Java中并行流的正确使用

Question

我正在用Java进行并行流的实验，为此我编写了以下代码，用于计算n之前的素数

基本上我有两种方法

• calNumberOfPrimes(long n)-4种不同的变体
• isPrime(long n)-2种不同的变体

实际上，我有两种不同的方法，一种使用并行流，另一种不使用并行流

    // itself uses parallel stream and calls parallel variant isPrime
    private static long calNumberOfPrimesPP(long n) {
        return LongStream
                .rangeClosed(2, n)
                .parallel()
                .filter(i -> isPrimeParallel(i))
                .count();
    }

    // itself uses parallel stream and calls non-parallel variant isPrime
    private static long calNumberOfPrimesPNP(long n) {
        return LongStream
                .rangeClosed(2, n)
                .parallel()
                .filter(i -> isPrimeNonParallel(i))
                .count();
    }

    // itself uses non-parallel stream and calls parallel variant isPrime
    private static long calNumberOfPrimesNPP(long n) {
        return LongStream
                .rangeClosed(2, n)
                .filter(i -> isPrimeParallel(i))
                .count();
    }

    // itself uses non-parallel stream and calls non-parallel variant isPrime
    private static long calNumberOfPrimesNPNP(long n) {
        return LongStream
                .rangeClosed(2, n)
                .filter(i -> isPrimeNonParallel(i))
                .count();
    }
    // uses parallel stream
    private static boolean isPrimeParallel(long n) {
        return LongStream
                .rangeClosed(2, (long) Math.sqrt(n))
                .parallel()
                .noneMatch(i -> n % i == 0);
    }

    // uses non-parallel stream
    private static boolean isPrimeNonParallel(long n) {
        return LongStream
                .rangeClosed(2, (long) Math.sqrt(n))
                .noneMatch(i -> n % i == 0);
    }

我试图找出{}、{}、{}和{}中哪一个在正确使用并行流的效率方面是最好的，以及为什么它是最好的

我尝试在50次中对所有这4种方法计时，并使用以下代码取平均值：

    public static void main(String[] args) throws Exception {
        int iterations = 50;
        int n = 1000000;
        double pp, pnp, npp, npnp;
        pp = pnp = npp = npnp = 0;
        for (int i = 0; i < iterations; i++) {
            Callable<Long> runner1 = () -> calNumberOfPrimesPP(n);
            Callable<Long> runner2 = () -> calNumberOfPrimesPNP(n);
            Callable<Long> runner3 = () -> calNumberOfPrimesNPP(n);
            Callable<Long> runner4 = () -> calNumberOfPrimesNPNP(n);

            pp += TimeIt.timeIt(runner1);
            pnp += TimeIt.timeIt(runner2);
            npp += TimeIt.timeIt(runner3);
            npnp += TimeIt.timeIt(runner4);
        }
        System.out.println("___________final results___________");
        System.out.println("avg PP = " + pp / iterations);
        System.out.println("avg PNP = " + pnp / iterations);
        System.out.println("avg NPP = " + npp / iterations);
        System.out.println("avg NPNP = " + npnp / iterations);
    }

TimeIt.timeIt只返回以毫秒为单位的执行时间。我得到了以下输出：

___________final results___________
avg PP = 2364.51336366
avg PNP = 265.27284506
avg NPP = 11424.194316620002
avg NPNP = 1138.15516624

现在，我试图对上述执行时间进行推理：

• PP变量的速度不如PNP变量快，因为所有并行流都使用公共的fork-join线程池，如果我们提交一个长时间运行的任务，我们实际上会阻塞池中的所有线程
• 变量{cd11}也应该是上面的变量{cd11}。（但事实并非如此，NPP变体在所用时间方面最差）。有人能解释一下这背后的原因吗

我的问题是：

• 对于PNP变体的小运行时间，我的推理正确吗
• 我错过什么了吗
• 为什么NPP变体是最差的（就运行时间而言）

TimeIt是如何测量时间的：

class TimeIt {
    private TimeIt() {
    }

    /**
     * returns the time to execute the Callable in milliseconds
     */
    public static <T> double timeIt(Callable<T> callable) throws Exception {
        long start = System.nanoTime();
        System.out.println(callable.call());
        return (System.nanoTime() - start) / 1.0e6;
    }
}

PS：我知道这不是计算素数的最佳方法Sieve of Eratosthenes和其他更复杂的方法可以做到这一点。但通过这个例子，我只想了解并行流的行为以及何时使用它们

Answer 1

我想，很清楚，为什么核电站如此缓慢

在表格中排列生成的数字：

       |    _P    |   _NP
   -+     +    -
  P_   |   2364   |   265
   -+     +    -
  NP_  |  11424   |  1138
   -+     +    -

所以你可以看到，当外流平行时，速度总是更快。这是因为有很多工作要做。因此，与要完成的工作相比，处理并行流的额外开销较低

你还可以看到，当内部流不平行时，速度总是更快isPrimeNonParallel比isPrimeParallel快。这是因为在流程中没有多少工作要做。在大多数情况下，经过几步之后，很明显这个数不是素数。一半的数字是偶数（只有一步）。与要完成的工作相比，处理并行流的额外开销很高