外觀
Java 效能與並行 (Performance and Concurrency)
效能工作的第一原則:最佳化真正的瓶頸,而不是看起來可疑的程式碼。本篇是 Java 特有的部分:選對集合、JVM 記憶體與 GC、量測方法、執行緒與平行。複雜度 (Big-O) 的概念見 演算法與複雜度。
選對資料結構
| 操作 | 慢 | 快 |
|---|---|---|
| 成員檢查 | List.contains,O(n) | HashSet.contains,O(1) 平均 |
| 依 key 查值 | 走訪 List 比對 | HashMap.get,O(1) 平均 |
| 依索引存取 | LinkedList.get(i),O(n) | ArrayList.get(i),O(1) |
| 兩端進出 | ArrayList.remove(0),O(n) | ArrayDeque |
| 反覆取最小值 | 每次排序 | PriorityQueue |
雜湊結構的 O(1) 是平均情況,依賴良好的 hashCode() 分布;自訂類別當 key 時要正確實作 equals 與 hashCode。
瓶頸與量測
| 瓶頸類型 | 例子 | 方向 |
|---|---|---|
| CPU-bound | 大量計算 | 更好的演算法、平行 |
| I/O-bound | 資料庫、網路、檔案 | 緩衝、批次、非同步、快取 |
| Memory-bound | 大量物件、GC 壓力 | 減少配置、基本型別陣列、串流處理 |
text
找出慢的路徑 → 量測 → 改設計 → 再量測java
long start = System.nanoTime(); // 量經過時間用 nanoTime,不用 currentTimeMillis(會受系統時鐘調整影響)
doWork();
long ms = (System.nanoTime() - start) / 1_000_000;| 單次計時不可靠的原因 | 說明 |
|---|---|
| JVM 暖機 (warm-up) | JIT 要執行一陣子才會把熱點編譯成機器碼,前幾次特別慢 |
| GC 暫停 | 量測中途發生 GC |
| 死碼消除 | 結果沒被使用時 JIT 可能直接刪掉整段計算 |
嚴肅的微基準測試用 JMH(Java Microbenchmark Harness)。找熱點用 profiler:JDK Flight Recorder + JDK Mission Control、VisualVM、async-profiler。
JVM 記憶體與 GC
| 區域 | 存放 |
|---|---|
| 堆疊 (stack) | 每個執行緒一個:呼叫框架、區域的基本型別值、參考 |
| 堆積 (heap) | 所有物件與陣列;由 GC 管理 |
java
Runtime rt = Runtime.getRuntime();
rt.maxMemory(); // JVM 最多會用到的 heap(-Xmx)
rt.totalMemory(); // 目前已配置
rt.freeMemory(); // 已配置中尚未使用bash
java -Xms2g -Xmx8g -jar tool.jar # 初始 / 最大 heap
java -XX:+UseG1GC -Xmx16g -jar tool.jar # 指定 GC(G1 為 Java 9+ 預設)跑 GATK、Picard 等 JVM 工具時最常調的就是
-Xmx:設太小丟OutOfMemoryError: Java heap space;在 HPC 上要小於 Slurm 申請的記憶體(留給 JVM 本身與原生記憶體的空間)。
GC 自動回收不再被參考的物件,但不代表記憶體不重要:不必要的物件配置會增加 GC 次數與暫停。
java
StringBuilder sb = new StringBuilder(); // 迴圈中串接字串:避免每次產生新的 String
for (String part : parts) {
sb.append(part).append('\t');
}
String row = sb.toString();| 減少配置 | 說明 |
|---|---|
StringBuilder 取代迴圈中的 + | 字串不可變,每次 + 都產生新物件 |
基本型別陣列 / IntStream | List<Integer> 每個元素都是物件,int[] 省很多記憶體 |
| 逐行串流處理 | 不要把整個大檔讀進記憶體 |
並行與平行 (Concurrency and Parallelism)
| 方式 | 用途 |
|---|---|
Thread | 最底層;直接建立執行緒,實務少用 |
ExecutorService(執行緒池) | 重用固定數量的 worker 執行緒,提交任務取得 Future |
| 虛擬執行緒 (virtual threads, Java 21+) | 極輕量,適合大量 I/O 等待的任務(每個請求一個執行緒) |
| 平行 stream | 資料平行:對大集合的獨立運算 |
CompletableFuture | 非同步任務的組合 |
java
import java.util.*;
import java.util.concurrent.*;
// 執行緒池:CPU-bound 任務通常設為核心數
ExecutorService pool = Executors.newFixedThreadPool(Runtime.getRuntime().availableProcessors());
List<Future<Integer>> results = new ArrayList<>();
for (Path f : files) {
results.add(pool.submit(() -> countLines(f))); // 提交任務,立即回傳 Future
}
int total = 0;
for (Future<Integer> r : results) total += r.get(); // 等待結果
pool.shutdown();
// Java 21+:虛擬執行緒,I/O-bound 任務
try (ExecutorService vt = Executors.newVirtualThreadPerTaskExecutor()) {
for (String url : urls) vt.submit(() -> fetch(url));
}平行 stream
java
List<Integer> doubled = numbers.parallelStream().map(n -> n * 2).toList();| 有幫助 | 沒幫助甚至更慢 |
|---|---|
| 每個元素的工作量大 | 每個元素工作量很小(切分與協調成本主導) |
| 資料量大 | 資料量小 |
| 運算彼此獨立、無共享狀態 | 有順序要求、會修改共享變數(還會產生錯誤結果) |
執行緒安全
多個執行緒同時修改同一個物件會產生競態條件 (race condition):
| 問題 | 解法 |
|---|---|
共享的 HashMap / ArrayList | ConcurrentHashMap、Collections.synchronizedList,或讓每個執行緒各自累積再合併 |
共享計數器 count++ | AtomicInteger、LongAdder |
| 多步驟操作需要原子性 | synchronized 區塊、ReentrantLock |
快取
用記憶體換速度:把昂貴的結果存起來重用。
java
private final Map<String, Profile> cache = new ConcurrentHashMap<>();
Profile get(String id) {
return cache.computeIfAbsent(id, this::loadFromDb); // 不存在才計算並存入
}需要考慮:多久過期、記憶體滿了淘汰誰(LRU)、能容忍多舊的資料。正式環境用 Caffeine 這類有淘汰與過期政策的快取函式庫,不要讓 HashMap 無限成長。
最佳化順序
| 優先 | 做法 |
|---|---|
| 1 | 修演算法與資料結構(O(n²) → O(n)) |
| 2 | 量測確認瓶頸 |
| 3 | 減少熱點迴圈中的物件配置與 I/O |
| 4 | 只在問題適合平行時才加並行 |
| 5 | 重算成本明顯高於記憶體成本時才加快取 |