(原)一段看似美丽的for循环，背后又隐藏着什么

之前很长一段时间，潜心修炼汇编，专门装了一个dos7，慢慢玩到win32汇编，再到linux的AT&A汇编，尝试写mbr的时候期间好几次把centos弄的开不了机，又莫名其妙的修好了，如今最大的感触就是：球莫名堂，还不如写JAVA。

 

对于比较高层的语言来说，都不会太在意底层是如何运作的，这是个好事，也是个坏事，好事是不用关心底层的繁琐的事情，只需聚焦到业务实现，坏处就是出现比较严重的问题难以排错，很容易出现看起来很漂亮但就是性能很渣的代码。

 

有如下两段代码：

for (int i = 0; i < longs.length; i++) {
for (int j = 0; j < longs[i].length; j++) {
Long k = longs[i][j];
}
}

 

for (int i = 0; i < longs.length; i++) {
for (int j = 0; j < longs[i].length; j++) {
Long k1 = longs[j][i];
}
}

 

看起来长的一样是不是？两段代码看起来都没啥问题是吧，相信很多人都或多或少的撸过这样的两段代码，但是这两段代码的运行效率比较是：

第二段代码执行效率比第一段代码低300倍

 

完整的测试代码：

public class RepeatIterator {

private static final int ARRAY_SIZE = 10240;
private Long[][] longs = new Long[ARRAY_SIZE][ARRAY_SIZE];

public static void main(String[] args) {
new RepeatIterator().iteratorByRow();
new RepeatIterator().iteratorByColumn();
}

private void iteratorByRow() {long start = System.currentTimeMillis();
for (int i = 0; i < longs.length; i++) {
for (int j = 0; j < longs[i].length; j++) {
Long k = longs[i][j];
}
}
System.out.println("iterator by row:" + (System.currentTimeMillis() - start));
}

private void iteratorByColumn() {long start = System.currentTimeMillis();
for (int i = 0; i < longs.length; i++) {
for (int j = 0; j < longs[i].length; j++) {
Long k1 = longs[j][i];
}
}
System.out.println("iterator by column:" + (System.currentTimeMillis() - start));
}
}

 

执行结果：

iterator by row:6
iterator by column:1737

Process finished with exit code 0

 

代码为何执行缓慢，机器为何频繁卡死，服务器为何屡屡宕机，看似美丽的代码背后又隐藏着什么，这一切的背后，是程序员人性的扭曲还是道德的沦丧，是码农愤怒的爆发还是饥渴的无奈，让我们跟随镜头走进计算机的内心世界，解刨那一段小巧的for循环。

 

当我们撸了如下一行代码的时候：

private static final int ARRAY_SIZE = 10240;
private Long[][] longs = new Long[ARRAY_SIZE][ARRAY_SIZE];

 

在计算机的内存里面是如下分布（至少在我的计算机里面是这样分布的）：



 

可以明确的看到在内存中的数组大小为10240，也就是我们定义的大小，以及他的的地址（这并不是实际的物理地址，8086里面是段的偏移地址，i386里面是分页地址），但是当遍历该数组的时候，并不是直接从内存地址中取出这些数据，因为内存对于cpu来说：太慢了。为了充分利用cpu的效率，于是人们设计出了cpu缓存，目前已经存在三级cpu缓存，而不同的缓存意义并不一样，特别是写多核编程的时候，如果对cpu缓存的理解不到位，很容易死在伪共享里面。

 

一个具有三级缓存的图示如下：



 

其中1级缓存并不是一块缓存，而是2个部分，分别为代码缓存和数据缓存，1级和2级缓存为单个cpu独享，其他cpu不能修改到里面的数据，而3级缓存，则为多个cpu共享，而cpu伪共享，也是发生在这个位置，程序定义的数据，大多时候缓存在3级缓存，缓存也是行导向存储，通过如下方式可以查看一行缓存能够存储多少数据：

 

cat /sys/devices/system/cpu/cpu0/cache/index0/coherency_line_size
64

 

64代表64个字节，一个Long对象的长度是8个字节，那么64个字节可以缓存8个Long，数组在内存中是一片连续的地址空间（物理也许不一定，但逻辑地址一定连续），这就意味着如果定义个一个8个长度的Long数组，当访问第一个数组元素被添加到缓存的时候，那么其他7个顺带的0消耗的就加载到了缓存中，这时候如果访问数组，那么速度是最高效的。也就是意味着，要充分利用缓存的特性，数据已定要按照行访问，否则会造成cache miss，这时候会从内存中获取数据，并且计算是否需要将其缓存，会极大的降低速度。

在上面的例子中，定义的二维数组，当使用第一种方式访问的时候，会发生如下情况：

1.访问第一行第一个元素，如果缓存中不存在（cache miss），从内存中获取，并且将其相邻的元素同时缓存。

2.访问第一行第二个元素，直接缓存取出（cache命中）

举个例子：

public class CacheLoad {

private static final int ARRAY_SIZE = 10240;
private Long[][] longs = null;
public static void main(String[] args) {
new CacheLoad().iterator();
new CacheLoad().iterator();
}

private void iterator() {
if (longs == null) {
longs = new Long[ARRAY_SIZE][ARRAY_SIZE];
for (int i = 0; i < longs.length; i++) {
for (int j = 0; j < longs[i].length; j++) {
longs[i][j] = new Random().nextLong();
}
}
}
long start = System.currentTimeMillis();
for (int i = 0; i < longs.length; i++) {
for (int j = 0; j < longs[i].length; j++) {
Long k = longs[i][j];
}
}
System.out.println("iterator:" + (System.currentTimeMillis() - start));
}
}

 

iterator:5
iterator:1

Process finished with exit code 0

 

第二次的查询速度理论（实际可能会大于，因为cpu线程切换，访问过程中可能被系统其他资源抢占cpu）是小于等于第一次，因为会减少将第一个元素缓存的时间，另外并不是全部的数据都会尽缓存，这不是程序所能控制。

 

当我们采取第二种方式访问的时候，会发生如下情况：

1.访问第一行第一个元素，如果缓存中不存在（cache miss），从内存中获取，并且将其相邻的元素同时缓存。

2.访问第二行第一个元素，如果缓存中不存在（cache miss），从内存中获取，并且将其相邻的元素同时缓存。

。。。。。。。

由此可以看到，采用第二种方式访问数组的时候，很大的概率会造成cache miss，第二条cache冲掉第一条cache，极端情况是每次都miss，并且无论执行多少次，始终会miss，例如：

public class CacheLoad {

private static final int ARRAY_SIZE = 10240;
private Long[][] longs = new Long[ARRAY_SIZE][ARRAY_SIZE];;
public static void main(String[] args) {
new CacheLoad().iterator();
new CacheLoad().iterator();
new CacheLoad().iterator();
new CacheLoad().iterator();
}

private void iterator() {
long start = System.currentTimeMillis();
for (int i = 0; i < longs.length; i++) {
for (int j = 0; j < longs[i].length; j++) {
Long k = longs[j][i];
}
}
System.out.println("iterator:" + (System.currentTimeMillis() - start));
}
}

 

iterator:1658
iterator:1697
iterator:1915
iterator:1728

Process finished with exit code 0

可以看到无论执行多少次，速度并不会因此变快，可以看见几本cache 全部失效，由此带来的性能是极低的。

 

撸代码的时候，且撸且小心。。。