java自动装箱性能

来自： http://原网站已经失效/article/java-auto-pack-performance.html

Java 的基本数据类型（int、double、 char）都不是对象。但由于很多Java代码需要处理的是对象（Object），Java给所有基本类型提供了包装类（Integer、Double、Character）。有了自动装箱，你可以写如下的代码

Character boxed = 'a';  char unboxed = boxed;

编译器自动将它转换为

Character boxed = Character.valueOf('a');  char unboxed = boxed.charValue();

然而，Java虚拟机不是每次都能理解这类过程，因此要想得到好的系统性能，避免不必要的装箱很关键。这也是 OptionalInt 和 IntStream 等特殊类型存在的原因。在这篇文章中，我将概述JVM很难消除自动装箱的一个原因。

实例

例如，我们想要计算任意一类数据的编辑距离（Levenshtein距离），只要这些数据可以被看作一个序列：

public class Levenshtein{  private final Function> asList;    public Levenshtein(Function> asList) {  this.asList = asList;  }    public int distance(T a, T b) {  // Wagner-Fischer algorithm, with two active rows    List aList = asList.apply(a);  List bList = asList.apply(b);    int bSize = bList.size();  int[] row0 = new int[bSize + 1];  int[] row1 = new int[bSize + 1];    for (int i = 0; i row0[i] = i;  }    for (int i = 0; i < bSize; ++i) {  U ua = aList.get(i);  row1[0] = row0[0] + 1;    for (int j = 0; j < bSize; ++j) {  U ub = bList.get(j);  int subCost = row0[j] + (ua.equals(ub) ? 0 : 1);  int delCost = row0[j + 1] + 1;  int insCost = row1[j] + 1;  row1[j + 1] = Math.min(subCost, Math.min(delCost, insCost));  }    int[] temp = row0;  row0 = row1;  row1 = temp;  }    return row0[bSize];  }  }

只要两个对象可以被看作List，这个类就可以计算它们的编辑距离。如果想计算String类型的距离，那么就需要把String转变为List类型：

public class StringAsList extends AbstractList{  private final String str;    public StringAsList(String str) {  this.str = str;  }    @Override  public Character get(int index) {  return str.charAt(index); // Autoboxing! }    @Override  public int size() {  return str.length();  }  }    ...    Levenshteinlev = new Levenshtein<>(StringAsList::new);  lev.distance("autoboxing is fast", "autoboxing is slow"); // 4

由于Java泛型的实现方式，不能有List类型，所以要提供List和装箱操作。（注：Java10中，这个限制也许会被取消。）

基准测试

为了测试 distance() 方法的性能，需要做基准测试。Java中微基准测试很难保证准确，但幸好OpenJDK提供了JMH（Java Microbenchmark Harness），它可以帮我们解决大部分难题。如果感兴趣的话，推荐大家阅读文档和实例；它会很吸引你。以下是基准测试：

@State(Scope.Benchmark)  public class MyBenchmark {  private Levenshtein lev = new Levenshtein<>(StringAsList::new);    @Benchmark  @BenchmarkMode(Mode.AverageTime)  @OutputTimeUnit(TimeUnit.NANOSECONDS)  public int timeLevenshtein() {  return lev.distance("autoboxing is fast", "autoboxing is slow");  }  }

（返回方法的结果，这样JMH就可以做一些操作让系统认为返回值会被使用到，防止冗余代码消除影响了结果。）

以下是结果：

$ java -jar target/benchmarks.jar -f 1 -wi 8 -i 8  # JMH 1.10.2 (released 3 days ago)  # VM invoker: /usr/lib/jvm/java-8-openjdk/jre/bin/java  # VM options:  # Warmup: 8 iterations, 1 s each  # Measurement: 8 iterations, 1 s each  # Timeout: 10 min per iteration  # Threads: 1 thread, will synchronize iterations  # Benchmark mode: Average time, time/op  # Benchmark: com.tavianator.boxperf.MyBenchmark.timeLevenshtein    # Run progress: 0.00% complete, ETA 00:00:16  # Fork: 1 of 1  # Warmup Iteration 1: 1517.495 ns/op  # Warmup Iteration 2: 1503.096 ns/op  # Warmup Iteration 3: 1402.069 ns/op  # Warmup Iteration 4: 1480.584 ns/op  # Warmup Iteration 5: 1385.345 ns/op  # Warmup Iteration 6: 1474.657 ns/op  # Warmup Iteration 7: 1436.749 ns/op  # Warmup Iteration 8: 1463.526 ns/op  Iteration 1: 1446.033 ns/op  Iteration 2: 1420.199 ns/op  Iteration 3: 1383.017 ns/op  Iteration 4: 1443.775 ns/op  Iteration 5: 1393.142 ns/op  Iteration 6: 1393.313 ns/op  Iteration 7: 1459.974 ns/op  Iteration 8: 1456.233 ns/op    Result "timeLevenshtein":  1424.461 ±(99.9%) 59.574 ns/op [Average]  (min, avg, max) = (1383.017, 1424.461, 1459.974), stdev = 31.158  CI (99.9%): [1364.887, 1484.034] (assumes normal distribution)    # Run complete. Total time: 00:00:16    Benchmark Mode Cnt Score Error Units  MyBenchmark.timeLevenshtein avgt 8 1424.461 ± 59.574 ns/op

分析

为了查看代码热路径（hot path）上的结果，JMH集成了Linux工具perf，可以查看最热代码块的JIT编译结果。（要想查看汇编代码，需要安装hsdis插件。我在AUR上提供了下载，Arch用户可以直接获取。）在JMH命令行添加 -prof perfasm 命令，就可以看到结果：

$ java -jar target/benchmarks.jar -f 1 -wi 8 -i 8 -prof perfasm  ...  cmp $0x7f,%eax  jg 0x00007fde989a6148 ;*if_icmpgt  ; - java.lang.Character::valueOf@3 (line 4570)  ; - com.tavianator.boxperf.StringAsList::get@8 (line 14)  ; - com.tavianator.boxperf.StringAsList::get@2; (line 5)  ; - com.tavianator.boxperf.Levenshtein::distance@121 (line 32)  cmp $0x80,%eax  jae 0x00007fde989a6103 ;*aaload  ; - java.lang.Character::valueOf @ 10 (line 4571)  ; - com.tavianator.boxperf.StringAsList::get@8 (line 14)  ; - com.tavianator.boxperf.StringAsList::get @ 2 (line 5)  ; - com.tavianator.boxperf.Levenshtein::distance@121 (line 32)  ...

输出内容很多，但上面的一点内容就说明装箱没有被优化。为什么要和0x7f/0×80的内容做比较呢？原因在于Character.valueOf()的取值来源：

private static class CharacterCache {  private CharacterCache(){}    static final Character cache[] = new Character[127 + 1];    static {  for (int i = 0; i < cache.length; i++)  cache[i] = new Character((char)i);  }  }    public static Character valueOf(char c) {  if (c return CharacterCache.cache[(int)c];  }  return new Character(c);  }

可以看出，Java语法标准规定前127个char的Character对象放在缓冲池中，Character.valueOf()的结果在其中时，直接返回缓冲池的对象。这样做的目的是减少内存分配和垃圾回收，但在我看来这是过早的优化。而且它妨碍了其他优化。JVM无法确定 Character.valueOf(c).charValue() == c，因为它不知道缓冲池的内容。所以JVM从缓冲池中取了一个Character对象并读取它的值，结果得到的就是和 c 一样的内容。

解决方法

解决方法很简单：

@ @ -11,7 +11,7 @ @ public class StringAsList extends AbstractList {    @Override  public Character get(int index) {  - return str.charAt(index); // Autoboxing!  + return new Character(str.charAt(index));  }    @Override

用显式的装箱代替自动装箱，就避免了调用Character.valueOf()，这样JVM就很容易理解代码：

private final char value;    public Character(char value) {  this.value = value;  }    public char charValue() {  return value;  }

虽然代码中加了一个内存分配，但JVM能理解代码的意义，会直接从String中获取char字符。性能提升很明显：

$ java -jar target/benchmarks.jar -f 1 -wi 8 -i 8  ...  # Run complete. Total time: 00:00:16    Benchmark Mode Cnt Score Error Units  MyBenchmark.timeLevenshtein avgt 8 1221.151 ± 58.878 ns/op

速度提升了14%。用 -prof perfasm 命令可以显示，改进以后是直接从String中拿到char值并在寄存器中比较的：

movzwl 0x10(%rsi,%rdx,2),%r11d ;*caload  ; - java.lang.String::charAt@27 (line 648)  ; - com.tavianator.boxperf.StringAsList::get@9 (line 14)  ; - com.tavianator.boxperf.StringAsList::get @ 2 (line 5)  ; - com.tavianator.boxperf.Levenshtein::distance@121 (line 32)  cmp %r11d,%r10d  je 0x00007faa8d404792 ;*if_icmpne  ; - java.lang.Character::equals@18 (line 4621)  ; - com.tavianator.boxperf.Levenshtein::distance@137 (line 33)

总结

装箱是HotSpot的一个弱项，希望它能做到越来越好。它应该多利用装箱类型的语义，消除装箱操作，这样以上的解决办法就没有必要了。