为什么lambda IntStream.anyMatch（）比朴素的实现慢10个？

为什么lambda IntStream.anyMatch（）比朴素的实现慢10个？

您的基准测试实际上并不衡量

anyMatch

性能，而是衡量流开销。与非常简单的 *** 作（如五元素数组查找）相比，此开销可能会很明显。

如果我们从相对数转为绝对数，增速放缓看起来不会那么可怕。让我们测量延迟而不是吞吐量，以获得更清晰的画面。我省略了

lambdaIntStream

基准测试，因为它的工作方式与完全相同

lambdaArrayStream

。

Benchmark        Mode  Cnt   Score   Error  UnitsContains.lambdaArrayStream  avgt    5  53,242 ± 2,034  ns/opContains.naive   avgt    5   5,876 ± 0,404  ns/op

5.8 ns大约是2.4 GHz CPU的14个周期。工作量如此之小，以至于任何额外的周期都会很明显。那么流 *** 作的开销是多少？

对象分配

现在，使用

-prof gc

探查器重新运行基准测试。它将显示堆分配的数量：

Benchmark      Mode  Cnt     Score     Error   UnitsContains.lambdaArrayStream:·gc.alloc.rate.norm  avgt    5   152,000 ±   0,001    B/opContains.naive:·gc.alloc.rate.norm   avgt    5    ≈ 10⁻⁵   B/op

lambdaArrayStream

每次迭代分配152个字节，而

naive

基准测试则不分配任何内容。当然，分配不是免费的：至少构造了5个对象来支持

anyMatch

，每个对象都需要几纳秒的时间：

• 拉姆达

  i -> i == val

• IntPipeline.Head
• Spliterators.IntArraySpliterator
• MatchOps.MatchOp
• MatchOps.MatchSink

调用堆栈

java.util.stream

实施有点复杂，因为它必须支持流源，中间 *** 作和终端 *** 作的所有组合。如果您查看

anyMatch

基准测试中的调用堆栈，则会看到类似以下内容：

    at bench.Contains.lambda$lambdaArrayStream
-XX:MaxInlineLevel=20
(Contains.java:24)    at java.util.stream.MatchOpsMatchSink.accept(MatchOps.java:119)    at java.util.Spliterators$IntArraySpliterator.tryAdvance(Spliterators.java:1041)    at java.util.stream.IntPipeline.forEachWithCancel(IntPipeline.java:162)    at java.util.stream.AbstractPipeline.copyIntoWithCancel(AbstractPipeline.java:498)    at java.util.stream.AbstractPipeline.copyInto(AbstractPipeline.java:485)    at java.util.stream.AbstractPipeline.wrapAndCopyInto(AbstractPipeline.java:471)    at java.util.stream.MatchOps$MatchOp.evaluateSequential(MatchOps.java:230)    at java.util.stream.MatchOps$MatchOp.evaluateSequential(MatchOps.java:196)    at java.util.stream.AbstractPipeline.evaluate(AbstractPipeline.java:234)    at java.util.stream.IntPipeline.anyMatch(IntPipeline.java:477)    at bench.Contains.lambdaArrayStream(Contains.java:23)

并非所有这些方法调用都可以内联。此外，JVM将内联限制为9个级别，但是在这里我们看到了更深的调用堆栈。如果我们用

Benchmark        Mode  Cnt   Score   Error  UnitsContains.lambdaArrayStream  avgt    5  33,294 ± 0,367  ns/op  (was 53,242)Contains.naive   avgt    5   5,822 ± 0,207  ns/op

分数来超越极限，将会变得更好：

for

循环优化

while

数组上的迭代是一个简单的计数循环。JVM可以在此处应用广泛的循环优化：循环剥离，循环展开等。这不适用于用于遍历IntStream
的

forEachWithCancel

-kind循环

-XX:LoopUnrollLimit=0-XX:-UseLoopPredicate

方法。循环优化的效果可以用以下方法测量

Benchmark        Mode  Cnt   Score   Error  UnitsContains.lambdaArrayStream  avgt    5  33,153 ± 0,559  ns/opContains.naive   avgt    5   9,853 ± 0,150  ns/op  (was 5,876)

：

是

结论

有
op也不算多）；但是，在此特定示例中，由于工作量极小，因此开销占主导。
一些开销，构建和遍历流，但这是完全了解，不能认为是一个错误。我不会说开销很大（即使50 ns /