web-dev-qa-db-de.com

Warum ist 2 * (i * i) in Java schneller als 2 * i * i?

Das folgende Java Programm benötigt durchschnittlich zwischen 0,50 und 0,55 Sekunden für die Ausführung:

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);
}

Wenn ich 2 * (i * i) durch 2 * i * i ersetze, dauert die Ausführung zwischen 0,60 und 0,65 Sekunden. Woher?

Ich habe jede Version des Programms 15 Mal im Wechsel ausgeführt. Hier sind die Ergebnisse:

 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

Die schnellste Ausführung von 2 * i * i dauerte länger als die langsamste Ausführung von 2 * (i * i). Wenn sie beide so effizient wären, wäre die Wahrscheinlichkeit, dass dies geschieht, geringer als 1/2 ^ 15 * 100% = 0,00305%.

792
Stefan

Es gibt einen kleinen Unterschied in der Reihenfolge des Bytecodes.

2 * (i * i):

     iconst_2
     iload0
     iload0
     imul
     imul
     iadd

vs 2 * i * i:

     iconst_2
     iload0
     imul
     iload0
     imul
     iadd

Auf den ersten Blick sollte dies keinen Unterschied machen. Wenn überhaupt, ist die zweite Version optimaler, da sie einen Steckplatz weniger belegt.

Also müssen wir tiefer in die untere Ebene graben (JIT)1.

Denken Sie daran, dass JIT dazu neigt, kleine Schleifen sehr aggressiv abzurollen. In der Tat beobachten wir ein 16-faches Abrollen für den Fall 2 * (i * i):

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

Wir sehen, dass es 1 Register gibt, das auf den Stapel "verschüttet" wird.

Und für die 2 * i * i -Version:

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

Hier beobachten wir viel mehr "Verschütten" und mehr Zugriffe auf den Stapel [RSP + ...], da mehr Zwischenergebnisse erhalten werden müssen.

Die Antwort auf die Frage ist daher einfach: 2 * (i * i) ist schneller als 2 * i * i, da die JIT für den ersten Fall einen optimaleren Assembly-Code generiert.


Aber natürlich ist es offensichtlich, dass weder die erste noch die zweite Version etwas Gutes ist. Die Schleife könnte wirklich von der Vektorisierung profitieren, da jede x86-64-CPU mindestens SSE2-Unterstützung bietet.

Es geht also um den Optimierer. Wie so oft rollt es sich zu aggressiv ab und schießt sich in den Fuß, wobei verschiedene andere Gelegenheiten verpasst werden.

Tatsächlich unterteilen moderne x86-64-CPUs die Anweisungen weiter in Mikro-Ops (µops) und mit Funktionen wie Registerumbenennung, µop-Caches und Schleifenpuffern erfordert die Schleifenoptimierung viel mehr Finesse als ein einfaches Abrollen für eine optimale Leistung. Laut Optimierungsleitfaden von Agner Fog :

Der Leistungsgewinn aufgrund des µop-Cache kann beträchtlich sein, wenn die durchschnittliche Befehlslänge mehr als 4 Bytes beträgt. Die folgenden Methoden zur Optimierung der Verwendung des µop-Cache können in Betracht gezogen werden:

  • Stellen Sie sicher, dass die kritischen Schleifen klein genug sind, um in den µop-Cache zu passen.
  • Richten Sie die kritischsten Schleifen- und Funktionseinträge mit 32 aus.
  • Vermeiden Sie unnötiges Abrollen der Schleife.
  • Vermeiden Sie Anweisungen mit zusätzlicher Ladezeit
    . . .

In Bezug auf diese Ladezeiten - selbst der schnellste L1D-Treffer kostet 4 Zyklen , ein zusätzliches Register und µop, ja, sogar ein paar Speicherzugriffe beeinträchtigen die Leistung in engen Schleifen.

Aber zurück zur Möglichkeit der Vektorisierung - um zu sehen, wie schnell es sein kann wir können eine ähnliche C-Anwendung mit GCC kompilieren , die es geradezu vektorisiert (AVX2 ist gezeigt, SSE2 ist ähnlich)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

Mit Laufzeiten:

  • SSE: 0,24 s oder 2-mal schneller.
  • AVX: 0,15 s oder dreimal schneller.
  • AVX2: 0,08 s oder 5-mal schneller.

1Um eine JIT-generierte Assembly-Ausgabe zu erhalten, eine Debug-JVM abrufen und mit -XX:+PrintOptoAssembly ausführen

2Die C-Version wird mit dem Flag -fwrapv kompiliert, mit dem GCC den vorzeichenbehafteten Ganzzahlüberlauf als Zwei-Komplement-Umlauf behandeln kann.

1127
rustyx

Wenn die Multiplikation 2 * (i * i) ist, kann die JVM die Multiplikation mit 2 aus der Schleife herausrechnen, was zu diesem äquivalenten, aber effizienteren Code führt:

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

wenn die Multiplikation jedoch (2 * i) * i ist, optimiert die JVM sie nicht, da die Multiplikation mit einer Konstanten nicht mehr direkt vor der Addition erfolgt.

Hier sind einige Gründe, warum ich denke, dass dies der Fall ist:

  • Das Hinzufügen einer if (n == 0) n = 1 -Anweisung am Anfang der Schleife führt dazu, dass beide Versionen gleich effizient sind, da das Ausklammern der Multiplikation nicht mehr garantiert, dass das Ergebnis dasselbe ist
  • Die optimierte Version (durch Ausklammern der Multiplikation mit 2) ist genau so schnell wie die Version 2 * (i * i)

Hier ist der Testcode, mit dem ich diese Schlussfolgerungen gezogen habe:

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;
}

Und hier sind die Ergebnisse:

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
127
Runemoro

Byte-Codes: https://cs.nyu.edu/courses/fall00/V22.0201-001/jvm2.html Byte-Codes Viewer: https://github.com/Konloch/Bytecode-Viewer

Auf meinem JDK (Windows 10 64 Bit, 1.8.0_65-b17) kann ich reproduzieren und erklären:

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;
}

Ausgabe:

...
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

Warum also? Der Bytecode lautet wie folgt:

 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 {
     }
 }

Der Unterschied ist: Mit Klammern (2 * (i * i)):

  • Drücken Sie den const-Stack
  • Lokal auf Stapel schieben
  • Lokal auf Stapel schieben
  • multiplizieren Sie die Oberseite des Stapels
  • multiplizieren Sie die Oberseite des Stapels

Ohne Klammern (2 * i * i):

  • Drücken Sie den const-Stack
  • Lokal auf Stapel schieben
  • multiplizieren Sie die Oberseite des Stapels
  • Lokal auf Stapel schieben
  • multiplizieren Sie die Oberseite des Stapels

Das Laden aller Teile des Stapels und das anschließende Zurückarbeiten sind schneller als das Umschalten zwischen dem Aufsetzen des Stapels und dem Bedienen.

40
DSchmidt

Kasperd fragte in einem Kommentar der akzeptierten Antwort:

In den Beispielen Java und C werden sehr unterschiedliche Registernamen verwendet. Verwenden beide Beispiele den AMD64 ISA?

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

Ich habe nicht genug Reputation, um dies in den Kommentaren zu beantworten, aber dies sind die gleichen ISA. Es sei darauf hingewiesen, dass die GCC-Version eine 32-Bit-Ganzzahllogik verwendet und die kompilierte JVM-Version intern eine 64-Bit-Ganzzahllogik verwendet.

R8 bis R15 sind nur neue X86_64 Register . EAX bis EDX sind die unteren Teile der Allzweckregister RAX bis RDX. Der wichtige Teil der Antwort ist, dass die GCC-Version nicht abgerollt ist. Es wird einfach eine Runde der Schleife pro tatsächlicher Maschinencodeschleife ausgeführt. Während die JVM-Version 16 Runden der Schleife in einer physischen Schleife enthält (basierend auf der Rustyx-Antwort, habe ich die Assembly nicht neu interpretiert). Dies ist einer der Gründe, warum mehr Register verwendet werden, da der Schleifenkörper tatsächlich 16-mal länger ist.

34
Puzzled

Obwohl dies nicht direkt mit der Umgebung der Frage zusammenhängt, habe ich aus Neugier den gleichen Test für .NET Core 2.1, x64, Release-Modus durchgeführt.

Hier ist das interessante Ergebnis, das bestätigt, dass ähnliche Phänomene (anders herum) auf der dunklen Seite der Streitmacht auftreten. Code:

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");
    }
}

Ergebnis:

2 * (i * i)

  • ergebnis: 119860736, 438 ms
  • ergebnis: 119860736, 433 ms
  • ergebnis: 119860736, 437 ms
  • ergebnis: 119860736, 435 ms
  • ergebnis: 119860736, 436 ms
  • ergebnis: 119860736, 435 ms
  • ergebnis: 119860736, 435 ms
  • ergebnis: 119860736, 439 ms
  • ergebnis: 119860736, 436 ms
  • ergebnis: 119860736, 437 ms

2 * i * i

  • ergebnis: 119860736, 417 ms
  • ergebnis: 119860736, 417 ms
  • ergebnis: 119860736, 417 ms
  • ergebnis: 119860736, 418 ms
  • ergebnis: 119860736, 418 ms
  • ergebnis: 119860736, 417 ms
  • ergebnis: 119860736, 418 ms
  • ergebnis: 119860736, 416 ms
  • ergebnis: 119860736, 417 ms
  • ergebnis: 119860736, 418 ms
29
Ünsal Ersöz

Ich habe ähnliche Ergebnisse erhalten:

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

Ich habe die SAME Ergebnisse erhalten, wenn sich beide Schleifen im selben Programm befanden oder sich in einer separaten .Java-Datei/.class befanden, die in einem separaten Lauf ausgeführt wurde.

Schließlich ist hier eine javap -c -v <.Java> Dekompilierung von jedem:

     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

vs.

     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

Zu Ihrer Information -

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)
20
paulsm4

Ich habe versucht, eine JMH mit dem Standard-Archetyp zu erstellen: Ich habe auch eine optimierte Version hinzugefügt, die auf Runemoros Erklärung basiert.

@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;
  }
}

Das Ergebnis sind hier:

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

Auf meinem PC ( Core i7 860 - es macht nichts anderes als auf meinem Smartphone zu lesen):

  • n += i*i dann n*2 ist zuerst
  • 2 * (i * i) ist an zweiter Stelle.

Die JVM optimiert eindeutig nicht auf die gleiche Weise wie ein Mensch (basierend auf Runemoros Antwort).

Lesen Sie nun den Bytecode: javap -c -v ./target/classes/org/sample/MyBenchmark.class

Ich bin kein Experte für Bytecode, aber wir iload_2, bevor wir imul: Hier haben Sie wahrscheinlich den Unterschied: Ich kann davon ausgehen, dass die JVM das Lesen i zweimal optimiert (i ist bereits hier und muss nicht erneut geladen werden, während dies im 2*i*i nicht möglich ist.

16
NoDataFound

Interessante Beobachtung mit Java 11 und Abschalten der Schleife mit der folgenden Option VM:

-XX:LoopUnrollLimit=0

Die Schleife mit dem Ausdruck 2 * (i * i) führt zu einem kompakteren systemeigenen Code1:

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

im Vergleich zur 2 * i * i Version:

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

Java-Version:

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)

Benchmark-Ergebnisse:

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

Benchmark-Quellcode:

@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 - VM Verwendete Optionen: -XX:+UnlockDiagnosticVMOptions -XX:+PrintAssembly -XX:LoopUnrollLimit=0

14

Eher ein Nachtrag. Ich habe das Experiment mit der neuesten Java 8 JVM von IBM wiederholt:

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)

Und das zeigt sehr ähnliche Ergebnisse:

0.374653912 s
n = 119860736
0.447778698 s
n = 119860736

(zweite Ergebnisse mit 2 * i * i).

Interessanterweise, wenn Sie auf demselben Computer ausgeführt werden, aber Oracle Java verwenden:

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)

ergebnisse sind im Durchschnitt etwas langsamer:

0.414331815 s
n = 119860736
0.491430656 s
n = 119860736

Kurz gesagt: Auch die Nebenversionsnummer von HotSpot spielt hier eine Rolle, da geringfügige Unterschiede innerhalb der JIT-Implementierung erhebliche Auswirkungen haben können.

13
GhostCat

Die beiden Methoden zum Hinzufügen generieren geringfügig unterschiedlichen Bytecode:

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

Für 2 * (i * i) vs:

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

Für 2 * i * i.

Und wenn Sie einen JMH Benchmark wie diesen verwenden:

@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;
    }

}

Der Unterschied ist klar:

# 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

Was Sie beobachten, ist korrekt und nicht nur eine Anomalie Ihres Benchmarking-Stils (d. H. Kein Aufwärmen, siehe Wie schreibe ich einen korrekten Micro-Benchmark in Java? )

Laufen wieder mit 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

Sie sehen, dass die Ergebnisse viel näher liegen, was Sinn macht, da Graal insgesamt ein leistungsfähigerer, modernerer Compiler ist.

Das hängt also davon ab, wie gut der JIT-Compiler in der Lage ist, einen bestimmten Code zu optimieren, und hat nicht unbedingt einen logischen Grund dafür.

5
Jorn Vernee