为什么2 *(i * i)比Java中的2 * i * i快?


855

以下Java程序平均需要0.50到0.55秒钟才能运行:

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);
}

如果我更换 2 * (i * i)2 * i * i,则需要0.60到0.65秒的时间才能运行。怎么来的?

我将程序的每个版本运行了15次,两次交替运行。结果如下:

 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

最快的运行2 * i * i时间比最慢的运行时间长2 * (i * i)。如果它们具有相同的效率,则发生这种情况的可能性将小于1/2^15 * 100% = 0.00305%


5
我得到相似的结果(数字略有不同,但绝对明显且一致的差距,绝对大于采样误差)
Krease


3
@Krease Good,您发现了我的错误。根据新的基准,我的跑步2 * i * i速度较慢。我也会尝试与Graal一起运行。
乔恩·弗妮

5
@nullpointer要真正找出一个为什么比另一个更快的原因,我们必须获取这些方法的反汇编图或Ideal图。汇编程序很烦人,想找出答案,所以我试图获得一个可以输出漂亮图形的OpenJDK调试版本。
乔恩·韦尔尼

4
您可以将问题重命名为“ 为什么i * i * 2比快2 * i * i ”,以进一步明确问题是按操作顺序进行的。
心教堂

Answers:


1202

字节码的顺序略有不同。

2 * (i * i)

     iconst_2
     iload0
     iload0
     imul
     imul
     iadd

vs 2 * i * i

     iconst_2
     iload0
     imul
     iload0
     imul
     iadd

乍看之下,这没有什么不同;如果有的话,第二个版本更理想,因为它减少了一个插槽的使用。

因此,我们需要更深入地研究较低级别(JIT)1

请记住,JIT倾向于非常积极地展开小循环。实际上,我们观察到该2 * (i * i)案例的展开速度是16倍:

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

我们看到有1个寄存器被“堆放”到堆栈中。

对于2 * i * i版本:

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

在这里,我们观察到更多的“溢出”和对堆栈的更多访问 [RSP + ...],由于需要保留更多中间结果,因此。

因此,问题的答案很简单:2 * (i * i)2 * i * i第一种情况因为JIT会生成更多的最佳汇编代码。


但是,显然,第一版和第二版都不好。由于任何x86-64 CPU至少都支持SSE2,因此循环可以真正受益于向量化。

因此,这是优化程序的问题;通常情况下,它展开得过于猛烈,并在脚上开枪射击,却始终错失其他各种机会。

实际上,现代的x86-64 CPU将指令进一步细分为微操作(µop),并具有寄存器重命名,µop高速缓存和循环缓冲区等功能,与简单展开才能获得最佳性能相比,循环优化需要更多的技巧。根据Agner Fog的优化指南

如果平均指令长度大于4个字节,则由µop缓存引起的性能提升会非常可观。可以考虑以下优化µop缓存使用的方法:

  • 确保关键循环足够小以适合µop缓存。
  • 将最关键的循环条目和功能条目对齐32。
  • 避免不必要的循环展开。
  • 避免使用具有额外加载时间的说明
    。。。

关于这些加载时间- 即使最快的L1D命中也要花费4个周期,一个额外的寄存器和µop,因此,是的,即使是对存储器的几次访问也会损害紧密循环中的性能。

但是回到矢量化的机会-要看看它有多快,我们可以使用GCC编译类似的C应用程序,然后直接对其进行矢量化(显示为AVX2,SSE2相似)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

运行时间:

  • SSE:0.24 s,或快2倍。
  • AVX:0.15秒,或快3倍。
  • AVX2:0.08 s,或快5倍。

1 要获取JIT生成的程序集输出,请获取调试JVM并运行-XX:+PrintOptoAssembly

2 C版本使用-fwrapv标志进行编译,该标志使GCC可以将带符号整数溢出视为二进制补码。


11
优化器在C示例中遇到的最大问题是带符号整数溢出所调用的未定义行为。否则,这可能会导致仅加载一个常量,因为可以在编译时计算整个循环。
达蒙

44
@Damon为什么优化器会遇到未定义的行为?如果优化器在尝试计算结果时看到它溢出,则仅表示它可以根据需要对其进行优化,因为行为是不确定的。

13
@Runemoro:如果优化器证明调用该函数将不可避免地导致未定义的行为,则它可以选择假定该函数将永远不会被调用,并且不会为此发出任何主体。要么只发出一条ret指令,要么发出标签,而没有 ret指令,那么执行就会失败。但是,GCC实际上确实有时会遇到UB。例如:为什么ret通过优化消失了?。您肯定要编译格式正确的代码,以确保asm正常。
彼得·科德斯

8
由于代码生成效率低下,这可能只是前端uop吞吐量瓶颈。它甚至没有使用LEA作为mov/ 的窥视孔add-immediate。例如 movl RBX, R9/ addl RBX, #8应该是leal ebx, [r9 + 8],1 uop即可进行复制和添加。还是leal ebx, [r9 + r9 + 16]要做ebx = 2*(r9+8)。是的,展开到溢出的位置是愚蠢的,没有充分利用整数标识和关联整数数学的天真脑残代码生成器也是如此。
彼得·科德斯

7
在C2中,用于顺序缩减的矢量化已禁用(bugs.openjdk.java.net/browse/JDK-8078563),但现在正在考虑重新启用(bugs.openjdk.java.net/browse/JDK-8188313)。
pron

131

当乘法为时2 * (i * i),JVM可以2从循环中排除乘法,从而得到以下等效但更有效的代码:

int n = 0;
for (int i = 0; i < 1000000000; i++) {
    n += i * i;
}
n *= 2;

但是当乘法为时(2 * i) * i,JVM不会对其进行优化,因为乘以常数的乘法不再恰好在加法之前。

我认为是这种情况,有以下几个原因:

  • 添加一个 if (n == 0) n = 1在循环开始时语句会导致两个版本的效率相同,因为排除乘积不再保证结果相同
  • 优化版本(通过乘以2得出)与2 * (i * i)版本完全一样快

这是我用来得出这些结论的测试代码:

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;
}

结果如下:

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

3
我认为在optimizedVersion上应该是n *= 2000000000;
StefansArya

4
@StefansArya-否。考虑极限为4的情况,我们正在尝试计算2*1*1 + 2*2*2 + 2*3*3。显然,1*1 + 2*2 + 3*3乘以2是正确的,而乘以8是不正确的。
马丁·邦纳

5
数学方程式就是这样2(1²) + 2(2²) + 2(3²) = 2(1² + 2² + 3²)。那很简单,我只是忘记了,因为循环增加了。
StefansArya

5
如果使用调试jvm打印出程序集,这似乎是不正确的。您将在循环中看到一堆sall ...,#1,乘以2。有趣的是,较慢的版本在循环中似乎没有乘法。
丹尼尔·柏林

2
为什么在JVM的因素了从2 2 * (i * i)而不是从(2 * i) * i?我认为它们是等效的(这可能是我的错误假设)。如果是这样,那么JVM不会在优化之前规范化表达式吗?
RedSpikeyThing

41

字节码:https : //cs.nyu.edu/courses/fall00/V22.0201-001/jvm2.html 字节码查看器:https : //github.com/Konloch/bytecode-viewer

在我的JDK(Windows 10 64位,1.8.0_65-b17)上,我可以重现并解释:

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;
}

输出:

...
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

所以为什么?字节码是这样的:

 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 {
     }
 }

区别在于:用方括号(2 * (i * i)):

  • 推送常量堆栈
  • 在堆栈上推送本地
  • 在堆栈上推送本地
  • 乘以栈顶
  • 乘以栈顶

不带括号(2 * i * i):

  • 推送常量堆栈
  • 在堆栈上推送本地
  • 乘以栈顶
  • 在堆栈上推送本地
  • 乘以栈顶

将所有内容加载到堆栈上,然后再进行向下工作比在放入堆栈和对其进行操作之间切换要快。


但是,为什么推-推-乘-乘比推-推-乘-乘更快?
m0skit0

35

卡巴斯德在接受答案的评论中问:

Java和C示例使用完全不同的寄存器名称。两者都是使用AMD64 ISA的示例吗?

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

我没有足够的声誉在评论中回答这个问题,但是这些都是相同的ISA。值得指出的是,GCC版本使用32位整数逻辑,而JVM编译版本内部使用64位整数逻辑。

R8至R15只是新的X86_64 寄存器。EAX到EDX是RAX到RDX通用寄存器的下部。答案的重要部分是未展开GCC版本。它只对每个实际的机器代码循环执行一次循环。尽管JVM版本在一个物理循环中具有16个循环循环(基于rustyx答案,但我没有重新解释该程序集)。这是使用更多寄存器的原因之一,因为循环体实际上长16倍。


2
糟糕的gcc不会注意到它会陷入*2循环之外。尽管在这种情况下,这样做并不是一个胜利,因为使用LEA是免费的。在Intel CPU上,lea eax, [rax+rcx*2]延迟时间与相同add eax,ecx。但是,在AMD CPU上,任何缩放索引都会将LEA延迟增加到2个周期。因此,循环承载的依赖链延长到2个周期,成为Ryzen的瓶颈。(imul ecx,edx在Ryzen和Intel上,吞吐量为每个时钟1个)。
彼得·科德斯

31

虽然与问题的环境没有直接关系,但出于好奇,我在.NET Core 2.1 x64发布模式上进行了相同的测试。

这是一个有趣的结果,证实了类似的声音现象(反之亦然)发生在力量的阴暗面。码:

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");
    }
}

结果:

2 *(i * i)

  • 结果:119860736,438毫秒
  • 结果:119860736,433毫秒
  • 结果:119860736,437毫秒
  • 结果:119860736,435毫秒
  • 结果:119860736,436毫秒
  • 结果:119860736,435毫秒
  • 结果:119860736,435毫秒
  • 结果:119860736,439毫秒
  • 结果:119860736,436毫秒
  • 结果:119860736,437毫秒

2 *我*我

  • 结果:119860736,417毫秒
  • 结果:119860736,417毫秒
  • 结果:119860736,417毫秒
  • 结果:119860736,418毫秒
  • 结果:119860736,418毫秒
  • 结果:119860736,417毫秒
  • 结果:119860736,418毫秒
  • 结果:119860736,416毫秒
  • 结果:119860736,417毫秒
  • 结果:119860736,418毫秒

1
虽然这不能解决问题,但确实可以增加价值。话虽这么说,如果某些内容对您的帖子至关重要,请在帖子中内它,而不是链接到非现场资源。链接失效。
贾里德·史密斯

1
@JaredSmith感谢您的反馈。考虑到您提到的链接是“结果”链接,因此该图像不是非现场来源。我通过自己的面板将其上传到stackoverflow。
ÜnsalErsöz

1
这是指向imgur的链接,所以,是的,添加链接的方式无关紧要。我看不到复制粘贴某些控制台输出有何困难。
贾里德·史密斯

5
除非这是另一种方式
leppie

2
@SamB仍在imgur.com域上,这意味着它只能存活imgur。
p91paul

21

我得到了类似的结果:

2 * (i * i): 0.458765943 s, n=119860736
2 * i * i: 0.580255126 s, n=119860736

我得到了SAME如果两个循环都在同一程序中,或者每个循环在单独的.java文件/.class中,并且分别运行,则结果。

最后,这里是javap -c -v <.java>每个的反编译:

     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

     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

供参考-

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)

1
更好的答案,也许您可​​以投票取消删除-stackoverflow.com/a/53452836/1746118 ...旁注-无论如何,我都不是退伍军人。
纳曼

@nullpointer-我同意。如果可以的话,我绝对会投票删除。我也想对
Stefan

那是自删除的,因为它测量了错误的内容-请参见作者对上述问题的评论
-Krease

2
获取调试jre并使用运行-XX:+PrintOptoAssembly。或者只是使用vtune或类似方法。
rustyx

1
@ rustyx-如果问题是JIT实现...那么完全不同的JRE的“获取调试版本”不一定会有所帮助。但是:听起来像您在JRE上拆装JIT时所发现的也解释了OP的JRE和我的矿山上的行为。并且还解释了为什么其他JRE的行为“不同”。+1:感谢您出色的侦探工作!
paulsm4

18

使用Java 11进行有趣的观察,并使用以下VM选项关闭循环展开:

-XX:LoopUnrollLimit=0

带有2 * (i * i)表达式的循环导致更紧凑的本机代码1

L0001: add    eax,r11d
       inc    r8d
       mov    r11d,r8d
       imul   r11d,r8d
       shl    r11d,1h
       cmp    r8d,r10d
       jl     L0001

2 * i * i版本相比:

L0001: add    eax,r11d
       mov    r11d,r8d
       shl    r11d,1h
       add    r11d,2h
       inc    r8d
       imul   r11d,r8d
       cmp    r8d,r10d
       jl     L0001

Java版本:

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)

基准结果:

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

基准源代码:

@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-使用的VM选项: -XX:+UnlockDiagnosticVMOptions -XX:+PrintAssembly -XX:LoopUnrollLimit=0


2
哇,真是个脑残的家伙。而不是i 复制之前将其递增以进行计算2*i,而是在之后进行,因此需要额外的add r11d,2指令。(另外,它错过了add same,same窥视孔,而不是shl1(添加在更多端口上运行)。如果它确实出于某种疯狂的指令调度原因想要按顺序执行操作,它也错过了x*2 + 2lea r11d, [r8*2 + 2])的LEA窥视孔。我们已经可以从中看到展开的版本上LEA错过了被花费它很多在这里微指令的,同两个环路。
彼得·柯德斯

2
lea eax, [rax + r11 * 2]如果JIT编译器有时间在长时间运行的循环中寻找该优化,则将替换2条指令(在两个循环中)。任何体面的提前编译器都可以找到它。(除非可能仅针对AMD进行调整,否则缩放索引LEA具有2个周期的延迟,因此可能不值得。)
Peter Cordes

15

我使用默认原型尝试了JMH:我还根据Runemoro的说明添加了优化版本。

@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;
  }
}

结果在这里:

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

在我的PC上(Core i7 860-除了在智能手机上阅读之外,它没有做任何其他事情):

  • n += i*i然后n*2是第一
  • 2 * (i * i) 是第二。

JVM显然没有像人类那样优化相同的方法(基于Runemoro的回答)。

现在,读取字节码: javap -c -v ./target/classes/org/sample/MyBenchmark.class

我不是字节码方面的专家,但是在我们iload_2之前imul:可能是您与众不同之处:我可以假设JVM优化读取i两次(i已经在这里,不需要再次加载它),而在此期间2*i*i可以做到这一点。 t。


4
AFAICT字节码与性能无关,我不会尝试根据它来估算更快的速度。它只是JIT编译器的源代码...可以肯定的是,保留含义的重新排序源代码行会更改结果代码及其效率,但这一切都是不可预测的。
maaartinus

13

更多附录。我确实使用来自IBM的最新Java 8 JVM进行了实验:

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)

这显示出非常相似的结果:

0.374653912 s
n = 119860736
0.447778698 s
n = 119860736

(第二个结果使用2 * i * i)。

有趣的是,在同一台计算机上运行但使用Oracle Java时:

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)

结果平均较慢:

0.414331815 s
n = 119860736
0.491430656 s
n = 119860736

长话短说:在这里,即使HotSpot的次要版本号也很重要,因为JIT实现中的细微差别可能会产生显着影响。


5

两种添加方法的确会生成略有不同的字节码:

  17: iconst_2
  18: iload         4
  20: iload         4
  22: imul
  23: imul
  24: iadd

对于2 * (i * i)

  17: iconst_2
  18: iload         4
  20: imul
  21: iload         4
  23: imul
  24: iadd

对于 2 * i * i

当使用这样的JMH基准测试时:

@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;
    }

}

区别很明显:

# 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

您观察到的是正确的,而不仅仅是基准测试风格的异常(即没有预热,请参阅如何在Java中编写正确的微基准测试?

再次运行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

您会看到结果更加接近,这很有道理,因为Graal是总体上性能更好,更现代的编译器。

因此,这实际上取决于JIT编译器能够优化特定代码段的能力,并且不一定有合理的理由。

By using our site, you acknowledge that you have read and understand our Cookie Policy and Privacy Policy.
Licensed under cc by-sa 3.0 with attribution required.