企业在公司做的网站看不到,做分类信息网站如何,网页设计实验报告南京邮电大学,南皮做网站绩效工作流上周#xff0c;我介绍了一些有关Java 8流性能的基准测试结果。 你们和gal足够有兴趣留下一些想法#xff0c;还有哪些可以介绍。 这就是我所做的#xff0c;这里是结果。 总览 最后一篇文章的序言也适用于此。 阅读它#xff0c;以找出所有数字为何撒谎#… 绩效工作流 上周我介绍了一些有关Java 8流性能的基准测试结果。 你们和gal足够有兴趣留下一些想法还有哪些可以介绍。 这就是我所做的这里是结果。 总览 最后一篇文章的序言也适用于此。 阅读它以找出所有数字为何撒谎我如何提出这些数字以及如何复制它们。 我在GitHub上的代码中添加了一个新类CommentOperationsBenchmark 其中包括本文中讨论的基准。 我还更新了Google电子表格以包括新的数字。 比较的影响 真好 长期以来一直在说要像Ansi C一样写Java更快数组而不是列表。 兔子洞的下一步是… 尝试{forint i 0 ;;做东西 } catchex ex ex{等等 } 根本不检查循环仅捕获异常非常适合高清像素处理。 混沌实验室 WAT 人们正在这样做吗 打破ArrayIndexOotOfBoundsException public int array_max_forWithException() {int m Integer.MIN_VALUE;try {for (int i 0; ; i)if (intArray[i] m)m intArray[i];} catch (ArrayIndexOutOfBoundsException ex) {return m;}
} 也许他们应该停止因为它看起来并不能改善性能 以毫秒为单位的运行时间标准化为1000000个元素 5万 500000 1000000 5000000 10000000 50000000 array_max_for 0.261 0.261 0.277 0.362 0.347 0.380 array_max_forWithException 0.265 0.265 0.273 0.358 0.347 0.386 看来用于打破循环的机制没有可衡量的影响。 这是有道理的因为展开循环可以避免大多数比较并且引发异常的代价在几微秒的范围内 因此比此处发生的情况小几个数量级。 这是假设编译器确实有更多技巧。 也许它在更深层次上理解循环并且JIT将这两种方法编译为相同的指令。 附带说明一下看看在循环之后array_max_forWithException如何没有return语句 事实证明Java编译器可以识别简单的无限循环 。 哇 因此它知道具有有限计算的每个代码路径都会返回而不关心无限的代码路径。 归结为以下内容 一无所有 public int infiniteLoop() {for(;;);
} 您永远不会停止学习…… 作业的影响 [F]或“最大”测试我希望每次迭代更新局部变量都会有一些阻力。 我很好奇是否发现最小值在可比较的时间内运行。 b0b0b0b 这是指所有测试都是在数组或列表上运行的这些数组或列表的元素等于结构中的索引即[012…n-1]。 因此找到最大值确实需要n个分配。 那找到一个只需要分配一次的最小值呢 以毫秒为单位的运行时间标准化为1000000个元素 5万 500000 1000000 5000000 10000000 50000000 array_max_for 0.261 0.261 0.277 0.362 0.347 0.380 array_min_for 0.264 0.260 0.280 0.353 0.348 0.359 不没有区别。 我的猜测是由于流水线作业分配实际上是免费的。 由Khalid Albaih在CC-BY 2.0下发布 –视角被我改变了。 拳击的影响 关于拳击有两条评论。 最好看到Integer []实现以确认对拳击的怀疑。 黏黏的 好吧让我们这样做。 以下数字显示了int []Integer []和List Integer上的for循环和for-each循环 以毫秒为单位的运行时间标准化为1000000个元素 5万 500000 1000000 5000000 10000000 50000000 array_max_for 0.261 0.261 0.277 0.362 0.347 0.380 array_max_forEach 0.269 0.262 0.271 0.349 0.349 0.356 boxedArray_max_for 0.804 1.180 1.355 1.387 1.306 1.476 boxedArray_max_forEach 0.805 1.195 1.338 1.405 1.292 1.421 list_max_for 0.921 1.306 1.436 1.644 1.509 1.604 list_max_forEach 1.042 1.472 1.579 1.704 1.561 1.629 我们可以清楚地看到运行时的主要指标是数据结构是包含基元还是对象。 但是将Integer数组包装到列表中会导致额外的速度降低。 Yann Le Tallec也对拳击发表了评论 intList.stream。maxMath :: max; 造成不必要的拆箱。 intList.stream。mapToIntx- x.max; 速度大约是阵列版本的两倍。 扬·勒·塔雷克Yann Le Tallec 此声明与我们在上一篇文章中得出的结论一致尽快对流进行拆箱可提高性能。 只是再次检查 以ms为单位的运行时间标准化为1000000元素以为单位的错误 5万 500000 1000000 5000000 10000000 50000000 boxedArray_max _stream 4.23143 5.7153 5.00427 5.46153 5.30756 5.50754 boxedArray_max _stream_unbox 3.3671 3.5151 3.5482 3.6321 3.5471 3.6002 list_max _stream 7.2307 6.4921 5.59536 5.61948 5.85245 5.63151 list_max _stream_unbox 3.3701 3.5151 3.5271 3.6683 3.8072 3.7025 这似乎证实了这一说法。 但是结果看起来非常可疑因为错误很大。 使用不同的设置反复运行这些基准测试显示了一种模式 存在两种性能水平一种是〜3.8 ns / op一种是〜7.5 ns / op。 未装箱的流只表现更好。 盒装流的单个迭代通常在这两个级别中的任何一个上运行但很少在其他时间进行。 大多数情况下行为只会在分支之间改变即从一组迭代到下一组。 这一切都令人怀疑我的测试设置存在问题。 听到任何想法的人我会很有趣。 更新资料 Yann确实有一个想法并指出了这个有趣的问题和有关StackOverflow的出色答案 。 现在我最好的猜测是装箱的流可以在未装箱的水平上运行但可能会因意外的非优化而失败。 硬件的影响 Redditor robi2106在他的“ i5-4310 2Ghz w 8GB DDR2”上运行了500,000个元素的套件。 我将结果添加到电子表格中 。 很难从数据中得出结论。 Robi指出“在这2.5个小时中我也没有停止使用我的系统”这也许可以解释巨大的误差范围。 他们的平均年龄是我的23倍平均是我的168倍。 另一方面我也继续使用我的系统但是负载很低。 如果斜视一下您可以推断出i5-4310在简单计算上会稍快一些但在更复杂的计算上会落后一些。 考虑到i7-4800的内核数量是原来的两倍通常可以达到并行性能。 语言的影响 这与Scala带有specialized相比会很有趣。 加密货币6 我仍然没有尝试使用Scala也不想为一个基准测试而努力。 也许经验更丰富或更鲜美的人可以尝试一下 反射 在解释这些数字时请记住这些迭代执行了非常便宜的操作。 上次我们发现已经很简单的算术运算会导致足够的CPU负载 几乎完全抵消了迭代机制的差异 。 因此像往常一样不要过早优化 总之我会说没有新发现。 但是我很喜欢与您讨论您的想法如果您有更多想法请发表评论。 甚至更好的是自己尝试一下并发布结果。 翻译自: https://www.javacodegeeks.com/2015/09/stream-performance-your-ideas.html绩效工作流
