执行提取方法重构后，代码变慢 6 倍

Question

我知道微观基准很难。我并不想建立一个糟糕的微观基准。相反，我在进行（我认为是的）无害重构时遇到了这个问题。下面是问题的简化演示。

该程序构建一个包含一万个随机整数的ArrayList，然后查找元素的和。在该示例中，求和被重复一百万次，以提高所用时间测量中的信噪比。在实际的程序中，有一百万个略有不同的列表，但不管怎样，问题仍然存在。

< Li > < code > App # arraySumInlined 是重构前的方法版本，在循环体中保持内联求和。 < Li > < code > App # arraySumSubFunctionCall 是将循环体提取到单独方法中的方法版本。

现在，（对我来说）令人惊讶的是arraySumIn⃣需要约7秒，但arraySumSubFunctionCall需要约42秒。在我看来，这似乎是一个令人印象深刻的差异。

如果我取消注释数组摘要和数组摘要子功能调用，则它们分别在大约7秒内完成。即数组子子函数调用不再那么慢。

这是怎么回事？有什么更广泛的含义吗？例如，我以前从未想过提取方法重构可以将7秒的方法调用变成42秒的方法调用。

在研究这个问题时，我发现了几个涉及JIT的问题（例如Java方法调用性能和为什么使用流的代码在Java9比Java8运行得快得多？），但它们似乎处理相反的情况：内联代码的性能比单独方法中的代码差。

环境详细信息：Windows 10 x64，Intel Core i3-6100。

λ java -version
openjdk version "11.0.4" 2019-07-16
OpenJDK Runtime Environment AdoptOpenJDK (build 11.0.4+11)
OpenJDK 64-Bit Server VM AdoptOpenJDK (build 11.0.4+11, mixed mode)

λ javac -version
javac 11.0.4

import java.util.ArrayList;
import java.util.Random;
import java.util.concurrent.TimeUnit;

public class App {

  public static void main(String[] args) {
    final int size = 10_000;
    final int iterations = 1_000_000;
    final var data = integerListWithRandomValues(size);

    //arraySumInlined(iterations, data);
    arraySumSubFunctionCall(iterations, data);
  }

  private static void arraySumSubFunctionCall(int iterations,
      final ArrayList<Integer> data) {
    final long start = System.nanoTime();
    long result = 0;
    for (int i = 0; i < iterations; ++i) {
      result = getSum(data);
    }
    final long end = System.nanoTime();
    System.out.println(String.format("%f sec (%d)",
        TimeUnit.NANOSECONDS.toMillis(end - start) / 1000.0, result));
  }

  private static void arraySumInlined(int iterations,
      final ArrayList<Integer> data) {
    final long start = System.nanoTime();
    long result = 0;
    for (int i = 0; i < iterations; ++i) {
      result = data.stream().mapToInt(e -> e).sum();
    }
    final long end = System.nanoTime();
    System.out.println(String.format("%f sec (%d)",
        TimeUnit.NANOSECONDS.toMillis(end - start) / 1000.0, result));
  }

  private static int getSum(final ArrayList<Integer> data) {
    return data.stream().mapToInt(e -> e).sum();
  }

  private static ArrayList<Integer> integerListWithRandomValues(final int size) {
    final var result = new ArrayList<Integer>();
    final var r = new Random();

    for (int i = 0; i < size; ++i) {
      result.add(r.nextInt());
    }

    return result;
  }
}

Answer 1

值得一提的是，我也做了一些实验，发现当在静态方法中执行时，IntStream上的sum（）方法特别适用。我如下调整了您的代码，以便获得每次迭代的平均持续时间：

import java.util.ArrayList;
import java.util.Random;
import java.util.concurrent.TimeUnit;
import java.util.stream.IntStream;

public class App2 {

    public static void main(String[] args) {
        final int size = 10_000;
        final int iterations = 1_000_000;
        final var data = integerListWithRandomValues(size);
        boolean inline = args.length > 0 && "inline".equalsIgnoreCase(args[0]);

        if (inline) {
            System.out.println("Running inline");
        } else {
            System.out.println("Running sub-function call");
        }

        arraySum(inline, iterations, data);
    }

    private static void arraySum(boolean inline, int iterations, final ArrayList<Integer> data) {
        long start;
        long result = 0;
        long totalElapsedTime = 0;

        for (int i = 0; i < iterations; ++i) {
            start = System.nanoTime();
            if (inline) {
                result = data.stream().mapToInt(e -> e).sum();
            } else {
                result = getIntStream(data).sum();
            }
            totalElapsedTime += getElapsedTime(start);
        }
        printElapsedTime(totalElapsedTime/iterations, result);
    }

    private static long getElapsedTime(long start) {
        return TimeUnit.NANOSECONDS.toNanos(System.nanoTime() - start);
    }

    private static void printElapsedTime(long elapsedTime, long result) {
        System.out.println(String.format("%d per iteration (%d)", elapsedTime, result));
    }

    private static IntStream getIntStream(final ArrayList<Integer> data) {
        return data.stream().mapToInt(e -> e);
    }

    private static int getSum(final ArrayList<Integer> data) {
        return data.stream().mapToInt(e -> e).sum();
    }

    private static ArrayList<Integer> integerListWithRandomValues(final int size) {
        final var result = new ArrayList<Integer>();
        final var r = new Random();

        for (int i = 0; i < size; ++i) {
            result.add(r.nextInt());
        }

        return result;
    }
}

一旦我切换到 getIntStream（） 静态方法（在尝试其他排列之后），速度就与内联执行时间相匹配。

Answer 2

我用你的代码做了一些实验，以下是我的结论：

1-如果在main()中先放arraySumSubFunctionCall()，然后放arraySumInlined()，则执行时间会有所不同:

public static void main(String[] args) {
    ...
    arraySumSubFunctionCall(iterations, data);
    arraySumInlined(iterations, data); 
}

这意味着即时编译器优化发生在arraySumIn（）中，然后可以应用于arraySumSubFunctionCall（）。

2-如果你替换你的常量data.stream（）. mapToInt（e-

private static void arraySumInlined(int iterations,
      final ArrayList<Integer> data) {
    ...
    for (int i = 0; i < iterations; ++i) {
      result = new Random().nextInt();
    }
    ...
}


private static int getSum(final ArrayList<Integer> data) {
    return new Random().nextInt();
}

这意味着常量data.stream()。地图输入(电子-

在现实生活中，我认为在本地for循环中重新计算N次相同的值并不经常发生，因此如果需要进行代码准备，您不应该害怕提取方法重构。