这代码居然有差别？CPU友好的代码该这样写 - 阿里技术
本文用实际用例阐述了用心组织的代码也能让性能提升百倍，我们不应该停留在CRUD的漩涡中。下面来看看这个神奇的现象。
一、震惊，这代码居然有差别！
CPU友好的代码与我们平时的那些CRUD操作可能没啥关系。但是用心组织的代码其实也能让性能提升百倍。我们不应该停留在CRUD的漩涡中。今天我给大家带来一个很神奇的现象，文章不长，原理通用，还请大家耐心看完！
我们可以先看下面的矩阵计算。
大家也可以自己思考一下，如果是你来实现一个矩阵的乘法，你会怎么来做。
下图是我给出的A、B、C 三个解题的思路。大家觉得在Jvm里面，下面的代码性能会有区别么？如果有的话，哪一个会快一点？如果没有的话，又为什么？
这里停顿两秒。
/…1
/…2
现在是公布答案的时间，下图是benchmark运行的结果（具体的运行代码和结果查看文末的附件），是否和你想的一样呢。
x轴是计算数组的大小。y轴是所消耗的时间。
最上两条线是 B 代码块儿的结果，中间是 A 代码块儿的结果，最下面是 C 代码块儿的结果。
从运行时间角度看结果是：TC < TA < TB。从性能角度看结果是：PC > PA > PB。
大家猜对结果了么？是不是很你想的一样呢？
如果不是的话，那就慢慢往下面看吧。
二、为什么会有性能差别？
要想知道这个问题的答案，我们需要知道两个知识点，缺一不可。
-
首先，我们需要知道Java二维数组的存储结构是什么样子的。
-
其次，我们需要知道CPU在计算的时候它L1、L2、L3的缓存机制。
2.1 知识点
-
2.1.1 知识点一 — Java二维数组的存储结构
下图便是Java二维数组的一个存储方式示意图，意思是 int[][] array_A = new int[4][3]。
在一个数组里面存的都是“指针”，指向真实存放数据的地址块。
每一行的数据是连续的地址，但是行与行之间的地址就不一定连续了。这一点很重要，后面会用到。
2.1.2 知识点二 — CPU的缓存机制
CPU架构是会演进的，高低端的参数也不一定相同。但我们毕竟不是CPU的制造者，不必每一个CPU都去细扣，我们只需要理解他的原理，在适当的时候做一些抽象方便理解就可以了。
下图是我当前Mac的CPU参数，大家需要注意2个东西，L2缓存、L3缓存。这2个参数就是影响我们今天讨论的性能的主要因素。
下面是各个缓存的CPU的访问时间：
| 缓存速率表 | ||
|---|---|---|
| 类型 | 缓存什么 | 延迟（周期数） |
| CPU寄存器 | 4字节或8字节 | 0 |
| L1高速缓存 | 64字节块 | 4 |
| L2高速缓存 | 64字节块 | 10 |
| L3高速缓存 | 64字节块 | 50 |
| 虚拟内存/缓冲区缓存（主存） | 4KB页 | 200 |
L1 、L2、L3、主存 的大小是逐渐增大，速度是逐渐减小的。
下面是现代CPU的一个架构示意图：
其中：
Regs，是寄存器。
d-cache，是数据缓存。
i-cache，是指令缓存。本次我们并不讨论这个缓存快的影响。
L1、L2、L3和主存的缓存的内容，可以参考下图：
图片来自：https://www.deskdecode.com/what-is-cpu-central-processing-unit-and-how-its-work/
CPU的缓存里面还有很多的细节，我就先忽略了，知道上面的信息就已经足够我们理解今天的问题了。
2.2 性能损失的原因 — 缓存命中率
–
有了上面的各级别的缓存参考之后，我们可以想象一下，如果把上面的图像换成是我们的二维数组呢。是不是就是下面这样（可能没有那么严谨，但是不妨碍我们理解）。
在RAM（主存）的数据是这样的：
L3缓存就是这样的（红色框选中部分）：
L2缓存就是这样的（红色框选中部分）：
有了这个这些层级的缓存之后，CPU在计算的时候就可以不用来回的到速度极慢的RAM（主存）中去找数组的数据了。
2.2.1 友好的遍历方式
假设上面的数据的变量名称是A，成员使用 a 来表述。
我们取数据按照 从左到右，再从上到下 的顺序来进行遍历。
对于L2缓存来说，
第一次获取数据 a11（“1”）的时候其实是没有数据的，所以会耗时去把 a11，a12，a13（“1，2，3”）都取回来缓存起来。
当第二次取 a12、a13的时候候就直接从L2缓存取了。这样 cache 命中率就是 66.7%.
对于L3的情况类似。
这样的遍历方式对于CPU来说是一个很友好且高效的。
C代码块 就是这种横向优先的访问方式。
A代码块 里面对 arrays_A 的方式是横向优先遍历的，但是在处理 arrays_B 的时候就是纵向遍历的（也就是下面即将提到的方式）。
B代码块 所有的访问都是纵向的（不友好的遍历方式）。因为发挥不出CPU缓存的效果，所以性能最差。
2.2.2 不友好的遍历方式
从上到下，再从左到右。
为啥这是一个不好的遍历方式呢？
这个得结合上一节Java的二维数组的存储结构一起看。再来回顾一下：
从上面的存储的结构图来看，其实 a11，a12，a13 与 a21，a22，a23 行与行之间并不是连续的。所以对于L1、L2、L3缓存来说很有可能是不能一起被缓存的（这里用了可能，具体得看L1、L2、L3的容量和数组的大小）。虽然是可能，但是通常都不会一起出现。
有了这个知识之后，我们再来看，先从上到下，再从左到右的顺序的缓存命中率。
第一次，获取 a11，但是缓存里面没有，找到 a11 之后就把 a11，a12，a13 缓存下来了。
第二次，获取 a21，但是缓存里面没有，找到 a21 之后就把 a21，a22，a23 缓存下来了，假设有CPU有两行的缓存空间。
第三次，获取 a31，但是缓存里面没有，找到 a31 之后把 a31，a32，a33 缓存下来，并且把 a11，a12，a13 替换掉（缓存的空间有限，虽然具体的替换策略有很多种，并且还和数据本身的Hash有关系，这里就假设把第一次的结果覆盖了）。
后面的逻辑重复之前的步骤。最后得到的缓存命中率就是 0% 。
结合文章开头的缓存速率表格，我们就不难发现，如果我们每次都不命中缓存的话，那么延迟带来的耗时将会相差一个数量级。
三、总结
再来回顾一下我们之前的问题。
C代码块 是横向优先的访问方式。
A代码块 里面对 arrays_A 的方式是横向顺序访问的，但是在处理 arrays_B 的时候就是纵向遍历的。
B代码块 所有的访问都是纵向的（不友好的遍历方式）。因为发挥不出CPU缓存的效果，所以性能最差。
Java的二维数组在内存里面是行连续的，但是行与行之间不一定连续。CPU在缓存大小有限的情况下，不可能把所有的数据都缓存下来。再加上每一层级访问速度的硬件限制，就导致了上面的性能结果。
相信大家也和我一样，知道原理之后，也不是那么迷惑了。
在实际的业务环境中，我们不一定能遇到这种纯计算的场景。但是我们还是应该尽量顺序访问数据，不管是什么样的数据。投其所好，方能够优化代码性能。
其次，我们在访问数据的时候，还是需要了解各种语言背后实际的存储结构和CPU的缓存原理，本次是讲述的是Java，但是这个思想其他语言其实也是受用的。
四、附件
4.1 运行的环境
–
系统参数：
JMH version: 1.36
VM version: JDK 11.0.13, Java HotSpot(TM) 64-Bit Server VM, 11.0.13+10-LTS-370
型号名称：MacBook Pro
型号标识符：MacBookPro15,2
处理器名称：四核Intel Core i5
处理器速度：2.4 GHz
处理器数目：1
核总数：4
L2缓存（每个核）：256 KB
L3缓存：6 MB
超线程技术：已启用
内存：16 GB
系统固件版本：1715.60.5.0.0 (iBridge: 19.16.10647.0.0,0)4.2 整个benchmark的java代码
–
import org.openjdk.jmh.annotations.*;
/**
* 矩阵 C = AB 的计算
*
* @author wzj
* @date 2023/02/09
*/
@BenchmarkMode(Mode.AverageTime)
@State(value = Scope.Benchmark)
// 预热3次
@Warmup(iterations = 3, time = 1)
// 循环 10 次
@Measurement(iterations = 10, time = 1)
public class ArrayTestBenchmark {
private final int N = 1000;
private final int[][] arrays_A = new int[N][N];
private final int[][] arrays_B = new int[N][N];
@Setup
public void setUp() {
for (int i = 0; i < N; i++) {
for (int j = 0; j < N; j++) {
arrays_A[i][j] = i + j;
arrays_B[i][j] = i + j;
}
}
}
@Benchmark
public void ijk() {
final int[][] arrays_C = new int[N][N];
for (int i = 0; i < N; i++) {
for (int j = 0; j < N; j++) {
int sum = 0;
for (int k = 0; k < N; k++) {
sum += arrays_A[i][k] * arrays_B[k][j];
}
arrays_C[i][j] += sum;
}
}
assert arrays_C.length > 0;
}
@Benchmark
public void jik() {
final int[][] arrays_C = new int[N][N];
for (int j = 0; j < N; j++) {
for (int i = 0; i < N; i++) {
int sum = 0;
for (int k = 0; k < N; k++) {
sum += arrays_A[i][k] * arrays_B[k][j];
}
arrays_C[i][j] += sum;
}
}
assert arrays_C.length > 0;
}
@Benchmark
public void jki() {
final int[][] arrays_C = new int[N][N];
for (int j = 0; j < N; j++) {
for (int k = 0; k < N; k++) {
int r_B = arrays_B[k][j];
for (int i = 0; i < N; i++) {
arrays_C[i][j] += arrays_A[i][k] * r_B;
}
}
}
assert arrays_C.length > 0;
}
@Benchmark
public void kji() {
final int[][] arrays_C = new int[N][N];
for (int k = 0; k < N; k++) {
for (int j = 0; j < N; j++) {
int r_B = arrays_B[k][j];
for (int i = 0; i < N; i++) {
arrays_C[i][j] += arrays_A[i][k] * r_B;
}
}
}
assert arrays_C.length > 0;
}
@Benchmark
public void kij() {
final int[][] arrays_C = new int[N][N];
for (int k = 0; k < N; k++) {
for (int i = 0; i < N; i++) {
int r_A = arrays_A[k][i];
for (int j = 0; j < N; j++) {
arrays_C[i][j] += r_A * arrays_B[k][j];
}
}
}
assert arrays_C.length > 0;
}
@Benchmark
public void ikj() {
final int[][] arrays_C = new int[N][N];
for (int i = 0; i < N; i++) {
for (int k = 0; k < N; k++) {
int r_A = arrays_A[k][i];
for (int j = 0; j < N; j++) {
arrays_C[i][j] += r_A * arrays_B[k][j];
}
}
}
assert arrays_C.length > 0;
}
}4.3 多次运行benchmark的结果
–
| benchmark的结果收集表格 | |||||||
|---|---|---|---|---|---|---|---|
| 代码 | 500 | 600 | 700 | 800 | 900 | 1000 | 1100 |
| A_ijk | 0.158 | 0.297 | 0.499 | 0.78 | 1.248 | 1.741 | 2.78 |
| A_jik | 0.151 | 0.297 | 0.495 | 0.781 | 1.195 | 1.714 | 2.971 |
| B_jki | 0.338 | 0.696 | 1.446 | 2.971 | 6.363 | 10.368 | 14.191 |
| B_kji | 0.338 | 0.684 | 1.347 | 2.775 | 6.3 | 10.02 | 13.819 |
| C_kij | 0.013 | 0.025 | 0.041 | 0.061 | 0.087 | 0.131 | 0.198 |
| C_ikj | 0.016 | 0.03 | 0.046 | 0.083 | 0.115 | 0.174 | 0.251 |
引用：
- 《深入理解计算机操作系统》
- 《深入理解Java虚拟机》
