Dlaczego 2 *(i * i) jest szybsze niż 2 * i * I w Javie?
Uruchomienie następującego programu Java trwa średnio od 0,50 do 0,55 sekundy:
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);
}
Jeśli zamienię 2 * (i * i)
na 2 * i * i
, uruchomienie trwa od 0,60 do 0,65 sekundy. Jak to?
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
Najszybszy bieg 2 * i * i
trwał dłużej niż najwolniejszy bieg 2 * (i * i)
. Gdyby miały taką samą skuteczność, prawdopodobieństwo takiego zdarzenia byłoby mniejsze niż 1/2^15 * 100% = 0.00305%
.
10 answers
Istnieje niewielka różnica w kolejności bajtowego kodu.
2 * (i * i)
:
iconst_2
iload0
iload0
imul
imul
iadd
Vs 2 * i * i
:
iconst_2
iload0
imul
iload0
imul
iadd
Na pierwszy rzut oka nie powinno to robić różnicy; jeśli już, druga wersja jest bardziej optymalna, ponieważ zużywa jeden slot mniej.
Więc musimy kopać głębiej w niższym poziomie (JIT)1.
Pamiętaj, że JIT ma tendencję do rozwijania małych pętli bardzo agresywnie. W rzeczywistości obserwujemy rozwinięcie 16X dla 2 * (i * i)
przypadku:
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
Widzimy że istnieje 1 rejestr, który jest "rozlany" na stos.
I dla wersji 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
Tutaj obserwujemy znacznie więcej "rozlewania" i więcej dostępu do stosu [RSP + ...]
, ze względu na bardziej pośrednie wyniki, które muszą być zachowane.
Tak więc odpowiedź na pytanie jest prosta: 2 * (i * i)
jest szybsza niż 2 * i * i
ponieważ JIT generuje bardziej optymalny kod asemblacji dla pierwszego przypadku.
Ale oczywiście jest oczywiste, że ani pierwsza, ani druga wersja jest dobry; pętla może naprawdę skorzystać z wektoryzacji, ponieważ każdy procesor x86-64 ma co najmniej wsparcie SSE2.
Jest to więc kwestia optymalizatora; jak to często bywa, rozwija się zbyt agresywnie i strzela sobie w stopę, jednocześnie tracąc różne inne możliwości.
W rzeczywistości, nowoczesne procesory x86-64 rozkładają instrukcje dalej na mikroprocesory (µops), a dzięki funkcjom takim jak zmiana nazwy rejestru, pamięci podręczne µop i bufory pętli optymalizacja pętli zajmuje dużo czasu bardziej finezyjne niż proste rozwijanie dla optymalnej wydajności. według poradnika optymalizacji Agner Fog:
Wzrost wydajności dzięki pamięci podręcznej µop może być całkiem znaczna, jeśli średnia długość instrukcji jest większa niż 4 bajty. Następujące metody optymalizacji wykorzystania pamięci podręcznej µop mogą być brane pod uwagę:
- upewnij się, że krytyczne pętle są wystarczająco małe, aby zmieścić się w pamięci podręcznej µop.
- Wyrównaj najbardziej krytyczne wpisy pętli i pozycje funkcji do 32.
- unikaj niepotrzebnego rozwijania pętli.
- unikaj instrukcji, które mają dodatkowy czas ładowania
. . .
Jeśli chodzi o czasy ładowania- nawet najszybsze uderzenie L1D kosztuje 4 cykle, dodatkowy rejestr i µop, więc tak, nawet kilka dostępów do pamięci zaszkodzi wydajności w ciasnych pętlach.
[14]}ale wracając do możliwości wektoryzacji - aby zobaczyć, jak szybko może to być, możemy skompilować podobną aplikację C z GCC , które wprost go wektoryzuje (AVX2 jest pokazany, SSE2 jest podobny)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
Z czasem trwania:
- SSE: 0.24 s, czyli 2 razy szybciej. AVX: 0.15 s, czyli 3 razy szybciej. AVX2: 0.08 s, czyli 5 razy szybciej.
1aby uzyskać JIT generowane wyjście assembly, uzyskać debugowanie JVM i uruchomić z -XX:+PrintOptoAssembly
2wersja C jest kompilowana z flagą -fwrapv
, która umożliwia GCC traktowanie signed integer overflow as a two ' s-complement wrap-around.
Warning: date(): Invalid date.timezone value 'Europe/Kyiv', we selected the timezone 'UTC' for now. in /var/www/agent_stack/data/www/doraprojects.net/template/agent.layouts/content.php on line 54
2020-07-03 07:55:04
(Uwaga redaktora: ta odpowiedź jest zaprzeczana przez dowody z patrzenia na asm, jak pokazuje inna odpowiedź. To było przypuszczenie poparte kilkoma eksperymentami, ale okazało się nie być poprawne.)
JVM jest w stanie obliczyć mnożenie przez
2
z pętli, co daje równoważny, ale bardziej efektywny kod:
int n = 0;
for (int i = 0; i < 1000000000; i++) {
n += i * i;
}
n *= 2;
Ale gdy mnożenie jest (2 * i) * i
, JVM nie optymalizuje go, ponieważ mnożenie przez stała nie jest już tuż przed dodaniem n +=
.
Oto kilka powodów, dla których myślę, że tak jest:
- dodanie
if (n == 0) n = 1
na początku pętli powoduje, że obie wersje są równie wydajne, ponieważ faktorowanie mnożenia nie gwarantuje już, że wynik będzie taki sam - wersja zoptymalizowana (obliczając mnożenie przez 2) jest dokładnie tak szybka jak wersja
2 * (i * i)
Oto kod testowy, który użyłem do wyciągnij te wnioski:
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;
}
A oto wyniki:
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
Warning: date(): Invalid date.timezone value 'Europe/Kyiv', we selected the timezone 'UTC' for now. in /var/www/agent_stack/data/www/doraprojects.net/template/agent.layouts/content.php on line 54
2020-07-03 08:22:14
Kody bajtowe: https://cs.nyu.edu/courses/fall00/V22.0201-001/jvm2.html Przeglądarka kodów bajtowych: https://github.com/Konloch/bytecode-viewer
Na moim JDK (Windows 10 64 bit, 1.8.0_65-b17) mogę odtworzyć i wyjaśnić:
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;
}
Wyjście:
...
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
Więc dlaczego?
Kod bajtowy jest następujący:
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 {
}
}
Różnica jest:
Ze wspornikami (2 * (i * i)
):
- push const stack
- push local on stack
- push local on stack
- mnożenie wierzchołka stosu
- mnożenie wierzchołka stosu
Bez nawiasów (2 * i * i
):
- push const stack
- push local on stack
- mnożenie wierzchołka stosu
- push local on stack
- mnożenie wierzchołka stosu
Ładowanie wszystkich na stosie, a następnie praca z powrotem w dół jest szybsza niż przełączanie między zakładaniem stosu a operowaniem na nim.
Warning: date(): Invalid date.timezone value 'Europe/Kyiv', we selected the timezone 'UTC' for now. in /var/www/agent_stack/data/www/doraprojects.net/template/agent.layouts/content.php on line 54
2019-04-24 15:10:56
Kasperd zapytany w komentarzu zaakceptowanej odpowiedzi:
Przykłady Javy i C używają zupełnie innych nazw rejestrów. Czy oba przykłady używają 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
Nie mam wystarczającej reputacji, aby odpowiedzieć na to w komentarzach, ale to są te same ISA. Warto podkreślić, że wersja GCC wykorzystuje 32-bitową logikę całkowitą, a wersja skompilowana JVM wykorzystuje wewnętrznie 64-bitową logikę całkowitą.
R8 do R15 to tylko nowe X86_64 rejestry . EAX do EDX są dolnymi częściami rejestrów ogólnego przeznaczenia RAX do RDX. Ważną częścią odpowiedzi jest to, że wersja GCC nie jest rozwijana. Po prostu wykonuje jedną rundę pętli na rzeczywistą pętlę kodu maszynowego. Podczas gdy wersja JVM ma 16 rund pętli w jednej fizycznej pętli (na podstawie odpowiedzi rustyxa, nie reinterpretowałem montażu). Jest to jeden z powodów, dla których jest więcej rejestrów używanych, ponieważ ciało pętli jest w rzeczywistości 16 razy dłuższe.
Warning: date(): Invalid date.timezone value 'Europe/Kyiv', we selected the timezone 'UTC' for now. in /var/www/agent_stack/data/www/doraprojects.net/template/agent.layouts/content.php on line 54
2018-11-25 18:18:01
Chociaż nie jest to bezpośrednio związane ze środowiskiem, tak dla ciekawości, zrobiłem ten sam test na. Net Core 2.1, x64, release mode.
Oto interesujący wynik, potwierdzający podobną fonomenę (na odwrót) zachodzącą po ciemnej stronie mocy. Kod:
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");
}
}
Wynik:
2 * (i * i)
- wynik: 119860736, 438 ms
- wynik: 119860736, 433 ms
- wynik: 119860736, 437 ms
- wynik:119860736, 435 ms
- wynik: 119860736, 436 ms
- wynik: 119860736, 435 ms
- wynik: 119860736, 435 ms
- wynik: 119860736, 439 ms
- wynik: 119860736, 436 ms
- wynik: 119860736, 437 ms
2 * i * i
- wynik: 119860736, 417 ms
- wynik: 119860736, 417 ms
- wynik: 119860736, 417 ms
- wynik: 119860736, 418 ms
- wynik: 119860736, 418 ms
- wynik:119860736, 417 ms
- wynik: 119860736, 418 ms
- wynik: 119860736, 416 ms
- wynik: 119860736, 417 ms
- wynik: 119860736, 418 ms
Warning: date(): Invalid date.timezone value 'Europe/Kyiv', we selected the timezone 'UTC' for now. in /var/www/agent_stack/data/www/doraprojects.net/template/agent.layouts/content.php on line 54
2019-04-24 15:20:44
Mam podobne wyniki:
2 * (i * i): 0.458765943 s, n=119860736
2 * i * i: 0.580255126 s, n=119860736
Otrzymałem te same wyniki, jeśli obie pętle były w tym samym programie, lub każda była w osobnym programie .plik java/.Klasa, wykonywana w osobnym biegu.
Wreszcie, oto javap -c -v <.java>
dekompilacja każdego:
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)
Warning: date(): Invalid date.timezone value 'Europe/Kyiv', we selected the timezone 'UTC' for now. in /var/www/agent_stack/data/www/doraprojects.net/template/agent.layouts/content.php on line 54
2018-11-23 21:10:06
Ciekawa obserwacja przy użyciu Java 11 i wyłączaniu rozwijania pętli za pomocą następującej opcji VM:
-XX:LoopUnrollLimit=0
Pętla z wyrażeniem 2 * (i * i)
powoduje powstanie bardziej zwartego kodu natywnego1:
L0001: add eax,r11d
inc r8d
mov r11d,r8d
imul r11d,r8d
shl r11d,1h
cmp r8d,r10d
jl L0001
W porównaniu z wersją 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
Wersja 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)
Wyniki porównawcze:
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
Benchmark source code:
@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 - używane opcje maszyny wirtualnej: -XX:+UnlockDiagnosticVMOptions -XX:+PrintAssembly -XX:LoopUnrollLimit=0
Warning: date(): Invalid date.timezone value 'Europe/Kyiv', we selected the timezone 'UTC' for now. in /var/www/agent_stack/data/www/doraprojects.net/template/agent.layouts/content.php on line 54
2019-09-19 19:03:29
Próbowałem JMH używając domyślnego archetypu: dodałem również zoptymalizowaną wersję opartą na wyjaśnieniu 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;
}
}
Wyniki są tutaj:
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
Na moim PC (Core i7 860-nie robi nic poza czytaniem na moim smartfonie):
-
n += i*i
thenn*2
is first -
2 * (i * i)
jest drugi.
JVM wyraźnie nie optymalizuje się tak, jak człowiek (na podstawie odpowiedzi Runemoro).
Teraz następnie odczyt kodu bajtowego: javap -c -v ./target/classes/org/sample/MyBenchmark.class
- różnice między 2*(I*i) (po lewej) i 2*i*i (po prawej) tutaj: https://www.diffchecker.com/cvSFppWI
- różnice między 2*(i*i) A wersją zoptymalizowaną tutaj: https://www.diffchecker.com/I1XFu5dP
Nie jestem ekspertem od bajtowego kodu, ale my iload_2
przed imul
: to prawdopodobnie miejsce, gdzie masz różnicę: mogę przypuszczać, że JVM optymalizuje odczyt i
dwa razy (i
jest już tutaj, a jest nie ma potrzeby ładowania go ponownie) podczas gdy w 2*i*i
nie może.
Warning: date(): Invalid date.timezone value 'Europe/Kyiv', we selected the timezone 'UTC' for now. in /var/www/agent_stack/data/www/doraprojects.net/template/agent.layouts/content.php on line 54
2019-04-24 15:14:34
Bardziej jako dodatek. Zrobiłem repro eksperymentu przy użyciu najnowszej Java 8 JVM od 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)
A to pokazuje bardzo podobne wyniki:
0.374653912 s
n = 119860736
0.447778698 s
n = 119860736
(Drugie wyniki z użyciem 2 * i * i).
Co ciekawe, gdy działa na tym samym komputerze, ale używając 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)
Wyniki są średnio nieco wolniejsze:
0.414331815 s
n = 119860736
0.491430656 s
n = 119860736
W skrócie: nawet mniejszy numer wersji HotSpot ma tutaj znaczenie, ponieważ subtelne różnice w implementacji JIT mogą mieć znaczące efekty.
Warning: date(): Invalid date.timezone value 'Europe/Kyiv', we selected the timezone 'UTC' for now. in /var/www/agent_stack/data/www/doraprojects.net/template/agent.layouts/content.php on line 54
2019-04-24 15:22:17
Dwie metody dodawania generują nieco inny kod bajtowy:
17: iconst_2
18: iload 4
20: iload 4
22: imul
23: imul
24: iadd
Dla 2 * (i * i)
vs:
17: iconst_2
18: iload 4
20: imul
21: iload 4
23: imul
24: iadd
Dla 2 * i * i
.
I przy użyciu JMH benchmark taki jak ten:
@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;
}
}
Różnica jest jasna:
# 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
To, co obserwujesz, jest poprawne, a nie tylko anomalią Twojego stylu benchmarkingu (np. brak rozgrzewki, zobacz Jak napisać poprawny mikro-benchmark w Javie?)
Running again with 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
Widzisz, że wyniki są znacznie bliższe, co ma sens, ponieważ Graal jest ogólnie lepiej działającym, bardziej nowoczesnym kompilatorem.
Więc to zależy tylko od tego, jak dobrze kompilator JIT jest w stanie zoptymalizować konkretny fragment kodu i niekoniecznie ma do tego logiczny powód.
Warning: date(): Invalid date.timezone value 'Europe/Kyiv', we selected the timezone 'UTC' for now. in /var/www/agent_stack/data/www/doraprojects.net/template/agent.layouts/content.php on line 54
2018-12-23 14:04:23