Vipin:
このコードは、の要素の逆数の和を計算する3つの異なる方法をベンチマークされますdouble[]
。
for
-loop- Javaの8ストリーム
colt
数学ライブラリ
forループを使用して、簡単な計算は〜400倍高速ストリームを使用して1以上であることを理由は何ですか?(または何かがあるベンチマークコードに改善する必要がある?それとも、この使用してストリームを計算するより高速な方法?)
コード:
import java.util.Arrays;
import java.util.List;
import java.util.Map;
import java.util.concurrent.TimeUnit;
import java.util.stream.Collectors;
import java.util.stream.IntStream;
import cern.colt.list.DoubleArrayList;
import cern.jet.stat.Descriptive;
import org.openjdk.jmh.annotations.*;
@State(Scope.Thread)
public class MyBenchmark {
public static double[] array;
static {
int num_of_elements = 100;
array = new double[num_of_elements];
for (int i = 0; i < num_of_elements; i++) {
array[i] = i+1;
}
}
@Benchmark
@BenchmarkMode(Mode.AverageTime)
@OutputTimeUnit(TimeUnit.NANOSECONDS)
public void testInversionSumForLoop(){
double result = 0;
for (int i = 0; i < array.length; i++) {
result += 1.0/array[i];
}
}
@Benchmark
@BenchmarkMode(Mode.AverageTime)
@OutputTimeUnit(TimeUnit.NANOSECONDS)
public void testInversionSumUsingStreams(){
double result = 0;
result = Arrays.stream(array).map(d -> 1/d).sum();
}
@Benchmark
@BenchmarkMode(Mode.AverageTime)
@OutputTimeUnit(TimeUnit.NANOSECONDS)
public void testInversionSumUsingCernColt(){
double result = Descriptive.sumOfInversions(new DoubleArrayList(array), 0, array.length-1);
}
}
結果:
/**
* Results
* Benchmark Mode Cnt Score Error Units
* MyBenchmark.testInversionSumForLoop avgt 200 1.647 ± 0.155 ns/op
* MyBenchmark.testInversionSumUsingCernColt avgt 200 603.254 ± 22.199 ns/op
* MyBenchmark.testInversionSumUsingStreams avgt 200 645.895 ± 20.833 ns/o
*/
アップデート:これらの結果は、Blackhome.consumeまたはリターンがJVMの最適化を避けるために必要であることを示しています。
/**
* Updated results after adding Blackhole.consume
* Benchmark Mode Cnt Score Error Units
* MyBenchmark.testInversionSumForLoop avgt 200 525.498 ± 10.458 ns/op
* MyBenchmark.testInversionSumUsingCernColt avgt 200 517.930 ± 2.080 ns/op
* MyBenchmark.testInversionSumUsingStreams avgt 200 582.103 ± 3.261 ns/op
*/
OracleのJDKバージョン "1.8.0_181"、ダーウィンカーネルバージョン17.7.0
チャールズDowbecki:
あなたの例では、JVMは、ループアウト最も可能性の高い最適化し、完全ので、result
値を計算した後に読まれることはありません。あなたは使うべきBlackhole
消費するresult
以下のように:
@State(Scope.Thread)
@Warmup(iterations = 10, time = 200, timeUnit = MILLISECONDS)
@Measurement(iterations = 20, time = 500, timeUnit = MILLISECONDS)
@BenchmarkMode(Mode.AverageTime)
@OutputTimeUnit(TimeUnit.NANOSECONDS)
public class MyBenchmark {
static double[] array;
static {
int num_of_elements = 100;
array = new double[num_of_elements];
for (int i = 0; i < num_of_elements; i++) {
array[i] = i + 1;
}
}
double result = 0;
@Benchmark
public void baseline(Blackhole blackhole) {
result = 1;
result = result / 1.0;
blackhole.consume(result);
}
@Benchmark
public void testInversionSumForLoop(Blackhole blackhole) {
for (int i = 0; i < array.length; i++) {
result += 1.0 / array[i];
}
blackhole.consume(result);
}
@Benchmark
public void testInversionSumUsingStreams(Blackhole blackhole) {
result = Arrays.stream(array).map(d -> 1 / d).sum();
blackhole.consume(result);
}
}
期待されている4倍のこの新たなベンチマークショー差。ループが恩恵を受ける多くの最適化 JVM内およびストリームが行うように新しいオブジェクトの作成を伴いません。
Benchmark Mode Cnt Score Error Units
MyBenchmark.baseline avgt 100 2.437 ± 0.139 ns/op
MyBenchmark.testInversionSumForLoop avgt 100 135.512 ± 13.080 ns/op
MyBenchmark.testInversionSumUsingStreams avgt 100 506.479 ± 4.209 ns/o
私は私のマシン上の単一の操作のコストが何であるかを示すために、ベースラインを追加しようとしました。ベースラインはns/ops
あなたのループに似ているns/ops
IMOアウトに最適化されたあなたのループを確認しました。
私は、このベンチマークのシナリオのために良いベースラインどのようになるかを教えてくれる人が大好きです。
私の環境:
openjdk version "11.0.1" 2018-10-16
OpenJDK Runtime Environment 18.9 (build 11.0.1+13)
OpenJDK 64-Bit Server VM 18.9 (build 11.0.1+13, mixed mode)
Intel(R) Core(TM) i7-7700HQ CPU @ 2.80GHz
Linux 4.15.0-43-generic #46-Ubuntu SMP Thu Dec 6 14:45:28 UTC 2018 x86_64 x86_64 x86_64 GNU/Linux