我在Math.max
周围玩耍,看它是否受分支预测的影响(不,至少在x64的JDK上没有,有cmovl
),如果按位实现可以与默认实现竞争。所有测试如下所示:
@Threads(4)
@State(Scope.Thread)
@BenchmarkMode({Mode.AverageTime, Mode.SampleTime})
@OutputTimeUnit(TimeUnit.MILLISECONDS)
public class CoreMaximum {
private int[][] corpus;
@Setup
public void setUp() {
corpus = Corpus.create();
}
@Benchmark
public void constant(Blackhole blackhole) {
val arguments = corpus[0];
for (val payload : corpus) {
blackhole.consume(arguments[0]);
blackhole.consume(arguments[1]);
blackhole.consume(payload[0]);
blackhole.consume(payload[1]);
blackhole.consume(Math.max(arguments[0], arguments[1]));
}
}
@Benchmark
public void random(Blackhole blackhole) {
val payload = corpus[0];
for (val arguments : corpus) {
blackhole.consume(arguments[0]);
blackhole.consume(arguments[1]);
blackhole.consume(payload[0]);
blackhole.consume(payload[1]);
blackhole.consume(Math.max(arguments[0], arguments[1]));
}
}
}
其中Math.max
可以用对另一个实现的调用替换,并且Corpus.create()
返回由SecureRandom填充的int[1_000_000][2]
。
问题是,即使我确定调用的代码不会受到分支预测的影响,并且尽管在constant
和random
基准测试中执行了均匀的负载和消耗量,但对于所有实现,基准测试仍然存在相似的差距:
CoreMaximum.constant avgt 25 13.080 ± 0.680 ms/op
CoreMaximum.constant:CPI avgt 5 0.528 ± 0.027 #/op
CoreMaximum.constant:L1-dcache-load-misses avgt 5 478734.008 ± 2419.011 #/op
CoreMaximum.constant:L1-dcache-loads avgt 5 49990187.380 ± 114908.845 #/op
CoreMaximum.constant:L1-dcache-stores avgt 5 17998192.002 ± 42008.496 #/op
CoreMaximum.constant:L1-icache-load-misses avgt 5 2142.398 ± 526.619 #/op
CoreMaximum.constant:LLC-load-misses avgt 5 28553.636 ± 1338.175 #/op
CoreMaximum.constant:LLC-loads avgt 5 33148.939 ± 667.526 #/op
CoreMaximum.constant:LLC-store-misses avgt 5 150.218 ± 26.488 #/op
CoreMaximum.constant:LLC-stores avgt 5 271.536 ± 113.444 #/op
CoreMaximum.constant:branch-misses avgt 5 187.060 ± 123.697 #/op
CoreMaximum.constant:branches avgt 5 17001028.964 ± 32923.938 #/op
CoreMaximum.constant:cycles avgt 5 57063715.464 ± 2900664.885 #/op
CoreMaximum.constant:dTLB-load-misses avgt 5 13153.047 ± 1808.179 #/op
CoreMaximum.constant:dTLB-loads avgt 5 49999483.367 ± 94718.665 #/op
CoreMaximum.constant:dTLB-store-misses avgt 5 36.217 ± 7.357 #/op
CoreMaximum.constant:dTLB-stores avgt 5 17999664.120 ± 23160.612 #/op
CoreMaximum.constant:iTLB-load-misses avgt 5 32.138 ± 4.584 #/op
CoreMaximum.constant:iTLB-loads avgt 5 16.571 ± 20.613 #/op
CoreMaximum.constant:instructions avgt 5 107989860.816 ± 240202.175 #/op
CoreMaximum.random avgt 25 14.082 ± 0.717 ms/op
CoreMaximum.random:CPI avgt 5 0.503 ± 0.037 #/op
CoreMaximum.random:L1-dcache-load-misses avgt 5 479117.110 ± 2632.690 #/op
CoreMaximum.random:L1-dcache-loads avgt 5 56030755.475 ± 120501.598 #/op
CoreMaximum.random:L1-dcache-stores avgt 5 24015559.169 ± 51480.836 #/op
CoreMaximum.random:L1-icache-load-misses avgt 5 2473.731 ± 968.508 #/op
CoreMaximum.random:LLC-load-misses avgt 5 29106.351 ± 1251.508 #/op
CoreMaximum.random:LLC-loads avgt 5 34274.838 ± 1178.339 #/op
CoreMaximum.random:LLC-store-misses avgt 5 156.975 ± 29.332 #/op
CoreMaximum.random:LLC-stores avgt 5 268.092 ± 128.106 #/op
CoreMaximum.random:branch-misses avgt 5 169.811 ± 102.783 #/op
CoreMaximum.random:branches avgt 5 18007736.925 ± 42002.060 #/op
CoreMaximum.random:cycles avgt 5 61431988.502 ± 4506086.004 #/op
CoreMaximum.random:dTLB-load-misses avgt 5 13157.184 ± 1496.518 #/op
CoreMaximum.random:dTLB-loads avgt 5 56026614.485 ± 144375.149 #/op
CoreMaximum.random:dTLB-store-misses avgt 5 37.321 ± 6.870 #/op
CoreMaximum.random:dTLB-stores avgt 5 24011292.571 ± 54348.034 #/op
CoreMaximum.random:iTLB-load-misses avgt 5 38.059 ± 19.549 #/op
CoreMaximum.random:iTLB-loads avgt 5 18.290 ± 36.399 #/op
CoreMaximum.random:instructions avgt 5 122045528.539 ± 313318.615 #/op
((我没有足够的经验来得出结论,但显然random
基准具有比constant
多的计数器,尤其是instructions
和branches
)]
Random
总是需要更长的时间,并且有更多的指令,这显然表明基准测试并未说明问题,但我不知道这是怎么回事。除了线程计数(我不知道为什么,但它只使用一个而不是内核数)之外,我没有做任何其他调整,预热应该完成他们的工作(我看到C2
在第一次预热时就已经编译了代码),和ASM
的转储(在CompileCommandFile
中使用打印)除了几次点按和特定指令的放置外,没有显着差异。我想念什么?
虽然对我来说仍然是完全个谜,但根本原因是什么(可能是ASM清单包含了答案,但是我没有足够的时间来深入研究所有问题),我认为我找到了问题所在。删除for循环即可完成工作:
@Threads(4)
@State(Scope.Thread)
@BenchmarkMode(Mode.AverageTime)
@OutputTimeUnit(TimeUnit.NANOSECONDS)
public class CoreMaximum {
@Param({"true", "false"})
public boolean constant;
private int[][] corpus;
@Setup
public void setUp() {
corpus = constant ? Corpus.constant() : Corpus.random();
}
@Benchmark
public void run(Blackhole blackhole) {
blackhole.consume(Math.max(corpus[0][0], corpus[0][1]));
blackhole.consume(Math.max(corpus[1][0], corpus[1][1]));
blackhole.consume(Math.max(corpus[2][0], corpus[2][1]));
blackhole.consume(Math.max(corpus[3][0], corpus[3][1]));
blackhole.consume(Math.max(corpus[4][0], corpus[4][1]));
blackhole.consume(Math.max(corpus[5][0], corpus[5][1]));
blackhole.consume(Math.max(corpus[6][0], corpus[6][1]));
blackhole.consume(Math.max(corpus[7][0], corpus[7][1]));
blackhole.consume(Math.max(corpus[8][0], corpus[8][1]));
blackhole.consume(Math.max(corpus[9][0], corpus[9][1]));
blackhole.consume(Math.max(corpus[10][0], corpus[10][1]));
blackhole.consume(Math.max(corpus[11][0], corpus[11][1]));
blackhole.consume(Math.max(corpus[12][0], corpus[12][1]));
blackhole.consume(Math.max(corpus[13][0], corpus[13][1]));
blackhole.consume(Math.max(corpus[14][0], corpus[14][1]));
blackhole.consume(Math.max(corpus[15][0], corpus[15][1]));
blackhole.consume(Math.max(corpus[16][0], corpus[16][1]));
blackhole.consume(Math.max(corpus[17][0], corpus[17][1]));
blackhole.consume(Math.max(corpus[18][0], corpus[18][1]));
blackhole.consume(Math.max(corpus[19][0], corpus[19][1]));
blackhole.consume(Math.max(corpus[20][0], corpus[20][1]));
blackhole.consume(Math.max(corpus[21][0], corpus[21][1]));
blackhole.consume(Math.max(corpus[22][0], corpus[22][1]));
blackhole.consume(Math.max(corpus[23][0], corpus[23][1]));
blackhole.consume(Math.max(corpus[24][0], corpus[24][1]));
blackhole.consume(Math.max(corpus[25][0], corpus[25][1]));
blackhole.consume(Math.max(corpus[26][0], corpus[26][1]));
blackhole.consume(Math.max(corpus[27][0], corpus[27][1]));
blackhole.consume(Math.max(corpus[28][0], corpus[28][1]));
blackhole.consume(Math.max(corpus[29][0], corpus[29][1]));
blackhole.consume(Math.max(corpus[30][0], corpus[30][1]));
blackhole.consume(Math.max(corpus[31][0], corpus[31][1]));
}
}
Benchmark (constant) Mode Cnt Score Error Units
CoreMaximum.run true avgt 25 92.235 ± 7.998 ns/op
CoreMaximum.run:CPI true avgt 5 0.392 ± 0.049 #/op
CoreMaximum.run:instructions true avgt 5 1000.988 ± 5.330 #/op
CoreMaximum.run false avgt 25 92.556 ± 9.010 ns/op
CoreMaximum.run:CPI false avgt 5 0.390 ± 0.074 #/op
CoreMaximum.run:instructions false avgt 5 999.559 ± 5.132 #/op
我正在手动展开循环,因为单发基准测试没有理由分支,而在基准测试中直接调用Random
/ SecureRandom
可能会超过实际的实现调用,并且容易出错。老实说,面对这样的问题,删除实际的测试对象并检查结果应该是第一件事。
对于那些通过google最终出现在这里的人:当您发现测试中存在一些错误并且没有足够的时间进行深入挖掘时,您可以作弊。如果您确定基准测试的某个部分在撒谎,则可以尝试找出它的哪一部分,然后重写基准测试以摆脱它。 但是要记住,a)获得想要看到的数字并不能证明任何事情,并且比实际确认假设要安慰您,b)如果您想做的事情[[正确,您必须找出根源原因,否则您的基准测试只是一个逃脱,(再次)可能隐藏了一个错误。我这次之所以作弊只是因为a)我不是在做我的工作,而是在做更多的工作,而不是追求一个特定的生产代码中的问题,没有足够的时间进行适当的调查,并且b)我确信结果是因为我已经看到所有实现的ASM清单,而我所追求的实际实现(库一)只是少数说明所有这些都排除了分支预测的可能性。 如果找到确切答案是您工作的一部分,请不要作弊,您将无法解决所寻找的问题。