Question

我正在尝试执行一个简单的计算（它调用Math.random() 10000000次）。令人惊讶的是，使用简单方法运行它比使用ExecutorService要快得多。

我已经在ExecutorService's surprising performance break-even point --- rules of thumb?阅读了另一个帖子并试图通过使用批次执行Callable来回答问题，但性能仍然不好

如何根据当前代码改进性能？

import java.util.*;
import java.util.concurrent.*;

public class MainTest {
    public static void main(String[]args) throws Exception {
        new MainTest().start();;
    }

    final List<Worker> workermulti = new ArrayList<Worker>();
    final List<Worker> workersingle = new ArrayList<Worker>();
    final int count=10000000;

    public void start() throws Exception {
        int n=2;

        workersingle.add(new Worker(1));
        for (int i=0;i<n;i++) {
            // worker will only do count/n job
            workermulti.add(new Worker(n));
        }

        ExecutorService serviceSingle = Executors.newSingleThreadExecutor();
        ExecutorService serviceMulti = Executors.newFixedThreadPool(n);
        long s,e;
        int tests=10;
        List<Long> simple = new ArrayList<Long>();
        List<Long> single = new ArrayList<Long>();
        List<Long> multi = new ArrayList<Long>();

        for (int i=0;i<tests;i++) {
            // simple
            s = System.currentTimeMillis();
            simple();
            e = System.currentTimeMillis();
            simple.add(e-s);

            // single thread
            s = System.currentTimeMillis();
               serviceSingle.invokeAll(workersingle); // single thread
            e = System.currentTimeMillis();
            single.add(e-s);

            // multi thread
            s = System.currentTimeMillis();
               serviceMulti.invokeAll(workermulti);
            e = System.currentTimeMillis();
            multi.add(e-s);
        }
        long avgSimple=sum(simple)/tests;
        long avgSingle=sum(single)/tests;
        long avgMulti=sum(multi)/tests;
        System.out.println("Average simple: "+avgSimple+" ms");
        System.out.println("Average single thread: "+avgSingle+" ms");
        System.out.println("Average multi thread: "+avgMulti+" ms");

        serviceSingle.shutdown();
        serviceMulti.shutdown();
    }

    long sum(List<Long> list) {
        long sum=0;
        for (long l : list) {
            sum+=l;
        }
        return sum;
    }

    private void simple() {
        for (int i=0;i<count;i++){
            Math.random();
        }
    }

    class Worker implements Callable<Void> {
        int n;

        public Worker(int n) {
            this.n=n;
        }

        @Override
        public Void call() throws Exception {
            // divide count with n to perform batch execution
            for (int i=0;i<(count/n);i++) {
                Math.random();
            }
            return null;
        }
    }
}

此代码的输出

Average simple: 920 ms
Average single thread: 1034 ms
Average multi thread: 1393 ms

编辑：由于Math.random（）是一个同步方法，性能受到影响..在为每个线程更改带有新Random对象的Math.random（）之后，性能得到了提升

新代码的输出（在为每个线程替换Math.random（）之后使用Random）

Average simple: 928 ms
Average single thread: 1046 ms
Average multi thread: 642 ms

Answer 1

Math.random()已同步。同步的全部意义在于减慢速度，使它们不会发生碰撞。使用未同步的内容和/或为每个线程提供自己的对象，例如新的Random。

Answer 2

你最好阅读另一个帖子的内容。那里有很多好的提示。

根据Math.random（）契约，您的基准测试可能是最重要的问题，“此方法已正确同步以允许多个线程正确使用。但是，如果许多线程需要在以下位置生成伪随机数一个很好的速率，它可以减少每个线程的争用，以拥有自己的伪随机数生成器“

将其读作：方法已同步，因此只有一个线程可能同时有效地使用它。因此，您需要花费大量开销来分发任务，只是强制它们再次串行运行。

Answer 3

当您使用多个线程时，您需要了解使用其他线程的开销。您还需要确定您的算法是否具有可以并行执行的工作。所以你需要有可以同时运行的工作，这个工作足够大，超出了使用多个线程的开销。

在这种情况下，最简单的解决方法是在每个线程中使用单独的Random。你遇到的问题是，作为一个微基准测试，你的循环实际上并没有做任何事情，JIT非常擅长丢弃不做任何事情的代码。解决方法是将随机结果相加并从call()返回，因为这通常足以阻止JIT丢弃代码。

最后，如果你想要总结很多数字，你不需要保存它们并在以后加总。你可以随时总结它们。

ExecutorService缓慢多线程性能

3 个答案: