有人能解释一下为什么顺序版本π-逼近比并行版本更快吗?
我搞不懂
我正在使用一个非常著名的π近似例子。我在单位平方( 0,0)到( 1,1)中选取随机点,看看有多少随机点落在单位圆的区域内。分数应该是π/ 4的值。
public class PIEstimation {
final static int NUM_SAMPLES = 100000000;
public static void main(String[] args) {
sequentialVersion();
parallelVersion();
System.out.println(" Real PI:= " + Math.PI);
}
public static void sequentialVersion() {
final long start = System.nanoTime();
final long count = LongStream
.rangeClosed(1, NUM_SAMPLES)
.filter(e -> {
double x = Math.random();
double y = Math.random();
return x * x + y * y < 1;
}).count();
final long duration = ((System.nanoTime() - start) / 1_000_000);
System.out.println("Sequential Version: PI ~ " + 4.0 * (count / (double) NUM_SAMPLES) + " calculated in "
+ duration + " msecs");
}
public static void parallelVersion() {
final long start = System.nanoTime();
final long count = LongStream
.rangeClosed(1, NUM_SAMPLES)
.parallel()
.filter(e -> {
double x = Math.random();
double y = Math.random();
return x * x + y * y < 1;
}).count();
final long duration = ((System.nanoTime() - start) / 1_000_000);
System.out.println(" Parallel Version: PI ~ " + 4.0 * (count / (double) NUM_SAMPLES) + " calculated in "
+ duration + " msecs");
}
}结果:
Sequential Version: PI ~ 3.14176568 calculated in 4893 msecs
Parallel Version: PI ~ 3.1417546 calculated in 12044 msecs
Real PI:= 3.141592653589793发布于 2017-09-13 22:25:13
在我的机器上并行运行(3.0 GHz Intel Core i7,两个内核,4个线程)的结果更糟糕:
sequential: PI ~ 3.14175124 calculated in 4952 msecs
parallel: PI ~ 3.14167776 calculated in 21320 msecs我怀疑主要原因是Math.random()是线程安全的,因此它围绕每个调用进行同步。因为有多个线程都试图同时获取随机数,所以它们都在争夺同一个锁。这增加了大量的开销。请注意,Math.random()如下所示:
此方法被正确同步以允许多个线程正确使用。但是,如果许多线程需要以很高的速率生成伪随机数,则可以减少对每个线程拥有自己的伪随机数生成器的争用。
为了避免锁争用,请改用ThreadLocalRandom:
long count = LongStream.rangeClosed(1, NUM_SAMPLES)
.parallel()
.filter(e -> {
ThreadLocalRandom cur = ThreadLocalRandom.current();
double x = cur.nextDouble();
double y = cur.nextDouble();
return x * x + y * y < 1;
})
.count();这产生了以下结果:
sequential2: PI ~ 3.14169156 calculated in 1171 msecs
parallel2: PI ~ 3.14166796 calculated in 648 msecs这是1.8x加速比,对双核机器来说还不算太糟。注意,这在顺序运行时也更快,可能是因为根本没有锁开销。
旁白:通常,对于基准,我建议使用JMH。然而,这个基准似乎运行的时间足够长,它给出了一个合理的指示相对速度。然而,为了获得更精确的结果,我建议使用JMH。
更新
下面是附加的结果( user3666197在注释中请求),与原始的100_000_000相比,使用1_000_000_000值。为了便于比较,我复制了上面的结果。
NUM_SAMPLES = 100_000_000
sequential: PI ~ 3.14175124 calculated in 4952 msecs
parallel: PI ~ 3.14167776 calculated in 21320 msecs
sequential2: PI ~ 3.14169156 calculated in 1171 msecs
parallel2: PI ~ 3.14166796 calculated in 648 msecs
NUM_SAMPLES = 1_000_000_000
sequential: PI ~ 3.141572896 calculated in 47730 msecs
parallel: PI ~ 3.141543836 calculated in 228969 msecs
sequential2: PI ~ 3.1414865 calculated in 12843 msecs
parallel2: PI ~ 3.141635704 calculated in 7953 msecssequential和parallel的结果(主要是)与问题中的代码相同,sequential2和parallel2正在使用我修改的ThreadLocalRandom代码。正如人们所预料的那样,新的时间表总体上大约要长10倍。较长的parallel2运行速度并不像人们预期的那么快,尽管它并不完全超出了正常范围,在双核计算机上显示了大约1.6x的加速速度。
https://stackoverflow.com/questions/46201094
复制相似问题