数组访问可以优化吗？

Question

也许我被我的分析器（Netbeans）误导了，但我看到了一些奇怪的行为，希望这里有人可以帮助我理解它。

我正在开发一个应用程序，它大量使用相当大的哈希表（键是长整型，值是对象）。内置的 java 哈希表（特别是 HashMap）的性能非常差，在尝试了一些替代方案（Trove、Fastutils、Colt、Carrot）后，我开始自己工作。

该代码非常基本，使用双重哈希策略。这工作得很好，并且显示了迄今为止我尝试过的所有其他选项的最佳性能。

问题是，根据探查器，对哈希表的查找是整个应用程序中最昂贵的方法 - 尽管事实上其他方法被调用很多次，和/或执行< em>更多的逻辑。

真正让我困惑的是，这些查找仅由一个类调用；调用方法进行查找并处理结果。两者被调用的次数几乎相同，并且调用查找的方法中有很多逻辑来处理查找结果，但速度大约快 100 倍。

下面是哈希查找的代码。它基本上只是对数组的两次访问（根据分析，计算哈希码的函数实际上是免费的）。我不明白这段代码怎么会这么慢，因为它只是数组访问，而且我没有看到任何让它更快的方法。

请注意，代码只是返回与键匹配的存储桶，调用者应该处理该存储桶。 'size'是hash.length/2，hash1在哈希表的前半部分查找，hash2在后半部分查找。 key_index 是传递给构造函数的哈希表上的最终 int 字段，Entry 对象上的值数组是一个小型 long 数组，通常长度为 10 或更小。

人们对此有任何想法都非常感激。

谢谢。

public final Entry get(final long theKey) {
    Entry aEntry = hash[hash1(theKey, size)];

    if (aEntry != null && aEntry.values[key_index] != theKey) {
        aEntry = hash[hash2(theKey, size)];

        if (aEntry != null && aEntry.values[key_index] != theKey) {
            return null;
        }
    }

    return aEntry;
}

编辑 hash1 和 hash1 的代码哈希2

private static int hash1(final long key, final int hashTableSize) { 
    return (int)(key&(hashTableSize-1)); 
}
private static int hash2(final long key, final int hashTableSize) { 
    return (int)(hashTableSize+((key^(key>>3))&(hashTableSize-1))); 
}

Answer 1

我认为您的实施中没有什么是特别低效的。我承认我并没有真正遵循您的散列/查找策略，但如果您说它在您的情况下表现良好，我会相信您。

我期望的唯一可能会产生一些差异的是将键移出 Entry 的值数组。

而不是这样：

class Entry {
    long[] values;
}

//...
if ( entry.values[key_index] == key ) { //...

试试这个：

class Entry {
    long key;
    long values[];
}

//...
if ( entry.key == key ) { //...

您应该只承担访问成员的成本，而不是承担访问成员的成本，加上进行边界检查，然后获取数组的值。

是否有比数组更快的随机访问数据类型？

我对这个问题的答案很感兴趣，所以搭建了一个测试环境。这是我的数组接口：

interface Array {
    long get(int i);
    void set(int i, long v);
}

当索引超出范围时，此“数组”具有未定义的行为。我将明显的实现放在一起：

class NormalArray implements Array {
    private long[] data;

    public NormalArray(int size) {
        data = new long[size];
    }

    @Override
    public long get(int i) {
        return data[i];
    }

    @Override
    public void set(int i, long v) {
        data[i] = v;
    }
}

然后是一个控件：

class NoOpArray implements Array {
    @Override
    public long get(int i) {
        return 0;
    }
    @Override
    public void set(int i, long v) {
    }
}

最后，我设计了一个“数组”，其中前 10 个索引是硬编码成员。成员是通过开关设置/选择的：

class TenArray implements Array {
    private long v0;
    private long v1;
    private long v2;
    private long v3;
    private long v4;
    private long v5;
    private long v6;
    private long v7;
    private long v8;
    private long v9;
    private long[] extras;

    public TenArray(int size) {
        if (size > 10) {
            extras = new long[size - 10];
        }
    }

    @Override
    public long get(final int i) {
        switch (i) {
        case 0:
            return v0;
        case 1:
            return v1;
        case 2:
            return v2;
        case 3:
            return v3;
        case 4:
            return v4;
        case 5:
            return v5;
        case 6:
            return v6;
        case 7:
            return v7;
        case 8:
            return v8;
        case 9:
            return v9;
        default:
            return extras[i - 10];
        }
    }

    @Override
    public void set(final int i, final long v) {
        switch (i) {
        case 0:
            v0 = v; break;
        case 1:
            v1 = v; break;
        case 2:
            v2 = v; break;
        case 3:
            v3 = v; break;
        case 4:
            v4 = v; break;
        case 5:
            v5 = v; break;
        case 6:
            v6 = v; break;
        case 7:
            v7 = v; break;
        case 8:
            v8 = v; break;
        case 9:
            v9 = v; break;
        default:
            extras[i - 10] = v;
        }
    }
}

我用这个线束测试了它：

import java.util.Random;

public class ArrayOptimization {
    public static void main(String[] args) {
        int size = 10;
        long[] data = new long[size];
        Random r = new Random();
        for ( int i = 0; i < data.length; i++ ) {
            data[i] = r.nextLong();
        }

        Array[] a = new Array[] {
                new NoOpArray(),
                new NormalArray(size),
                new TenArray(size)
        };

        for (;;) {
            for ( int i = 0; i < a.length; i++ ) {
                testSet(a[i], data, 10000000);
                testGet(a[i], data, 10000000);
            }
        }
    }

    private static void testGet(Array a, long[] data, int iterations) {
            long nanos = System.nanoTime();
        for ( int i = 0; i < iterations; i++ ) {
            for ( int j = 0; j < data.length; j++ ) {
                data[j] = a.get(j);
            }
        }
        long stop = System.nanoTime();
        System.out.printf("%s/get took %fms%n", a.getClass().getName(), 
                (stop - nanos) / 1000000.0);
    }

    private static void testSet(Array a, long[] data, int iterations) {
        long nanos = System.nanoTime();
        for ( int i = 0; i < iterations; i++ ) {
            for ( int j = 0; j < data.length; j++ ) {
                a.set(j, data[j]);
            }
        }
        long stop = System.nanoTime();
        System.out.printf("%s/set took %fms%n", a.getClass().getName(), 
                (stop - nanos) / 1000000.0);

    }
}

结果有点令人惊讶。 TenArray 的执行速度比 NormalArray 快得多（对于大小 <= 10）。减去开销（使用 NoOpArray 平均值），您将得到 TenArray，其时间约为普通数组的 65%。因此，如果您知道数组可能的最大大小，我认为它可能会超过数组的速度。我想 switch 使用比数组更少的边界检查或更有效的边界检查。

NoOpArray/set took 953.272654ms
NoOpArray/get took 891.514622ms
NormalArray/set took 1235.694953ms
NormalArray/get took 1148.091061ms
TenArray/set took 1149.833109ms
TenArray/get took 1054.040459ms
NoOpArray/set took 948.458667ms
NoOpArray/get took 888.618223ms
NormalArray/set took 1232.554749ms
NormalArray/get took 1120.333771ms
TenArray/set took 1153.505578ms
TenArray/get took 1056.665337ms
NoOpArray/set took 955.812843ms
NoOpArray/get took 893.398847ms
NormalArray/set took 1237.358472ms
NormalArray/get took 1125.100537ms
TenArray/set took 1150.901231ms
TenArray/get took 1057.867936ms

现在我不确定你在实践中是否可以获得比阵列更快的速度；显然，这种方式会产生与接口/类/方法相关的任何开销。

Answer 2

您很可能在解释分析器结果时受到部分误导。众所周知，分析器过度夸大了经常调用的小型方法对性能的影响。在您的情况下， get() 方法的分析开销可能大于方法本身所花费的实际处理费用。情况会进一步恶化，因为检测还会干扰 JIT 内联方法的能力。

根据这种情况的经验法则 - 如果在分析器下运行时，已知长度的工作的总处理时间增加两到三倍，则分析开销会给您带来不准确的结果。

要验证您的更改确实产生了影响，请始终不使用探查器来衡量性能改进。探查器可以提示您有关瓶颈的信息，但它也可以欺骗您查看没有问题的地方。

数组边界检查可能会对性能产生令人惊讶的巨大影响（如果您执行的其他操作相对较少），但也很难将其与一般内存访问惩罚明确区分开来。在一些微不足道的情况下，JIT 可能能够消除它们（Java 6 中一直在努力消除边界检查），但据我所知，这主要限于简单的循环结构，例如 for(x=0; x

Mark Peters 建议的更改很可能不仅更快，因为它消除了边界检查，而且还因为它以更缓存友好的方式改变了数据结构的局部性属性。

Answer 3

许多分析器会告诉您非常令人困惑的事情，部分原因是它们的工作方式，部分原因是人们一开始对性能有一些有趣的想法。
例如，您想知道函数被调用了多少次，并且您正在查看代码并认为它​​看起来有很多逻辑，因此速度很慢。

有一种非常简单的方法来思考这个问题，这使得很容易理解正在发生的事情。

• 首先，考虑例程或语句处于活动状态的时间百分比，而不是调用它的次数或它所花费的平均时间长度。原因是它相对不受竞争进程或 I/O 等不相关问题的影响，并且您不必将调用次数乘以平均执行时间，然后除以总时间来查看它是否很大。甚至足以关心。另外，百分比告诉您底线，修复它可能会减少总体执行时间多少。

• 其次，我所说的“活动”是指“在堆栈上”，其中堆栈包括当前正在运行的指令以及其“上方”的所有调用返回到“调用 main”。如果一个例程负责 10% 的时间，包括它调用的例程，那么在这段时间内它位于堆栈上。个人陈述甚至指示也是如此。 （忽略“自我时间”或“独占时间”。这是一种干扰。）

• 在函数上放置计时器和计数器的探查器只能为您提供其中一些信息。仅对程序计数器进行采样的分析器告诉您的信息甚至更少。您需要的是对调用堆栈进行采样并按行（不仅仅是按函数）向您报告包含该行的堆栈样本的百分比。同样重要的是，它们 a) 在 I/O 或其他阻塞期间对堆栈进行采样，但 b) 不要在等待用户输入时采样。

有分析器可以做到这一点。我不确定Java。

如果你还和我在一起，让我再扔一个铃声。您正在寻找可以优化的东西，对吧？只有那些比例足够大才值得这么麻烦的事情，比如 10% 或更多？这样一行成本为 10% 的代码有 10% 的时间在堆栈上。这意味着如果采集 20,000 个样本，则仅针对其中的约 2,000 个样本。如果采集20 个样本，则平均而言，大约是其中的 2 个样本。现在，你正试图找到这条线，对吧？只要你找到了，百分比稍微偏离一点真的很重要吗？这是分析器的另一个令人愉快的神话——计时的精确性很重要。为了找到值得解决的问题，20,000 个样本所提供的信息并不比 20 个样本所提供的信息多。
那我该怎么办？只需手动获取样本并研究它们即可。值得优化的代码会立即跳到我的面前。

最后，有一大好消息。可能有很多事情你可以优化。假设你解决了 20% 的问题并使其消失。总体时间减少到原来的 4/5，但其他问题所花费的时间并没有减少，所以现在它们的百分比是原来的 5/4，因为分母变小了。从百分比来看，它们变得更大了，而且更容易找到。这种效果就像滚雪球一样，让你真正压缩代码。

Answer 4

您可以尝试使用记忆或缓存策略来减少实际调用的数量。如果您非常绝望，您可以尝试的另一件事是本机数组，因为索引它们的速度快得令人难以置信，并且如果您使用不需要编组的参数（例如 long），JNI 不应该调用太多开销。