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 21 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

其实TensorFlow真的很水无非就这30篇熬夜练

好的!以下是TensorFlow需要掌握的核心内容,用列表形式呈现,简洁清晰(含表情符号,<300字):1.基础概念与环境TensorFlow架构(计算图、会话->EagerE...

交叉验证和超参数调整:如何优化你的机器学习模型

准确预测Fitbit的睡眠得分在本文的前两部分中,我获取了Fitbit的睡眠数据并对其进行预处理,将这些数据分为训练集、验证集和测试集,除此之外,我还训练了三种不同的机器学习模型并比较了它们的性能。在...

机器学习交叉验证全指南:原理、类型与实战技巧

机器学习模型常常需要大量数据,但它们如何与实时新数据协同工作也同样关键。交叉验证是一种通过将数据集分成若干部分、在部分数据上训练模型、在其余数据上测试模型的方法,用来检验模型的表现。这有助于发现过拟合...

深度学习中的类别激活热图可视化

作者:ValentinaAlto编译:ronghuaiyang导读使用Keras实现图像分类中的激活热图的可视化,帮助更有针对性...

超强,必会的机器学习评估指标

大侠幸会,在下全网同名[算法金]0基础转AI上岸,多个算法赛Top[日更万日,让更多人享受智能乐趣]构建机器学习模型的关键步骤是检查其性能,这是通过使用验证指标来完成的。选择正确的验证指...

机器学习入门教程-第六课:监督学习与非监督学习

1.回顾与引入上节课我们谈到了机器学习的一些实战技巧,比如如何处理数据、选择模型以及调整参数。今天,我们将更深入地探讨机器学习的两大类:监督学习和非监督学习。2.监督学习监督学习就像是有老师的教学...

Python教程(三十八):机器学习基础

...

Python 模型部署不用愁!容器化实战,5 分钟搞定环境配置

你是不是也遇到过这种糟心事:花了好几天训练出的Python模型,在自己电脑上跑得顺顺当当,一放到服务器就各种报错。要么是Python版本不对,要么是依赖库冲突,折腾半天还是用不了。别再喊“我...

超全面讲透一个算法模型,高斯核!!

...

神经网络与传统统计方法的简单对比

传统的统计方法如...

AI 基础知识从0.1到0.2——用“房价预测”入门机器学习全流程

...

自回归滞后模型进行多变量时间序列预测

下图显示了关于不同类型葡萄酒销量的月度多元时间序列。每种葡萄酒类型都是时间序列中的一个变量。假设要预测其中一个变量。比如,sparklingwine。如何建立一个模型来进行预测呢?一种常见的方...

苹果AI策略:慢哲学——科技行业的“长期主义”试金石

苹果AI策略的深度原创分析,结合技术伦理、商业逻辑与行业博弈,揭示其“慢哲学”背后的战略智慧:一、反常之举:AI狂潮中的“逆行者”当科技巨头深陷AI军备竞赛,苹果的克制显得格格不入:功能延期:App...

时间序列预测全攻略,6大模型代码实操

如果你对数据分析感兴趣,希望学习更多的方法论,希望听听经验分享,欢迎移步宝藏公众号...

AI 基础知识从 0.4 到 0.5—— 计算机视觉之光 CNN

...

取消回复欢迎 发表评论: