Java 8的流：为什么并行流比较慢？

Question

我正在使用Java 8的流，无法理解我得到的性能结果。我有2个核心CPU（Intel i73520M），Windows 8 x64和64位Java 8 Update5。我正在对String的流/并行流进行简单映射，发现并行版本要慢一些。

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，并行版本是否应该更快？有人可以提示我为什么并行版本比较慢吗？

Answer 1

确实有几个并行发生的问题。

首先是并行解决问题总是要比按顺序完成更多的实际工作。开销涉及将工作划分为多个线程，以及合并或合并结果。诸如将短字符串转换为小写字母之类的问题很小，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程序进行基准测试非常微妙，并且很容易得出令人困惑的结果。两个常见问题是JIT编译和无效代码消除。简短的基准测试通常在JIT编译之前或期间完成，因此它们无法衡量峰值吞吐量，实际上，它们可能是在衡量JIT本身。当编译发生时是不确定的，因此它也可能导致结果变化很大。

对于小型综合基准，工作负载通常会计算被丢弃的结果。JIT编译器非常擅长检测到这一点，并消除了不会产生在任何地方使用的结果的代码。在这种情况下，可能不会发生这种情况，但是如果你修改其他综合工作负载，则肯定会发生。当然，如果JIT消除了基准测试工作量，它将使基准测试无用。

我强烈建议你使用完善的基准测试框架（例如JMH），而不是手动编写一个自己的框架。JMH具有帮助避免常见基准测试陷阱（包括这些陷阱）的设施，并且很容易设置和运行。这是你转换为使用JMH的基准：

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

（这些选项指示五个热身迭代，五个基准迭代和一个分叉的JVM。）在运行期间，JMH发出许多详细消息，而我已经忽略了这些消息。总结结果如下。

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，结果以每秒操作数为单位，因此看起来并行运行比顺序运行快约三倍。但是我的机器只有两个核心。嗯 每次运行的平均错误实际上大于平均运行时间！WAT？这里有些鱼腥味。

这给我们带来了第三个问题。仔细研究工作量，我们可以看到它为每个输入分配了一个新的String对象，并且还将结果收集到一个列表中，该列表涉及大量的重新分配和复制。我猜想这将导致大量垃圾回收。我们可以通过在启用了GC消息的情况下重新运行基准测试来看到这一点：

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

结果如下：

[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：以开头的线#是正常的JMH输出线。其余所有都是GC消息。这只是五个预热迭代中的第一个，它先于五个基准迭代。在其余的迭代中，GC消息以相同的方式继续。我认为可以肯定地说，测得的性能主要由GC开销决定，不应相信报告的结果。

目前尚不清楚该怎么办。这纯粹是综合性的工作量。显然，与分配和复制相比，完成实际工作只需要很少的CPU时间。很难说你真正想在这里衡量什么。一种方法是提出在某种意义上更“真实”的不同工作负载。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出现GC。