百度360必应搜狗淘宝本站头条
当前位置:网站首页 > 技术分类 > 正文

Java 17的计算速度比Java 8慢?

ztj100 2025-05-23 21:36 10 浏览 0 评论

尽管最近的一些特性可能会产生 Java 进化的错觉,但自 Java 8 以来 Java 语言并没有太大变化。

一些内置类有改进,但 Java 性能的整体改进并不容易察觉。

如果现代 Java 性能明显下降怎么办?

Java中的计算任务

Java 的性能不如 Python,但更方便用于计算。让我们进行最简单的实验,看看现代 Java 的计算能力发生了什么变化。

任何人都知道的标准计算是斐波那契数的计算。在 Java 中,它可以通过并行计算同步完成,甚至更快。甚至还有一个专门的类RecursiveTask,所以代码不像 JavaScript 或 Python 那样复杂。我尝试两种方法来计算斐波那契数。

在我的代码中,我重用了来自RecursiveTask. API 建议不要为位置 10 之前的数字启动新任务。



public class Main {
static long fibonacci(long n) {
    if (n <= 1) {
      return n;
    } else {
      return fibonacci(n - 1) + fibonacci(n - 2);
    }
  }
class Fibonacci extends RecursiveTask<Long> {
final long n;
Fibonacci(long n) {
      this.n = n;
    }
protected Long compute() {
      if (n <= 10) {
        return fibonacci(n);
      }
      Fibonacci f1 = new Fibonacci(n - 1);
      f1.fork();
      Fibonacci f2 = new Fibonacci(n - 2);
      return f2.compute() + f1.join();
    }
  }
Map<String, List<Long>> results = new HashMap<>();
void execute(IntFunction<Long> code, int num, String name) {
    long start = System.currentTimeMillis();
    long r = code.apply(num);
    long time = System.currentTimeMillis() - start;
    results.computeIfAbsent(name, k -> new LinkedList<>()).add(time);
    System.out.println(r + " in " + time + " ms");
  }
void run(int num, int repeats) {
    for (int i = 0; i < repeats; i++) {
      execute(n -> fibonacci(n), num, "one");
      execute(n -> new Fibonacci(n).compute(), num, "multi");
    }
 
    results.forEach((k, v) -> 
   System.out.println(k + " " + v.stream().mapToLong(l -> l).average().getAsDouble()));
  }
public static void main(String... args) {
    new Main().run(Integer.valueOf(args[0]),  Integer.valueOf(args[1]));
  }
}



该代码期待两个数字--斐波那契数列中的数字和重复计算目标数字的次数。最后,代码显示了同步和并发计算目标数的平均时间。

该代码没有vars等现代功能,因为它也将由Java 8执行。

在Java中,编译器版本很重要。当用 javac 8 编译的代码在 java 17 上运行时,奇怪的事情发生了。为了尽可能准确,我把相同的代码用Java 8编译器编译成fibonacci8.jar,用Java 17编译成fibonacci17.jar。

使用以下命令启动的 jar 的输出结束:"C:\Program Files\Java\jdk1.8.0_121\bin\java" -jar fibonacci8.jar 40 100

将上述 100 次重复的平均值与使用 启动的 jar 的输出中的平均值进行比较:"C:\Program Files\Java\jdk-17.0.1\bin\java -jar fibonacci17.jar 40 100"

Java 17 在计算任务上似乎慢 (487–444)/444=9% 和 (280–241)/241=16%。这难以置信。让我们尝试另一个数字,45,但只计算了 20 次,因为如您所见,计算需要时间。

现在差异变小了 (5099–4895)/4895=4% 和 (2963–2783)/2783=6%

让我们试试另一个数字,45,但只计算了 5 次。

您再次看到 Java 17 输给了 Java 8:(13981–12854)/12854=8% 和 (7982–6927)/6927=15%

结论

确实需要小心使用最新版本的 Java。在某些用例中,例如计算,现代 Java 可能比几年前发布的 Java 更糟糕。

源码可以从
https://github.com/marianc000/fibonacciJava17vs8下载

如果您运行它并对您的观察发表评论,我将不胜感激。

相关推荐

拒绝躺平,如何使用AOP的环绕通知实现分布式锁

如何在分布式环境下,像用synchronized关键字那样使用分布式锁。比如开发一个注解,叫@DistributionLock,作用于一个方法函数上,每次调方法前加锁,调完之后自动释放锁。可以利用Sp...

「解锁新姿势」 兄dei,你代码需要优化了

前言在我们平常开发过程中,由于项目时间紧张,代码可以用就好,往往会忽视代码的质量问题。甚至有些复制粘贴过来,不加以整理规范。往往导致项目后期难以维护,更别说后续接手项目的人。所以啊,我们要编写出优雅的...

消息队列核心面试点讲解(消息队列面试题)

Rocketmq消息不丢失一、前言RocketMQ可以理解成一个特殊的存储系统,这个存储系统特殊之处数据是一般只会被使用一次,这种情况下,如何保证这个被消费一次的消息不丢失是非常重要的。本文将分析Ro...

秒杀系统—4.第二版升级优化的技术文档二

大纲7.秒杀系统的秒杀活动服务实现...

SpringBoot JPA动态查询与Specification详解:从基础到高级实战

一、JPA动态查询概述1.1什么是动态查询动态查询是指根据运行时条件构建的查询,与静态查询(如@Query注解或命名查询)相对。在业务系统中,80%的查询需求都是动态的,例如电商系统中的商品筛选、订...

Java常用工具类技术文档(java常用工具类技术文档有哪些)

一、概述Java工具类(UtilityClasses)是封装了通用功能的静态方法集合,能够简化代码、提高开发效率。本文整理Java原生及常用第三方库(如ApacheCommons、GoogleG...

Guava 之Joiner 拼接字符串和Map(字符串拼接join的用法)

Guave是一个强大的的工具集合,今天给大家介绍一下,常用的拼接字符串的方法,当然JDK也有方便的拼接字符串的方式,本文主要介绍guava的,可以对比使用基本的拼接的话可以如下操作...

SpringBoot怎么整合Redis,监听Key过期事件?

一、修改Redis配置文件1、在Redis的安装目录2、找到redis.windows.conf文件,搜索“notify-keyspace-events”...

如何使用Python将多个excel文件数据快速汇总?

在数据分析和处理的过程中,Excel文件是我们经常会遇到的数据格式之一。本文将通过一个具体的示例,展示如何使用Python和Pandas库来读取、合并和处理多个Excel文件的数据,并最终生成一个包含...

利用Pandas高效处理百万级数据集,速度提升10倍的秘密武器

处理大规模数据集,尤其是百万级别的数据量,对效率的要求非常高。使用Pandas时,可以通过一些策略和技巧显著提高数据处理的速度。以下是一些关键的方法,帮助你使用Pandas高效地处理大型数据集,从而实...

Python进阶-Day 25: 数据分析基础

目标:掌握Pandas和NumPy的基本操作,学习如何分析CSV数据集并生成报告。课程内容...

Pandas 入门教程 - 第五课: 高级数据操作

在前几节课中,我们学习了如何使用Pandas进行数据操作和可视化。在这一课中,我们将进一步探索一些高级的数据操作技巧,包括数据透视、分组聚合、时间序列处理以及高级索引和切片。高级索引和切片...

原来这才是Pandas!(原来这才是薯片真正的吃法)

听到一些人说,Pandas语法太乱、太杂了,根本记不住。...

python(pandas + numpy)数据分析的基础

数据NaN值排查,统计,排序...

利用Python进行数据分组/数据透视表

1.数据分组源数据表如下所示:1.1分组键是列名分组键是列名时直接将某一列或多列的列名传给groupby()方法,groupby()方法就会按照这一列或多列进行分组。按照一列进行分组...

取消回复欢迎 发表评论: