Java 8的流：为什么并行流更慢？

performance java parallel-processing java-8 java-stream

2022-08-31 14:27:54

我正在使用Java 8的流，无法理解我获得的性能结果。我有2核CPU（Intel i73520M），Windows 8 x64和64位Java 8 update 5。我正在对字符串的流/并行流进行简单的映射，发现并行版本有点慢。

Function<Stream<String>, Long> timeOperation = (Stream<String> stream) -> {
  long time1 = System.nanoTime();
  final List<String> list = 
     stream
       .map(String::toLowerCase)
       .collect(Collectors.toList());
  long time2 = System.nanoTime();
  return time2 - time1;
};

Consumer<Stream<String>> printTime = stream ->
  System.out.println(timeOperation.apply(stream) / 1000000f);

String[] array = new String[1000000];
Arrays.fill(array, "AbabagalamagA");

printTime.accept(Arrays.stream(array));            // prints around 600
printTime.accept(Arrays.stream(array).parallel()); // prints around 900

考虑到我有2个CPU内核，并行版本不应该更快吗？有人可以给我一个提示，为什么并行版本更慢吗？

答案 1

这里同时有几个问题，就像过去一样。

首先，并行解决问题总是涉及执行比按顺序执行更多的实际工作。在多个线程之间拆分工作以及连接或合并结果涉及开销。将短字符串转换为小写等问题足够小，以至于它们有被并行拆分开销淹没的危险。

第二个问题是，对Java程序进行基准测试是非常微妙的，很容易得到令人困惑的结果。两个常见问题是 JIT 编译和死代码消除。简短的基准测试通常在JIT编译之前或期间完成，因此它们不会测量峰值吞吐量，实际上它们可能正在测量JIT本身。何时进行编译是非确定性的，因此也可能导致结果差异很大。

对于小型综合基准测试，工作负载通常会计算丢弃的结果。JIT编译器非常善于检测这一点，并消除不会产生在任何地方使用的结果的代码。在这种情况下，这可能不会发生，但如果您修改其他合成工作负载，它肯定会发生。当然，如果 JIT 消除了基准测试工作负载，则会使基准测试变得毫无用处。

我强烈建议使用一个完善的基准测试框架，如JMH，而不是手工制作自己的一个。JMH拥有帮助避免常见基准测试陷阱（包括这些陷阱）的功能，并且设置和运行起来非常容易。以下是转换为使用 JMH 的基准测试：

package com.stackoverflow.questions;

import java.util.Arrays;
import java.util.List;
import java.util.stream.Collectors;
import java.util.concurrent.TimeUnit;

import org.openjdk.jmh.annotations.*;

public class SO23170832 {
    @State(Scope.Benchmark)
    public static class BenchmarkState {
        static String[] array;
        static {
            array = new String[1000000];
            Arrays.fill(array, "AbabagalamagA");
        }
    }

    @GenerateMicroBenchmark
    @OutputTimeUnit(TimeUnit.SECONDS)
    public List<String> sequential(BenchmarkState state) {
        return
            Arrays.stream(state.array)
                  .map(x -> x.toLowerCase())
                  .collect(Collectors.toList());
    }

    @GenerateMicroBenchmark
    @OutputTimeUnit(TimeUnit.SECONDS)
    public List<String> parallel(BenchmarkState state) {
        return
            Arrays.stream(state.array)
                  .parallel()
                  .map(x -> x.toLowerCase())
                  .collect(Collectors.toList());
    }
}

我使用以下命令运行此命令：

java -jar dist/microbenchmarks.jar ".*SO23170832.*" -wi 5 -i 5 -f 1

（这些选项指示五次预热迭代、五次基准测试迭代和一次分叉 JVM。在运行过程中，JMH会发出许多冗长的消息，我已经省略了这些消息。摘要结果如下。

Benchmark                       Mode   Samples         Mean   Mean error    Units
c.s.q.SO23170832.parallel      thrpt         5        4.600        5.995    ops/s
c.s.q.SO23170832.sequential    thrpt         5        1.500        1.727    ops/s

请注意，结果是每秒操作数，因此看起来并行运行比顺序运行快三倍。但我的机器只有两个核心。嗯。每次运行的平均误差实际上大于平均运行时！寺院？这里正在发生一些可疑的事情。

这就引出了第三个问题。更仔细地观察工作负载，我们可以看到它为每个输入分配了一个新的 String 对象，并且它还将结果收集到一个列表中，这涉及大量的重新分配和复制。我猜这将导致相当数量的垃圾回收。通过在启用 GC 消息的情况下重新运行基准测试，我们可以看到这一点：

java -verbose:gc -jar dist/microbenchmarks.jar ".*SO23170832.*" -wi 5 -i 5 -f 1

这给出了如下结果：

[GC (Allocation Failure)  512K->432K(130560K), 0.0024130 secs]
[GC (Allocation Failure)  944K->520K(131072K), 0.0015740 secs]
[GC (Allocation Failure)  1544K->777K(131072K), 0.0032490 secs]
[GC (Allocation Failure)  1801K->1027K(132096K), 0.0023940 secs]
# Run progress: 0.00% complete, ETA 00:00:20
# VM invoker: /Users/src/jdk/jdk8-b132.jdk/Contents/Home/jre/bin/java
# VM options: -verbose:gc
# Fork: 1 of 1
[GC (Allocation Failure)  512K->424K(130560K), 0.0015460 secs]
[GC (Allocation Failure)  933K->552K(131072K), 0.0014050 secs]
[GC (Allocation Failure)  1576K->850K(131072K), 0.0023050 secs]
[GC (Allocation Failure)  3075K->1561K(132096K), 0.0045140 secs]
[GC (Allocation Failure)  1874K->1059K(132096K), 0.0062330 secs]
# Warmup: 5 iterations, 1 s each
# Measurement: 5 iterations, 1 s each
# Threads: 1 thread, will synchronize iterations
# Benchmark mode: Throughput, ops/time
# Benchmark: com.stackoverflow.questions.SO23170832.parallel
# Warmup Iteration   1: [GC (Allocation Failure)  7014K->5445K(132096K), 0.0184680 secs]
[GC (Allocation Failure)  7493K->6346K(135168K), 0.0068380 secs]
[GC (Allocation Failure)  10442K->8663K(135168K), 0.0155600 secs]
[GC (Allocation Failure)  12759K->11051K(139776K), 0.0148190 secs]
[GC (Allocation Failure)  18219K->15067K(140800K), 0.0241780 secs]
[GC (Allocation Failure)  22167K->19214K(145920K), 0.0208510 secs]
[GC (Allocation Failure)  29454K->25065K(147456K), 0.0333080 secs]
[GC (Allocation Failure)  35305K->30729K(153600K), 0.0376610 secs]
[GC (Allocation Failure)  46089K->39406K(154624K), 0.0406060 secs]
[GC (Allocation Failure)  54766K->48299K(164352K), 0.0550140 secs]
[GC (Allocation Failure)  71851K->62725K(165376K), 0.0612780 secs]
[GC (Allocation Failure)  86277K->74864K(184320K), 0.0649210 secs]
[GC (Allocation Failure)  111216K->94203K(185856K), 0.0875710 secs]
[GC (Allocation Failure)  130555K->114932K(199680K), 0.1030540 secs]
[GC (Allocation Failure)  162548K->141952K(203264K), 0.1315720 secs]
[Full GC (Ergonomics)  141952K->59696K(159232K), 0.5150890 secs]
[GC (Allocation Failure)  105613K->85547K(184832K), 0.0738530 secs]
1.183 ops/s

注意：以开头的行是正常的 JMH 输出行。其余的都是GC消息。这只是五个预热迭代中的第一个，在五个基准测试迭代之前。在其余的迭代中，GC消息也以相同的方式继续。我认为可以肯定地说，测量的性能由GC开销主导，并且不应相信报告的结果。#

目前还不清楚该怎么办。这纯粹是综合工作负载。与分配和复制相比，它显然涉及很少的CPU时间来执行实际工作。很难说你在这里真正想要衡量的是什么。一种方法是提出一个不同的工作负载，从某种意义上说，它更“真实”。另一种方法是更改堆和 GC 参数，以避免在基准测试运行期间使用 GC。

答案 2

执行基准测试时，应注意 JIT 编译，并且计时行为可能会根据 JIT 编译代码路径的数量而变化。如果我在测试程序中添加预热阶段，并行版本比顺序版本快一点。结果如下：

Warmup...
Benchmark...
Run 0:  sequential 0.12s  -  parallel 0.11s
Run 1:  sequential 0.13s  -  parallel 0.08s
Run 2:  sequential 0.15s  -  parallel 0.08s
Run 3:  sequential 0.12s  -  parallel 0.11s
Run 4:  sequential 0.13s  -  parallel 0.08s

以下代码片段包含我用于此测试的完整源代码。

public static void main(String... args) {
    String[] array = new String[1000000];
    Arrays.fill(array, "AbabagalamagA");
    System.out.println("Warmup...");
    for (int i = 0; i < 100; ++i) {
        sequential(array);
        parallel(array);
    }
    System.out.println("Benchmark...");
    for (int i = 0; i < 5; ++i) {
        System.out.printf("Run %d:  sequential %s  -  parallel %s\n",
            i,
            test(() -> sequential(array)),
            test(() -> parallel(array)));
    }
}
private static void sequential(String[] array) {
    Arrays.stream(array).map(String::toLowerCase).collect(Collectors.toList());
}
private static void parallel(String[] array) {
    Arrays.stream(array).parallel().map(String::toLowerCase).collect(Collectors.toList());
}
private static String test(Runnable runnable) {
    long start = System.currentTimeMillis();
    runnable.run();
    long elapsed = System.currentTimeMillis() - start;
    return String.format("%4.2fs", elapsed / 1000.0);
}