop/CodeStuff/prcpp/a1/matrix$ java Matrix 320 768 512
time taken in Java:     1272993352ns
time taken in C++:      1217730765ns
results equal:          true
axim@ax1m-MBP:~/Desktop/CodeStuff/prcpp/a1/matrix$ java Matrix 1280 3072 2048
time taken in Java:     110882859155ns
time taken in C++:      102803692425ns
results equal:          true

这里的第三个电话是关于我与同学交谈的期望，但该程序需要根据作业处理更大的数据。如果有人能解释这里到底发生了什么，那就太好了？

Answer 1

尝试在编译代码时使用 -O3 ;)

首先，您不必为输入的数组提交更改。如果您将对不需要传回 Java 的数组使用 JNI_ABORT，您将在 C++ 中获得更快的计算:

-O3

java -Djava.library.path=. -cp . Matrix 5 12 8
C++: 0
java -Djava.library.path=. -cp . Matrix 20 48 32
C++: 0
java -Djava.library.path=. -cp . Matrix 80 192 128
C++: 2
java -Djava.library.path=. -cp . Matrix 320 768 512
C++: 1254
java -Djava.library.path=. -cp . Matrix 1280 3072 2048
C++: 104179

-O0

java -Djava.library.path=. -cp . Matrix 5 12 8
C++: 0
java -Djava.library.path=. -cp . Matrix 20 48 32
C++: 0
java -Djava.library.path=. -cp . Matrix 80 192 128
C++: 7
java -Djava.library.path=. -cp . Matrix 320 768 512
C++: 2400
java -Djava.library.path=. -cp . Matrix 1280 3072 2048
C++: 183814

-O3 + JNI_ABORT

java -Djava.library.path=. -cp . Matrix 5 12 8
C++: 0
java -Djava.library.path=. -cp . Matrix 20 48 32
C++: 0
java -Djava.library.path=. -cp . Matrix 80 192 128
C++: 3
java -Djava.library.path=. -cp . Matrix 320 768 512
C++: 1121
java -Djava.library.path=. -cp . Matrix 1280 3072 2048
C++: 96696

Java

java -Djava.library.path=. -cp . Matrix 5 12 8
Java: 0
java -Djava.library.path=. -cp . Matrix 20 48 32
Java: 1
java -Djava.library.path=. -cp . Matrix 80 192 128
Java: 13
java -Djava.library.path=. -cp . Matrix 320 768 512
Java: 1242
java -Djava.library.path=. -cp . Matrix 1280 3072 2048
Java: 101324

您可以在此处阅读有关 JNI_ABORT 的更多信息:http://jnicookbook.owsiak.org/recipe-No-013/

如果我要编写这段代码，我会把 u、v、w 传递给 C++，我会在那里创建数组，然后我会创建输出数组并将它传回 Java。更少的数据复制粘贴 ;)