转载

实验：ForkJoinPool 并行度

在调用外部接口时通过 CompletableFuture.supplyAsync 异步调用，该方法默认将任务提交到全局唯一的 ForkJoinPool，而它的并行度可以受 java.util.concurrent.ForkJoinPool.common.parallelism 影响。

本实验的目的是探究在异步请求快响应(~= 1ms)时，并行度对整体性能的影响。

实验设置

真实场景：

每次请求约调用接口 200 次
每次接口请求约 1ms 完成

当然由于接受并发请求，同时会接收多个请求，暂不纳入考虑。bench 代码如下：

List<Future> futures = new ArrayList<>();
for(int i=0; i<N; i++) {
    final int x = i;
    futures.add(CompletableFuture.supplyAsync(() -> {
        try {
            Thread.sleep(1);
        } catch (InterruptedException e) {
            e.printStackTrace();
        }
        bh.consume(x);
        return x;
    }));
}

for (Future future: futures) {
    future.get();
}

实验环境

java -jar target/benchmarks.jar -i 5 -bs 50 -f 3

实验结果

实验结果如下图：

图中的并行度分别为 1, 2, 4, 8, 16, 32, 64, 128, 256
图中的 x 轴间隔是 log 过后的结果，可以看到两点的 x 轴距离相等
最左边的点 parallelism = 1 时，ForkJoinPool 会为每个提交的任务创建一个线程
第二个点代表 parallelism = 2 ，此时最多运行两个线程，预期的时间为 1 * 200 50 / 2 = 5000ms 实际开销 6610 ，多出的猜测是线程创建和切换
并行度翻倍后，平均时间大概减少一半，但随着并行度的增大(>8)，减少的时间慢慢就小于一半了。
最后即使 parallelism > 200 ，也没办法达到完全并行(1ms)的状态。

大致结论：并行度越大效果越好，但 overhead 也会越来越大。

详细实验结果参见： Gist: CompletableFuture.supplyAsync profile

原文 https://lotabout.me/2020/Benchmark-ForkJoinPool/

正文到此结束

所属分类： Java 编程技术

本文标签： 代码并发 src UI ArrayList https final cat IO tab list 线程 ACE java 时间 tar http
版权声明： 本文为互联网转载文章，出处已在文章中说明(部分除外)。如果侵权，请联系本站长删除，谢谢。
本文海报： 生成海报一生成海报二