与单线程相比，c++/java的多线程性能结果参差不齐

Odd c++/java multi threading performance results compared to single thread

本文关键字：多线程 性能 结果 参差不齐 java 单线程 c++      更新时间：2023-10-16

从2天起，我就一直在努力理解c++线程池性能与单个线程相比发生了什么，然后我决定在java上也这样做，这时我注意到c++和java上的行为是相同的。。基本上，我的代码很简单。

package com.examples.threading
import java.util.concurrent.ExecutorService;
import java.util.concurrent.Executors;
import java.util.concurrent.atomic.AtomicLong;
public class ThreadPool {
final static AtomicLong lookups = new AtomicLong(0);
final static AtomicLong totalTime = new AtomicLong(0);
public static class Task implements Runnable 
{
    int start = 0;
    Task(int s) {
        start = s;
    }
    @Override
    public void run() 
    {
       for (int j = start ; j < start + 3000; j++ ) {
        long st = System.nanoTime();
        boolean a = false;
        long et = System.nanoTime();
        totalTime.getAndAdd((et - st));
        lookups.getAndAdd(1l);
       }
    }
}

 public static void main(String[] args) 
{
    // change threads from 1 -> 100 then you will get different numbers
    ExecutorService executor = Executors.newFixedThreadPool(1);
    for (int i = 0; i <= 1000000; i++) 
    {
        if (i % 3000 == 0) {
            Task task = new Task(i);
            executor.execute(task);
            System.out.println("in time " + (totalTime.doubleValue()/lookups.doubleValue()) + " lookups: " + lookups.toString());
        }
    }
    executor.shutdown();
    while (!executor.isTerminated()) {
        ;
    }
    System.out.println("in time " + (totalTime.doubleValue()/lookups.doubleValue()) + " lookups: " + lookups.toString());
}
}

现在，当您使用不同的池号（比如说100个线程）运行相同的代码时，总运行时间将发生变化

一个线程：及时查找36.9149361274451：1002000
100个螺纹：及时查找141.47934530938124：1002000

问题是，代码是一样的，为什么总的运行时间不同，这里到底发生了什么。。

这里有几个明显的可能性。

一种是System.nanoTime可以在内部串行化，因此即使每个线程单独进行调用，它也可以在内部按顺序执行这些调用（例如，在调用到来时对其进行排队）。当nanoTime直接访问硬件时钟时，这种情况尤其可能发生，例如在Windows上（它使用Windows的QueryPerformanceCounter）。

另一个基本上按顺序执行的点是原子变量。尽管您使用的是无锁原子，但基本事实是，每个原子都必须作为原子序列执行读/修改/写。对于锁定的变量，这是通过锁定、读取、修改、写入和解锁来完成的。有了无锁，您可以消除这样做的一些开销，但您仍然面临这样一个事实，即在给定的时间只有一个线程可以成功地读取、修改和写入特定的内存位置。

在这种情况下，每个线程所做的唯一"工作"是琐碎的，和永远不会使用结果，因此优化器可以（可能也会）完全消除它。所以你真正测量的是读取时钟和增加变量的时间。

为了至少恢复一些速度，您可以（例如）给线程线程自己的lookups和totalTime变量。然后，当所有线程完成时，您可以将各个线程的值加在一起，以获得每个线程的总值。

防止时序的序列化稍微困难一些（委婉地说）。至少在显而易见的设计中，对nanoTime的每次调用都直接访问一个硬件寄存器，这（至少对于大多数典型的硬件）只能顺序发生。它可以在硬件级别进行修复（提供一个高频定时器寄存器，每个内核可以直接读取，保证在内核之间同步）。这是一项不平凡的任务，（更重要的是）大多数当前的硬件都不包括这样的东西。

除此之外，在每个线程中做一些有意义的工作，这样当你在多个线程中执行时，你就有了东西，它实际上可以使用多个CPU/内核的资源来更快地运行。

相关文章：