Java 8 的流 : why parallel stream is slower?

Question

我正在使用 Java 8 的流，无法理解我得到的性能结果。我有 2 核 CPU (Intel i73520M)、Windows 8 x64 和 64 位 Java 8 update 5。我正在对字符串的流/并行流进行简单映射，发现并行版本有点慢。

Function<Stream<String>, Long> timeOperation = (Stream<String> stream) -> {
  long time1 = System.nanoTime();
  final List<String> list = 
     stream
       .map(String::toLowerCase)
       .collect(Collectors.toList());
  long time2 = System.nanoTime();
  return time2 - time1;
};

Consumer<Stream<String>> printTime = stream ->
  System.out.println(timeOperation.apply(stream) / 1000000f);

String[] array = new String[1000000];
Arrays.fill(array, "AbabagalamagA");

printTime.accept(Arrays.stream(array));            // prints around 600
printTime.accept(Arrays.stream(array).parallel()); // prints around 900

考虑到我有 2 个 CPU 内核，并行版本不应该更快吗？ 有人能告诉我为什么并行版本更慢吗？

Answer 1

实际上，这里有几个问题同时发生。

首先，并行解决问题总是需要执行比顺序执行更多的实际工作。开销涉及在多个线程之间拆分工作以及连接或合并结果。像将短字符串转换为小写这样的问题足够小，以至于它们有被并行拆分开销淹没的危险。

第二个问题是对Java程序进行基准测试非常微妙，很容易得到令人困惑的结果。两个常见问题是 JIT 编译和死代码消除。简短的基准测试通常在 JIT 编译之前或期间完成，因此它们没有测量峰值吞吐量，实际上它们可能正在测量 JIT 本身。编译发生的时间有点不确定，因此也可能导致结果差异很大。

对于小型综合基准测试，工作负载通常会计算被丢弃的结果。 JIT 编译器非常擅长检测这一点并消除不会产生可在任何地方使用的结果的代码。在这种情况下，这可能不会发生，但如果您修补其他合成工作负载，它肯定会发生。当然，如果 JIT 消除了基准测试工作量，它会使基准测试变得无用。

我强烈建议您使用成熟的基准测试框架，例如 JMH，而不是您自己的手动滚动框架。 JMH 有一些设施可以帮助避免常见的基准测试陷阱，包括这些，而且它很容易设置和运行。这是转换为使用 JMH 的基准:

package com.stackoverflow.questions;

import java.util.Arrays;
import java.util.List;
import java.util.stream.Collectors;
import java.util.concurrent.TimeUnit;

import org.openjdk.jmh.annotations.*;

public class SO23170832 {
    @State(Scope.Benchmark)
    public static class BenchmarkState {
        static String[] array;
        static {
            array = new String[1000000];
            Arrays.fill(array, "AbabagalamagA");
        }
    }

    @GenerateMicroBenchmark
    @OutputTimeUnit(TimeUnit.SECONDS)
    public List<String> sequential(BenchmarkState state) {
        return
            Arrays.stream(state.array)
                  .map(x -> x.toLowerCase())
                  .collect(Collectors.toList());
    }

    @GenerateMicroBenchmark
    @OutputTimeUnit(TimeUnit.SECONDS)
    public List<String> parallel(BenchmarkState state) {
        return
            Arrays.stream(state.array)
                  .parallel()
                  .map(x -> x.toLowerCase())
                  .collect(Collectors.toList());
    }
}

我使用以下命令运行:

java -jar dist/microbenchmarks.jar ".*SO23170832.*" -wi 5 -i 5 -f 1

(这些选项表示五次预热迭代、五次基准测试迭代和一个 fork 的 JVM。)在运行期间，JMH 发出大量冗长的消息，我已经省略了这些消息。总结结果如下。

Benchmark                       Mode   Samples         Mean   Mean error    Units
c.s.q.SO23170832.parallel      thrpt         5        4.600        5.995    ops/s
c.s.q.SO23170832.sequential    thrpt         5        1.500        1.727    ops/s

请注意，结果是以每秒操作数为单位的，因此看起来并行运行的速度大约是顺序运行的三倍。但是我的机器只有两个核心。嗯。而且每次运行的平均误差实际上大于平均运行时间!笏？这里发生了一些可疑的事情。

这给我们带来了第三个问题。仔细观察工作负载，我们可以看到它为每个输入分配一个新的 String 对象，并将结果收集到一个列表中，这涉及到大量的重新分配和复制。我猜这会导致大量的垃圾收集。我们可以通过启用 GC 消息重新运行基准来看到这一点:

java -verbose:gc -jar dist/microbenchmarks.jar ".*SO23170832.*" -wi 5 -i 5 -f 1

这会给出如下结果:

[GC (Allocation Failure)  512K->432K(130560K), 0.0024130 secs]
[GC (Allocation Failure)  944K->520K(131072K), 0.0015740 secs]
[GC (Allocation Failure)  1544K->777K(131072K), 0.0032490 secs]
[GC (Allocation Failure)  1801K->1027K(132096K), 0.0023940 secs]
# Run progress: 0.00% complete, ETA 00:00:20
# VM invoker: /Users/src/jdk/jdk8-b132.jdk/Contents/Home/jre/bin/java
# VM options: -verbose:gc
# Fork: 1 of 1
[GC (Allocation Failure)  512K->424K(130560K), 0.0015460 secs]
[GC (Allocation Failure)  933K->552K(131072K), 0.0014050 secs]
[GC (Allocation Failure)  1576K->850K(131072K), 0.0023050 secs]
[GC (Allocation Failure)  3075K->1561K(132096K), 0.0045140 secs]
[GC (Allocation Failure)  1874K->1059K(132096K), 0.0062330 secs]
# Warmup: 5 iterations, 1 s each
# Measurement: 5 iterations, 1 s each
# Threads: 1 thread, will synchronize iterations
# Benchmark mode: Throughput, ops/time
# Benchmark: com.stackoverflow.questions.SO23170832.parallel
# Warmup Iteration   1: [GC (Allocation Failure)  7014K->5445K(132096K), 0.0184680 secs]
[GC (Allocation Failure)  7493K->6346K(135168K), 0.0068380 secs]
[GC (Allocation Failure)  10442K->8663K(135168K), 0.0155600 secs]
[GC (Allocation Failure)  12759K->11051K(139776K), 0.0148190 secs]
[GC (Allocation Failure)  18219K->15067K(140800K), 0.0241780 secs]
[GC (Allocation Failure)  22167K->19214K(145920K), 0.0208510 secs]
[GC (Allocation Failure)  29454K->25065K(147456K), 0.0333080 secs]
[GC (Allocation Failure)  35305K->30729K(153600K), 0.0376610 secs]
[GC (Allocation Failure)  46089K->39406K(154624K), 0.0406060 secs]
[GC (Allocation Failure)  54766K->48299K(164352K), 0.0550140 secs]
[GC (Allocation Failure)  71851K->62725K(165376K), 0.0612780 secs]
[GC (Allocation Failure)  86277K->74864K(184320K), 0.0649210 secs]
[GC (Allocation Failure)  111216K->94203K(185856K), 0.0875710 secs]
[GC (Allocation Failure)  130555K->114932K(199680K), 0.1030540 secs]
[GC (Allocation Failure)  162548K->141952K(203264K), 0.1315720 secs]
[Full GC (Ergonomics)  141952K->59696K(159232K), 0.5150890 secs]
[GC (Allocation Failure)  105613K->85547K(184832K), 0.0738530 secs]
1.183 ops/s

注意:以 # 开头的行是正常的 JMH 输出行。其余的都是 GC 消息。这只是五次预热迭代中的第一次，它在五次基准迭代之前。在其余的迭代中，GC 消息以同样的方式继续。我认为可以肯定地说，测量的性能主要由 GC 开销决定，不应相信报告的结果。

目前还不清楚该怎么做。这纯粹是一种合成工作负载。与分配和复制相比，它显然只需要很少的 CPU 时间来完成实际工作。很难说你在这里真正想要衡量的是什么。一种方法是提出一种在某种意义上更“真实”的不同工作负载。另一种方法是更改​​堆和 GC 参数以避免在基准运行期间发生 GC。