
在上文Lua coroutine 不一样的多线程编程思路 中想到coroutine的运行机制跟Java中的wait/notify很相似,所以写了一个简单程序比较一下。
源代码Lua code
co = coroutine.create(function(loops) for i = 1,loops do coroutine.yIEld() endend)local x = os.clock()local loops = 100 * 1000 * 1000coroutine.resume(co,loops)for i = 1,loops do coroutine.resume(co)endprint(string.format("elapsed time: %.2f\n",os.clock() - x)) Java code
public class TestWait { public static voID main(String[] args) { WaitClass wc = new WaitClass(); wc.start(); int loops = 100 * 1000 * 1000; long t1 = System.currentTimeMillis(); for (int i = 0; i < loops; i++) { synchronized (wc) { wc.notify(); } } long t2 = System.currentTimeMillis(); System.out.println("elapsed time: " + (t2 - t1) / 1000l); }}class WaitClass extends Thread { public voID run() { while (true) { synchronized (this) { try { this.wait(); } catch (InterruptedException e) { e.printstacktrace(); } } } }} 运行结果 Lua elapsed time: 53.36
Java elapsed time: 51
运行环境:4core XEON
Lua 1cpu 100%,其他cpu0%,total 25% (其中cpu sys 0%)
Java 2个cpu 40%-50%,其他cpu 0%,total 25% (其中cpu sys 5%-10%)
从结果看,coroutine只利用了一个cpu,和原理所说完全一致。
Java利用了2个cpu,各占用了50%的cpu时间运行和50%的时间等待,和设计也一致。另外Java用了5-10%的sys cpu时间用于线程context switch
结论虽然这两种程序没有直接可比性,但仍然可以看出一些有趣的地方:
Lua虽然在各种性能评比中performance比Java低一个数量级,但在这个场景中也跑平了Java Java为了调用notify/wait,用了同步锁,因此测试场景对Java不利。 再谈coroutine应用场景今天又看到qIEzi的文章并发编程模型:Thread,Coroutine,Callback … 分析得很深入,对这方面感兴趣的可以进一步去深入了解。
另外qIEzi在Coroutine在并发程序中的应用中提到四种场景,可以理解是对我上篇文章对coroutine应用场景的一种答案。
状态机。 异步IO *** 作:异步IO *** 作通常是发起一个IO请求,由 *** 作系统完成以后回调指定的方法或者使用其它方式通知。 高并发网络服务器,高并发服务器除了要处理场景一的情况外,可能还要结合场景二,多线程方案有时候完全不能接受,更多的是基于事件、异步IO或者是混合事件和多线程的模型。 客户端并发应用但是我还是觉得存在疑虑,后面几种我觉得用多线程/线程池模式也可以很好解决。其实select/epoll异步IO方式跟多线程并不矛盾。多线程并不代表每个线程需要recv阻塞在那里。目前网络服务器的多线程通常是指业务逻辑处理部分使用多线程。比如Java中用mina来处理连接(相当于epoll),mina在收到数据包之后再分发给负责业务逻辑的thread pool处理。如果是cpu密集型任务,简单把线程池的线程数设成cpu数即可达到性能最佳。这时如果把线程数设成1,就很类似coroutine模式了。而Java模式所增加的消耗,主要是new runnable class以及线程池调度的开销。
总结以上是内存溢出为你收集整理的Lua coroutine vs Java wait/notify全部内容,希望文章能够帮你解决Lua coroutine vs Java wait/notify所遇到的程序开发问题。
如果觉得内存溢出网站内容还不错,欢迎将内存溢出网站推荐给程序员好友。
欢迎分享,转载请注明来源:内存溢出
微信扫一扫
支付宝扫一扫
评论列表(0条)