Question

为了测试Java 8的流和自动并行化的新实现，我运行了以下简单测试：

ArrayList<Integer> nums = new ArrayList<>();
for (int i=1; i<49999999; i++) nums.add(i);

int sum=0;
double begin, end;

begin = System.nanoTime();
for (Integer i : nums) sum += i;
end = System.nanoTime();

System.out.println( "1 core: " + (end-begin) );

begin = System.nanoTime();
sum = nums.parallelStream().reduce(0, Integer::sum);
end = System.nanoTime();

System.out.println( "8 cores: " + (end-begin) );

我认为总结一系列整数将能够充分利用所有8个核心，但输出看起来像这样：

1 core: 1.70552398E8
8 cores: 9.938507635E9

我知道nanoTime（）在多核系统中存在问题，但我怀疑这是问题，因为我关闭了一个数量级。

我的操作是否如此简单，以至于reduce（）所需的开销是否克服了多核的优势？

Answer 1

您的流示例有2个取消装箱（Integer.sum(int,int)）和一个装箱（结果int必须转换回Integer）每个号码，而for循环只有一个拆箱。所以两者没有可比性。

当您计划使用整数进行计算时，最好使用IntStream：

nums.stream().mapToInt(i -> i).sum();

这会给你一个类似于for循环的性能。我的机器上的并行流仍然较慢。

最快的选择是这个顺便说一句：

IntStream.rangeClosed(0, 49999999).sum();

更快的顺序，没有首先构建列表的开销。当然，它只是这个特殊用例的替代品。但它表明重新思考现有方法而不仅仅是“添加流”是值得的。

Answer 2

要在所有中正确比较，您需要为这两个操作使用类似的开销。

ArrayList<Integer> nums = new ArrayList<>(); for (int i = 1; i < 49999999; i++) nums.add(i); int sum = 0; long begin, end; begin = System.nanoTime(); sum = nums.stream().reduce(0, Integer::sum); end = System.nanoTime(); System.out.println("1 core: " + (end - begin)); begin = System.nanoTime(); sum = nums.parallelStream().reduce(0, Integer::sum); end = System.nanoTime(); System.out.println("8 cores: " + (end - begin));

这让我感动

1 core: 769026020 8 cores: 538805164

parallelStream()实际上更快。（注意：我只有4个核心，但parallelSteam()并不总是使用所有核心）

另一件事是拳击和拆箱。有nums.add(i)的装箱，以及进入Integer::sum的所有内容的拆箱，需要两个int秒。我将此测试转换为数组以删除它：

int[] nums = new int[49999999]; System.err.println("adding numbers"); for (int i = 1; i < 49999999; i++) nums[i - 1] = i; int sum = 0; System.err.println("begin"); long begin, end; begin = System.nanoTime(); sum = Arrays.stream(nums).reduce(0, Integer::sum); end = System.nanoTime(); System.out.println("1 core: " + (end - begin)); begin = System.nanoTime(); sum = Arrays.stream(nums).parallel().reduce(0, Integer::sum); end = System.nanoTime(); System.out.println("8 cores: " + (end - begin));

这给出了意想不到的时间：

1 core: 68050642 8 cores: 154591290

对于具有常规整数的线性减少，速度快得多（1-2个数量级），但是并行减少仅约1/4的时间并且最终变慢。 ~~我不确定为什么会这样，但它确实很有趣！~~

进行了一些分析，结果是fork()执行并行流的方法非常昂贵，因为使用了ThreadLocalRandom，它为网络接口调用它的种子！这非常慢，这是parallelStream()慢于stream()的唯一原因！

我的一些VisualVM数据:(忽略await()时间，这是我使用的方法，因此我可以跟踪程序）对于第一个示例：https://www.dropbox.com/s/z7qf2es0lxs6fvu/streams1.nps?dl=0 第二个例子：https://www.dropbox.com/s/f3ydl4basv7mln5/streams2.nps?dl=0

TL; DR：在您的Integer情况下，它看起来像是并行获胜，但是int情况会导致并行速度变慢。

带有reduce（）的Java parallelStream（）没有提高性能

2 个答案: