Question

我想提高我的应用程序的性能，并发现它花费了大约90％的应用程序运行时间做我的while循环之一。我在这个while循环中基本上做的是以下内容。

int i = 0;
while (i < 100)
  1) Search a big arrayList for position of an objects timestamp.
  2) Search the same arrayList for position of another objects timestamp.
  3) I get this subArrayList (or timewindow).
  4) The array that now is returned I iterate through and compute an average.
  5) I push this average into a stack.
  i++
endwhile

此循环的一次迭代平均需要1-10毫秒，而这通常是整个部分需要100-1000毫秒。根据我的理解，即使第99个子列表只需要大约1毫秒来完成，它也会在它有机会做到这一点之前已经等了99-9999毫秒，对，或者我离开这里了？

我想到的是产生一个线程并让它在位置i上返回它的值。当所有线程完成后，继续编程。

我不关心时间窗x的平均值是否在时间窗y的平均值之前返回，只是在继续之前所有线程/值都已返回。

我收到了以下问题：

尝试使每个迭代成为某种类型的线程并并行计算它是否值得？

如果是这样，我是否需要一个线程池，这样做的最佳方法是什么？

Answer 1

线程的问题是......它是一个重要的对象来启动和同步。因此，一秒钟的操作可能不值得。

看一下Actor模型模式。对于Java，您可以使用Akka。使用actor，您可以轻松地进行并发操作。

Answer 2

我从一个大阵列获得子列表。

为什么你不能使用相同的数组来计算平均值。你知道索引的开始和结束位置。在父级内运行另一个while循环，同时计算平均值。

如果你选择穿线，我有以下问题。

要并行运行的块的哪个部分

同步怎么样？，multliple线程写入堆栈。

Answer 3

协调线程有很大的开销，除非它们允许多个内核启动，或者你可以将计算与I / O重叠，否则它们根本无法提供性能。

在考虑改变设计之前，为什么不找出你遇到的瓶颈并修复它们？ Here's a simple way to do that. 通常你可以通过这种方式找到大的加速。

Answer 4

如何从大阵列中获取子列表？一个简单的，已经有效的改进是只迭代数组一次，选择元素并将它们添加到迭代计算的平均值。

类似的东西：

int sum = 0;
int count = 0;
for(MyObject object : myBigArray){
    if (mustBelongToSublist(object){
        count++;
        sum += object.value();
    }
}
int average = (double)sum/count;

Answer 5

取决于你的目标。应该在不到一秒的时间内运行吗？数据可能会增长（很多）吗？

仅当您可以有效地创建子任务时，线程才适用。例如，如果您迭代的列表将是链接列表，则它可能不适用于每个元素的廉价计算，因为对于子任务，导航到列表的子部分是昂贵的。如果你有单独的列表，你每个都必须迭代它可能只是好，因为你将开始从列表的开头迭代。

在你的情况下，当然。为什么不。您必须决定如何处理结果的策略。它们应该放在你的堆栈中吗？或者没关系？你想要线程，然后让线程等到前面的那些完成？或者你使用不同的策略？等待线程不好，但是。如果你可以创建2个或4个线程，并且每个线程都可以继续工作，那就是它变得非常高效。

当你将i从0迭代到100并且每次迭代不依赖于另一次迭代时，你很好将它们分成子任务。你有100个任务。这些可以分成线程。

不要过度使用线程，只有有限的CPU数量和100个任务，所以2或4个线程就足够了。制作主题并告诉他们为索引计算你的内容，例如25至50岁。

Answer 6

我喜欢@Suesh和@nanda的回答gven，并想总结一下。

首先，优化您的代码。我认为至少有一半的时间用于复制子数组。您必须在适当的位置工作：找到数组的第一个和最后一个索引并计算元素的平均值。最好的解决方案只需要在阵列上运行一次。如果不可能（我不知道你的逻辑是什么，找到索引）在更糟糕的情况下你必须迭代数组两次。但不要复制其内容。

如果这个优化没有足够的帮助来考虑使用Akka的线程池或actor模型（正如nanda建议的那样）

是否值得线程完成需要1秒钟的操作？

6 个答案: