引言
隨着JDK的發展以及JIT的不斷優化,我們很多時候都可以寫讀起來易讀但是看上去性能不高的代碼了,編譯器會幫我們優化代碼。之前大學裏面學單片機的時候,由於內存以及處理器性能都極其有限(可能很多時候考慮內存的限制優先於處理器),所以很多時候,利用位運算來節約空間或者提高性能,那麼這些優秀的思想,放到目前的Java中,是否還有必要這麼做呢?我們逐一思考與驗證下(其實這也是一個關於Premature optimization的界定的思考)
1. 乘法與左移位
左移一位,相當於乘以2,左移n位,相當於乘以2的n次方。
1 << 1 == 1 * 2 //true
1 << n == 1 * pow(2, n) // true
public int pow(int i, int n) {
assert n >= 0;
int result = 1;
for (int i = 0; i < n; i++) {
result *= i;
}
return result;
}
看上去,移位應該比乘法性能快。那麼JIT與JVM虛擬機是否做了一些優化呢?優化分爲兩部分,一個是編譯器優化,另一個是處理器優化。我們先來看看字節碼是否一致判斷是否有編譯優化,例如直接將乘以2優化成左移一位,來編寫兩個函數:
public void multiply2_1() {
int i = 1;
i = i << 1;
}
public void multiply2_2() {
int i = 1;
i *= 2;
}
編譯好之後,用javap -c
來看下編譯好的class文件,字節碼是:
public void multiply2_1();
Code:
0: iconst_1
1: istore_1
2: iload_1
3: iconst_1
4: ishl
5: istore_1
6: return
public void multiply2_2();
Code:
0: iconst_1
1: istore_1
2: iload_1
3: iconst_2
4: imul
5: istore_1
6: return
可以看出左移是ishl
,乘法是imul
,從字節碼上看編譯器並沒有優化。那麼在執行字節碼轉換成處理器命令是否會優化呢?是會優化的,在底層,乘法其實就是移位,但是並不是簡單地左移
我們來使用jmh驗證下,添加依賴:
<dependency>
<groupId>org.openjdk.jmh</groupId>
<artifactId>jmh-core</artifactId>
<version>1.22</version>
</dependency>
<dependency>
<groupId>org.openjdk.jmh</groupId>
<artifactId>jmh-generator-annprocess</artifactId>
<version>1.22</version>
</dependency>
<!-- https://mvnrepository.com/artifact/site.ycsb/core -->
<dependency>
<groupId>site.ycsb</groupId>
<artifactId>core</artifactId>
<version>0.17.0</version>
</dependency>
實現思路:
- 被乘數的選擇:被乘數固定爲1,或者是一個極小值或者極大值或者是稀疏值(轉換成2進制很多位是0),測試結果沒啥太大的參考意義,所以我們選擇2的n次方減某一數字作爲被乘數
- 乘數生成的性能損耗:乘數是2的隨機n次方,生成這個的方式要一致,我們這裏要測試的僅僅是移位還有乘法運算速度,和實現複雜度沒有關係。
實現代碼:
@Benchmark
@Warmup(iterations = 0)
@Measurement(iterations = 300)
public void multiply2_n_shift_not_overflow(Generator generator) {
int result = 0;
int y = 0;
for (int j = 0; j < generator.divide.length; j++) {
//被乘數x爲2^n - j
int x = generator.divide[j] - j;
int ri = generator.divide.length - j - 1;
y = generator.divide[ri];
result += x * y;
//爲了和移位測試保持一致所以加上這一步
result += y;
}
}
@Benchmark
@Warmup(iterations = 0)
@Measurement(iterations = 300)
public void multiply2_n_mul_not_overflow(Generator generator) {
int result = 0;
int y = 0;
for (int j = 0; j < generator.divide.length; j++) {
int x = generator.divide[j] - j;
int ri = generator.divide.length - j - 1;
//爲了防止乘法多了讀取導致性能差異,這裏雖然沒必要,也讀取一下
y = generator.divide[ri];
result += x << ri;
//爲了防止虛擬機優化代碼將上面的給y賦值踢出循環,加上下面這一步
result += y;
}
}
測試結果:
Benchmark Mode Cnt Score Error Units
BitUtilTest.multiply2_n_mul_not_overflow thrpt 300 35882831.296 ± 48869071.860 ops/s
BitUtilTest.multiply2_n_shift_not_overflow thrpt 300 59792368.115 ± 96267332.036 ops/s
可以看出,左移位相對於乘法還是有一定性能提升的
2. 除法和右移位
這個和乘法以及左移位是一樣的.直接上測試代碼:
@Benchmark
@Warmup(iterations = 0)
@Measurement(iterations = 300)
public void divide2_1_1(Generator generator) {
int result = 0;
for (int j = 0; j < generator.divide.length; j++) {
int l = generator.divide[j];
result += Integer.MAX_VALUE / l;
}
}
@Benchmark
@Warmup(iterations = 0)
@Measurement(iterations = 300)
public void divide2_1_2(Generator generator) {
int result = 0;
for (int j = 0; j < generator.divide.length; j++) {
int l = generator.divide[j];
result += Integer.MAX_VALUE >> j;
}
}
結果:
Benchmark Mode Cnt Score Error Units
BitUtilTest.divide2_n_div thrpt 300 10219904.214 ± 5787618.125 ops/s
BitUtilTest.divide2_1_shift thrpt 300 44536470.740 ± 113360206.643 ops/s
可以看出,右移位相對於除法還是有一定性能提升的
3. “取餘”與“取與”運算
對於2的n次方取餘,相當於對2的n次方減一取與運算,n爲正整數。爲什麼呢?通過下圖就能很容易理解:
十進制中,對於10的n次方取餘,直觀來看就是:
其實就是將最後n位取出,就是餘數。
對於二進制,是一樣的:
這個運算相當於,對於n-1取與:
這個是一個很經典的位運算運用,廣泛用於各種高性能框架。例如在生成緩存隊列槽位的時候,一般生成2的n次方個槽位,因爲這樣在選擇槽位的時候,就可以用取與代替取餘;java中的ForkJoinPool的隊列長度就是定爲2的n次方;netty中的緩存池的葉子節點都是2的n次方,當然這也是因爲是平衡二叉查找樹算法的實現。
我們來看下性能會好多少:
@Benchmark
@Warmup(iterations = 0)
@Measurement(iterations = 300)
public void mod2_n_1(Generator generator) {
int result = 0;
for (int j = 0; j < generator.divide.length; j++) {
int l = generator.divide[j];
result += Integer.MAX_VALUE % l;
}
}
@Benchmark
@Warmup(iterations = 0)
@Measurement(iterations = 300)
public void mod2_n_2(Generator generator) {
int result = 0;
for (int j = 0; j < generator.divide.length; j++) {
int l = generator.divide[j];
result += Integer.MAX_VALUE & (l - 1);
}
}
結果:
Benchmark Mode Cnt Score Error Units
BitUtilTest.mod2_n_1 thrpt 300 10632698.855 ± 5843378.697 ops/s
BitUtilTest.mod2_n_2 thrpt 300 80339980.989 ± 21905820.262 ops/s
同時,我們從這裏也可以引申出,判斷一個數是否是2的n次方的方法,就是看這個數與這個數減一取與運算看是否是0,如果是,則是2的n次方,n爲正整數。
進一步的,奇偶性判斷就是看對2取餘是否爲0,那麼就相當於對(2-1)=1取與。
4. 求與數字最接近的2的n次方
這個廣泛運用於各種API優化,上文中提到,2的n次方是一個好東西。我們在寫框架的很多時候,想讓用戶傳入一個必須是2的n次方的參數來初始化某個資源池,但這樣不是那麼靈活,我們可以通過用戶傳入的數字N,來找出不大於N的最大的2的n次方,或者是大於N的最小的2的N次方。
抽象爲比較直觀的理解就是,找一個數字最左邊的1的左邊一個1(大於N的最小的2的N次方),或者是最左邊的1(小於N的最大的2的N次方),前提是這個數字本身不是2的n次方。
那麼,如何找呢?一種思路是,將這個數字最高位1之後的所有位都填上1,最後加一,就是大於N的最小的2的N次方。右移一位,就是小於N的最大的2的N次方。
如何填補呢?可以考慮按位或計算,我們知道除了0或0=0以外,其他的都是1. 我們現在有了最左面的1,右移一位,與原來按位或,就至少有了兩位是1,再右移兩位並按位或,則至少有四位爲1。。。以此類推:
用代碼表示是:
n |= n >>> 1;
n |= n >>> 2;
n |= n >>> 4;
n |= n >>> 8;
n |= n >>> 16;
n += 1; //大於N的最小的2的N次方
n = n >>> 1; //小於N的最大的2的N次方
如果有興趣,可以看一下Java的ForkJoinPool類的構造器,其中的WorkQueue大小,就是通過這樣的轉換得來的。
5. 交換兩個數字
這個在單片機編程中經常會使用這個位運算性質:一個數字異或自己爲零,一個數字異或0爲自己本身。那麼我們就可以利用這個性質交換兩個數字。
假設有數字x,y。
我們有x^y^y = x^(y^y)= x^0 = x
還有x^y^y^x^y = 0^y = y
那麼我們可以利用:
x = x ^ y;
y = x ^ y; //代入後就是x^y^y
x = x ^ y; //代入後就是x^y^y^x^y
這個方法雖然很巧妙,但是是一種時間換空間的方式; 我們常用的利用另一個變量實現交換是一種空間換時間的方式,來對比下性能:
@Benchmark
@Warmup(iterations = 0)
@Measurement(iterations = 300)
public int swap_1() {
int x = Integer.MAX_VALUE, y = Integer.MAX_VALUE / 2;
int z = x;
x = y;
y = z;
return x + y;
}
@Benchmark
@Warmup(iterations = 0)
@Measurement(iterations = 300)
public int swap_2() {
int x = Integer.MAX_VALUE, y = Integer.MAX_VALUE / 2;
x ^= y;
y ^= x;
x ^= y;
return x + y;
}
結果:
Benchmark Mode Cnt Score Error Units
BitUtilTest.swap_1 thrpt 300 267787894.370 ± 559479133.393 ops/s
BitUtilTest.swap_2 thrpt 300 265768807.925 ± 387039155.884 ops/s
測試來看,性能差異並不明顯,利用位運算減少了空間佔用,減少了GC,但是交換減少了cpu運算,但是GC同樣是消耗cpu計算,所以,很難界定。目前還是利用中間變量交換的更常用,也更易讀一些。
6. bit狀態位
我們爲了節省空間,嚐嚐利用一個數字類型(例如long類型)作爲狀態數,每一位代表一個狀態是true還是false。假設我們使用long類型,則一個狀態數可以最多表示64個屬性。代碼上一般這麼寫:
public static class Test {
//如果你的field是會被併發修改訪問,那麼最好還是加上緩存行填充防止false sharing
@jdk.internal.vm.annotation.Contended
private long field;
private static final long SWITCH_1_MASK = 1;
private static final long SWITCH_2_MASK = 1 << 1;
private static final long SWITCH_3_MASK = 1 << 2;
public boolean isSwitch1On() {
return (field & SWITCH_1_MASK) == 1;
}
public void turnOnSwitch1() {
field |= SWITCH_1_MASK;
}
public void turnOffSwitch1() {
field &= ~SWITCH_1_MASK;
}
}
這樣能節省大量空間,在實際應用中,很多地方做了這種優化。最直接的例子就是,Java對象的對象頭:
|-------------------------------------------------------|--------------------|
| Mark Word (32 bits) | State |
|-------------------------------------------------------|--------------------|
| identity_hashcode:25 | age:4 | biased_lock:1 | lock:2 | Normal |
|-------------------------------------------------------|--------------------|
| thread:23 | epoch:2 | age:4 | biased_lock:1 | lock:2 | Biased |
|-------------------------------------------------------|--------------------|
| ptr_to_lock_record:30 | lock:2 | Lightweight Locked |
|-------------------------------------------------------|--------------------|
| ptr_to_heavyweight_monitor:30 | lock:2 | Heavyweight Locked |
|-------------------------------------------------------|--------------------|
| | lock:2 | Marked for GC |
|-------------------------------------------------------|--------------------|
7. 位計數
基於6,有時候我們想某個狀態數裏面,有多少個狀態是true,就是計算這個狀態數裏面多少位是1.
比較樸素的方法就是:先判斷n的奇偶性,爲奇數時計數器增加1,然後將n右移一位,重複上面的步驟,直到移位完畢。
高效一點的方法通過:
n & (n - 1)
可以移除最後一位1 (假設最後一位本來是0, 減一後必爲1,0 & 1爲 0, 最後一位本來是1,減一後必爲0,0 & 1爲 0)- 移除了最後一位1之後,計數加1,如果結果不爲零,則用結果繼續第一步。
int n = Integer.MAX_VALUE;
int count = 0;
while(n != 0) {
n &= n -1;
count++;
}