为什么 Java 中 2*(i*i) 比 2*i*i 更快？

如果把2 *（i * i）替换成2 * i * i，那么运行时间在0.60到0.65秒之间。为什么出现这样的结果？

我把程序的每个版本运行了15次，两次之间交替运行。结果如下：

2 * i * i的最快运行时间比2 * (i * i)最慢运行时间还要长。如果两者效率相当，发生这种情况的可能性小于1/2^15 * 100% = 0.00305%。

来自 rustyx 的回答，获得 1172 赞同

两种方式的字节码顺序略有不同。

2 * (i * i):

对比2 * i * i:

乍看之下没有什么不同，如果有的话，第二个版本看起来少了一个slot。

因此，需要更深入研究底层（JIT）。

请记住，对小循环JIT会主动展开。对2 * (i * i)可以看到实际展开了16x：

从上面的代码可以看到，有1个寄存器被“spill”到了整个堆栈。

对于2 * i * i版本：

出于保存中间结果的需要，这里出现了更多的“spill”及堆栈[RSP + …]访问。

问题的答案很简单：2 *（i * i）比2 * i * i更快，因为针对前者JIT生成的汇编代码更优化。

但是，显然这两个版本都不够好。由于x86-64 CPU都至少支持SSE2，因此循环可以从向量化中受益。

因此，这是optimizer的问题：通常循环过度展开会带来问题，错失其他优化机会。

实际上，现代x86-64 CPU会把指令进一步细分为微操作（µops）。循环优化可以借助寄存器重命名、µop缓存和循环缓冲区等众多特性，而不是仅仅做一次展开。根据Agner Fog的优化指南：

如果平均指令长度超过4字节，由于µop缓存而导致的性能提升会非常可观。可以考虑下列方法优化µop缓存：

• 确保关键循环足够小以适应µop缓存。

• 将最关键的循环条目和功能条目以32对齐。

• 避免不必要的循环展开。

• 避免使用需要额外加载时间的指令：..

考虑到加载时间：即使命中最快的L1D也要花费4个周期，需要一个额外的寄存器和µop。只要对存储器访问，哪怕几次也会损害循环的性能。

再考虑矢量化方案：要了解优化能达到多快，可以使用GCC编译类似的C应用程序，直接对其进行矢量化（下面展示了AVX2、SSE2结果）：

运行时间：

• SSE：0.24 s，大约快2倍。

• AVX：0.15 s，大约快3倍。

• AVX2：0.08 s，大约快5倍。

要输出JIT生成的程序集，请获取JVM调试版本，并使用-XX：+ PrintOptoAssembly运行。

C程序版本使用-fwrapv标志进行编译，该标志使GCC可以将带符号整数溢出视为二进制补码。

翻译： 唐尤华
stackoverflow.com/questions/53452713/why-is-2-i-i-faster-than-2-i-i-in-java

本文转载自微信公众号朱小厮的博客

原文链接：https://mp.weixin.qq.com/s/4x8W0IsyqrbdUO3XQDI7Lg