我写了一个冒泡排序的实现来玩玩 Groovy,看看是否 --indy
对性能有任何显着影响。
本质上,它将一千个随机整数的列表排序一千次,并测量排序列表的平均执行时间。
列表中有一半是 Integer[]
,另一半是ArrayList<Integer>
.
结果真的让我很困惑:
$ groovyc BubbleSort.groovy
$ time java -cp ~/.gvm/groovy/current/embeddable/groovy-all-2.4.3.jar:. BubbleSort
Average: 22.926ms
Min: 11.202ms
[...] 26.48s user 0.84s system 109% cpu 25.033 total
$ groovyc --indy BubbleSort.groovy
$ time java -cp ~/.gvm/groovy/current/embeddable/groovy-all-2.4.3-indy.jar:. BubbleSort
Average: 119.766ms
Min: 68.251ms
[...] 166.05s user 1.52s system 135% cpu 2:03.82 total
查看运行基准测试时的 CPU 使用率,使用
--indy
编译时 CPU 使用率要高很多。比没有。这引起了我的兴趣,所以我再次运行了基准测试 - 但这次启用了 Yourkit 代理和 CPU 跟踪。以下是记录的调用树:
无
--indy
:与
--indy
:这是性能图表 - 请注意,时间尺度不同,因为
--indy
代码太慢了。无
--indy
(1 秒规模):与
--indy
(60 年代规模):可以看出,在没有
--indy
的情况下编译时,CPU 使用率稳定在一个核心的 100%(图中为 12.5%)。但是当使用 --indy
编译时,在 12.5% 到 ~35% 之间变化很大。 .更令人困惑的是,Yourkit 只报告一个事件线程(而我的代码只使用主线程),但它仍然设法保持两个半内核被占用。用
--indy
编译的代码在开始时也使用了大量内核时间,尽管这会在一段时间后下降并稳定在 0% - 此时代码似乎有点加速(堆使用增长率增加)并且 CPU 使用率增加。谁能向我解释这种行为?
版本:
$ groovy -v
Groovy Version: 2.4.3 JVM: 1.8.0_45 Vendor: Oracle Corporation OS: Linux
$ java -version
java version "1.8.0_45"
Java(TM) SE Runtime Environment (build 1.8.0_45-b14)
Java HotSpot(TM) 64-Bit Server VM (build 25.45-b02, mixed mode)
BubbleSort.groovy:
class BubbleSort {
final def array
BubbleSort(final def array) {
this.array = array
}
private void swap(int a, int b) {
def tmp = array[a];
array[a] = array[b]
array[b] = tmp;
}
private void rise(int index) {
for(int i = index; i > 0; i--) {
if(array[i] < array[i - 1]) {
swap(i, i-1)
} else {
break
}
}
}
void sort() {
for(int i = 1; i < array.size(); i++) {
rise i
}
}
final static Random random = new Random()
static void main(String[] args) {
def n = 1000
def size = 1000
// Warm up
doBenchmark 100, size
def results = doBenchmark n, size
printf("Average: %.3fms%n", results.total / 1e6 / n)
printf("Min: %.3fms%n", results.min / 1e6)
}
private static def doBenchmark(int n, int size) {
long total = 0
long min = Long.MAX_VALUE
n.times {
def array = (1..size).collect { random.nextInt() }
if(it % 2) {
array = array as Integer[]
}
def start = System.nanoTime()
new BubbleSort<Integer>(array).sort()
def end = System.nanoTime()
def time = end - start
total += time
min = Math.min min, time
}
return [total: total, min: min]
}
}
我对冒泡排序实现的优化不感兴趣,除非它们与
invokedynamic
有关。行为 - 此处的目标不是编写性能最佳的冒泡排序,而是了解原因 --indy
有如此大的负面性能影响。更新:
我将我的代码转换为 JRuby 并尝试了同样的事情,结果是相似的,尽管没有
invokedynamic
,JRuby 几乎没有那么快。 :$ JAVA_OPTS="-Djruby.compile.invokedynamic=false" jruby bubblesort.rb
Average: 78.714ms
Min: 35.000ms
$ JAVA_OPTS="-Djruby.compile.invokedynamic=true" jruby bubblesort.rb
Average: 136.287ms
Min: 92.000ms
更新 2:
如果我删除将列表更改为
Integer[]
的代码一半的时间性能显着提高,尽管没有 --indy
仍然更快:$ groovyc BubbleSort.groovy
$ java -cp ~/.gvm/groovy/current/embeddable/groovy-all-2.4.3.jar:. BubbleSort
Average: 29.794ms
Min: 26.577ms
$ groovyc --indy BubbleSort.groovy
$ java -cp ~/.gvm/groovy/current/embeddable/groovy-all-2.4.3-indy.jar:. BubbleSort
Average: 37.506ms
Min: 33.555ms
如果我用 JRuby 做同样的事情,
invokedynamic
是比较快的:$ JAVA_OPTS="-Djruby.compile.invokedynamic=false" jruby bubblesort.rb
Average: 34.388ms
Min: 31.000ms
$ JAVA_OPTS="-Djruby.compile.invokedynamic=true" jruby bubblesort.rb
Average: 20.785ms
Min: 18.000ms
最佳答案
答案很简单,其实很简单,Groovy 还没有 PIC。
...或者您可以说我们通常有一个大小为 1 的内联缓存。这意味着每次更改列表数组类型时,它都会使之前确实存在的所有缓存无效,并且缓存版本将被丢弃。这对于普通 Groovy 来说与 indy 几乎相同,只是普通 Groovy 使用运行时生成的类,而 indy 使用调用动态/lambda 形式。但是 lambda 形式最初较慢,而峰值性能更好。基本上你所做的是让热点从头开始对大多数方法调用,防止它一直应用优化。当然,这不是你的错,而是 Groovy 没有 PIC 的错。只是为了说明这一点......这不是语言的问题,它只是我还没有实现的东西。
另一方面,JRuby 有一个 PIC,因此不必一直遭受创建新方法句柄的开销。
关于groovy - 使用 --indy 执行冒泡排序慢 5 倍,我们在Stack Overflow上找到一个类似的问题: https://stackoverflow.com/questions/29812958/