27

问题

在编写与 OpenGL 库一起使用的 Matrix 类时，我遇到了是否使用 Java 数组或 Buffer 策略来存储数据的问题（JOGL 为 Matrix 操作提供直接缓冲区副本）。为了分析这一点，我编写了一个小型性能测试程序，比较了 Arrays、Buffers 和直接 Buffers 上循环和批量操作的相对速度。

我想在这里与您分享我的结果（因为我觉得它们很有趣）。请随时评论和/或指出任何错误。
代码可以在pastebin.com/is7UaiMV查看。

笔记

  • 循环读取数组被实现为A[i] = B[i]否则 JIT 优化器将完全删除该代码。实际var = A[i]似乎几乎相同。

  • 在数组大小为 10,000 的示例结果中，JIT 优化器很可能已将循环数组访问替换为类似 System.arraycopy 的实现。

  • 没有 bulk-get buffer->buffer，因为 Java将 A.get(B)实现为B.put(A)，因此结果将与 bulk-put 结果相同。

结论

在几乎所有情况下，强烈建议使用 Java 内部数组。不仅 put/get 速度大大加快，JIT 还能够对最终代码执行更好的优化。

仅当以下两者都适用时才应使用缓冲区：

  • 您需要处理大量数据。
  • 该数据大部分或始终是批量处理的。

请注意，后备缓冲区具有支持缓冲区内容的 Java 数组。建议对这个后台缓冲区进行操作，而不是循环 put/get。

仅当您担心内存使用并且从不访问底层数据时，才应使用直接缓冲区。它们比非直接缓冲区稍慢，如果访问底层数据则要慢得多，但使用的内存更少。此外，在使用直接缓冲区时，将非字节数据（如浮点数组）转换为字节时会产生额外的开销。

有关更多详细信息，请参见此处：

样本结果

注意：百分比只是为了便于阅读，没有实际意义。

使用具有 10,000,000 次迭代的大小为 16 的数组...

-- Array tests: -----------------------------------------

Loop-write array:           87.29 ms  11,52%
Arrays.fill:                64.51 ms   8,51%
Loop-read array:            42.11 ms   5,56%
System.arraycopy:           47.25 ms   6,23%

-- Buffer tests: ----------------------------------------

Loop-put buffer:           603.71 ms  79,65%
Index-put buffer:          536.05 ms  70,72%
Bulk-put array->buffer:    105.43 ms  13,91%
Bulk-put buffer->buffer:    99.09 ms  13,07%

Bulk-put bufferD->buffer:   80.38 ms  10,60%
Loop-get buffer:           505.77 ms  66,73%
Index-get buffer:          562.84 ms  74,26%
Bulk-get buffer->array:    137.86 ms  18,19%

-- Direct buffer tests: ---------------------------------

Loop-put bufferD:          570.69 ms  75,29%
Index-put bufferD:         562.76 ms  74,25%
Bulk-put array->bufferD:   712.16 ms  93,96%
Bulk-put buffer->bufferD:   83.53 ms  11,02%

Bulk-put bufferD->bufferD: 118.00 ms  15,57%
Loop-get bufferD:          528.62 ms  69,74%
Index-get bufferD:         560.36 ms  73,93%
Bulk-get bufferD->array:   757.95 ms 100,00%

使用大小为 1,000 的数组进行 100,000 次迭代...

-- Array tests: -----------------------------------------

Loop-write array:           22.10 ms   6,21%
Arrays.fill:                10.37 ms   2,91%
Loop-read array:            81.12 ms  22,79%
System.arraycopy:           10.59 ms   2,97%

-- Buffer tests: ----------------------------------------

Loop-put buffer:           355.98 ms 100,00%
Index-put buffer:          353.80 ms  99,39%
Bulk-put array->buffer:     16.33 ms   4,59%
Bulk-put buffer->buffer:     5.40 ms   1,52%

Bulk-put bufferD->buffer:    4.95 ms   1,39%
Loop-get buffer:           299.95 ms  84,26%
Index-get buffer:          343.05 ms  96,37%
Bulk-get buffer->array:     15.94 ms   4,48%

-- Direct buffer tests: ---------------------------------

Loop-put bufferD:          355.11 ms  99,75%
Index-put bufferD:         348.63 ms  97,93%
Bulk-put array->bufferD:   190.86 ms  53,61%
Bulk-put buffer->bufferD:    5.60 ms   1,57%

Bulk-put bufferD->bufferD:   7.73 ms   2,17%
Loop-get bufferD:          344.10 ms  96,66%
Index-get bufferD:         333.03 ms  93,55%
Bulk-get bufferD->array:   190.12 ms  53,41%

使用大小为 10,000 的数组进行 100,000 次迭代...

-- Array tests: -----------------------------------------

Loop-write array:          156.02 ms   4,37%
Arrays.fill:               109.06 ms   3,06%
Loop-read array:           300.45 ms   8,42%
System.arraycopy:          147.36 ms   4,13%

-- Buffer tests: ----------------------------------------

Loop-put buffer:          3385.94 ms  94,89%
Index-put buffer:         3568.43 ms 100,00%
Bulk-put array->buffer:    159.40 ms   4,47%
Bulk-put buffer->buffer:     5.31 ms   0,15%

Bulk-put bufferD->buffer:    6.61 ms   0,19%
Loop-get buffer:          2907.21 ms  81,47%
Index-get buffer:         3413.56 ms  95,66%
Bulk-get buffer->array:    177.31 ms   4,97%

-- Direct buffer tests: ---------------------------------

Loop-put bufferD:         3319.25 ms  93,02%
Index-put bufferD:        3538.16 ms  99,15%
Bulk-put array->bufferD:  1849.45 ms  51,83%
Bulk-put buffer->bufferD:    5.60 ms   0,16%

Bulk-put bufferD->bufferD:   7.63 ms   0,21%
Loop-get bufferD:         3227.26 ms  90,44%
Index-get bufferD:        3413.94 ms  95,67%
Bulk-get bufferD->array:  1848.24 ms  51,79%
4

2 回答 2

11

直接缓冲区并不是为了加速 Java 代码的访问。（如果可能的话，JVM 自己的数组实现有问题。）

这些字节缓冲区用于与其他组件交互，因为您可以将字节缓冲区写入 aByteChannel并且您可以将直接缓冲区与本机代码（例如您提到的 OpenGL 库）结合使用。它旨在加速这些操作。使用图形卡的芯片进行渲染可以在一定程度上加速整体操作，而不是补偿从 Java 代码访问缓冲区可能较慢的速度。

顺便说一句，如果您测量对字节缓冲区（尤其是直接字节缓冲区）的访问速度，则值得在获取视图之前将字节顺序更改为本机字节顺序：FloatBuffer

FloatBuffer bufferD = ByteBuffer.allocateDirect(SIZE * 4)
                                .order(ByteOrder.nativeOrder())
                                .asFloatBuffer();
于 2013-09-20T09:43:29.003 回答
4

语言：

仅当我们需要进行高效的高速I/O时才使用直接缓冲区。

如果我们需要高效的高速非 I/O操作，默认数组是最佳选择。

如果我们需要对默认数组执行类似缓冲区的操作，并且我们可以承受速度很慢，那么请使用数组支持的缓冲区。

管家：

您的测试没有测试任何 I/O 操作，因此得出的结论是错误的。

您的结论指出（强调不是我的）：

仅当您担心内存使用并且从不访问底层数据时，才应使用直接缓冲区。它们比非直接缓冲区稍慢，如果访问底层数据则要慢得多，但使用的内存更少。此外，在使用直接缓冲区时，将非字节数据（如浮点数组）转换为字节时会产生额外的开销。

这显然是错误的。直接缓冲区旨在解决速度问题，而不是内存问题。每当您需要高性能I/O 访问时，都应使用直接缓冲区。这包括文件/网络操作等。正确使用时肯定会更快，实际上是 Java API 开箱即用提供的最快。

在进行文件/网络操作时，将非字节数据转换为字节时会产生额外的开销。一切都是如此，而不仅仅是直接缓冲区。

您的结论还指出：

请注意，后备缓冲区具有支持缓冲区内容的 Java 数组。建议对这个后台缓冲区进行操作，而不是循环 put/get。

这是真的，但你错过了数组支持的缓冲区的全部意义。Array-backed buffers 是arrays 之上的外观模式。数组支持的缓冲区永远不会比数组本身快，因为它们在内部必须使用数组。

因此，它们的存在是为了方便，而不是为了速度。换句话说，如果您需要速度，建议选择 array 而不是 array-facade。如果您需要方便/可读性，建议在数组上选择数组外观而不是数组来进行类似缓冲区的操作。

另请阅读：

于 2014-08-24T14:36:20.760 回答