2 * (i * i) जावा में 2 * i * i से अधिक तेज़ क्यों है?

Question

निम्न जावा प्रोग्राम को चलाने के लिए औसतन 0.50 सेकंड और 0.55 सेकंड के बीच का समय लगता है:

public static void main(String[] args) {
    long startTime = System.nanoTime();
    int n = 0;
    for (int i = 0; i < 1000000000; i++) {
        n += 2 * (i * i);
    }
    System.out.println((double) (System.nanoTime() - startTime) / 1000000000 + " s");
    System.out.println("n = " + n);
}

अगर मैं 2 * (i * i)साथ देता हूं2 * i * i , यह 0.60 और 0.65 के बीच सेकेंड चलाने के लिए ले जाता है। कैसे?

मैंने कार्यक्रम के प्रत्येक संस्करण को 15 बार चलाया, दोनों के बीच बारी-बारी से। यहाँ परिणाम हैं:

 2*(i*i)  |  2*i*i
----------+----------
0.5183738 | 0.6246434
0.5298337 | 0.6049722
0.5308647 | 0.6603363
0.5133458 | 0.6243328
0.5003011 | 0.6541802
0.5366181 | 0.6312638
0.515149  | 0.6241105
0.5237389 | 0.627815
0.5249942 | 0.6114252
0.5641624 | 0.6781033
0.538412  | 0.6393969
0.5466744 | 0.6608845
0.531159  | 0.6201077
0.5048032 | 0.6511559
0.5232789 | 0.6544526

सबसे 2 * i * iधीमी गति से चलने में सबसे अधिक समय लगा 2 * (i * i)। यदि उनकी दक्षता समान होती, तो ऐसा होने की संभावना कम होती 1/2^15 * 100% = 0.00305%।

Comments

मुझे समान परिणाम मिलते हैं (थोड़ा अलग संख्या, लेकिन निश्चित रूप से ध्यान देने योग्य और सुसंगत अंतर, निश्चित रूप से नमूना त्रुटि से अधिक)

— क्रीज

कृपया यह भी देखें: stackoverflow.com/questions/504103/…

— lexicore

@ केक अच्छा है कि आपने मेरी गलती पकड़ी। मेरे द्वारा चलाए गए नए बेंचमार्क के अनुसार 2 * i * iधीमी है। मैं साथ ही साथ ग्रेगल चलाने की कोशिश करूँगा।

— जोर्न वर्नी

@nullpointer वास्तविक के लिए यह पता लगाने के लिए कि एक दूसरे की तुलना में तेज़ क्यों है, हमें उन तरीकों के लिए डिस्सैड या आदर्श ग्राफ़ प्राप्त करना होगा। असेम्बलर कोशिश करने और पता लगाने के लिए बहुत परेशान है, इसलिए मैं एक OpenJDK डीबग बिल्ड प्राप्त करने की कोशिश कर रहा हूं जो अच्छे ग्राफ़ का उत्पादन कर सकता है।

— जोर्न वर्नी

आप अपने प्रश्न का नाम बदल सकते हैं "सुधार की तुलना में i * i * 2तेज़ क्यों है 2 * i * i? " बेहतर स्पष्टता के लिए कि समस्या संचालन के आदेश पर है।

— क्यूर

Answer 1

बाईटेकोड के क्रम में थोड़ा अंतर है।

2 * (i * i):

     iconst_2
     iload0
     iload0
     imul
     imul
     iadd

बनाम 2 * i * i:

     iconst_2
     iload0
     imul
     iload0
     imul
     iadd

पहली नजर में इससे फर्क नहीं पड़ना चाहिए; अगर कुछ भी दूसरा संस्करण अधिक इष्टतम है क्योंकि यह एक स्लॉट को कम उपयोग करता है।

इसलिए हमें निचले स्तर (JIT) ¹ में गहरी खुदाई करने की आवश्यकता है ।

याद रखें कि JIT बहुत आक्रामक रूप से छोटे छोरों को अनियंत्रित करता है। वास्तव में हम 2 * (i * i)मामले के लिए एक 16x अनियंत्रित निरीक्षण करते हैं :

030   B2: # B2 B3 <- B1 B2  Loop: B2-B2 inner main of N18 Freq: 1e+006
030     addl    R11, RBP    # int
033     movl    RBP, R13    # spill
036     addl    RBP, #14    # int
039     imull   RBP, RBP    # int
03c     movl    R9, R13 # spill
03f     addl    R9, #13 # int
043     imull   R9, R9  # int
047     sall    RBP, #1
049     sall    R9, #1
04c     movl    R8, R13 # spill
04f     addl    R8, #15 # int
053     movl    R10, R8 # spill
056     movdl   XMM1, R8    # spill
05b     imull   R10, R8 # int
05f     movl    R8, R13 # spill
062     addl    R8, #12 # int
066     imull   R8, R8  # int
06a     sall    R10, #1
06d     movl    [rsp + #32], R10    # spill
072     sall    R8, #1
075     movl    RBX, R13    # spill
078     addl    RBX, #11    # int
07b     imull   RBX, RBX    # int
07e     movl    RCX, R13    # spill
081     addl    RCX, #10    # int
084     imull   RCX, RCX    # int
087     sall    RBX, #1
089     sall    RCX, #1
08b     movl    RDX, R13    # spill
08e     addl    RDX, #8 # int
091     imull   RDX, RDX    # int
094     movl    RDI, R13    # spill
097     addl    RDI, #7 # int
09a     imull   RDI, RDI    # int
09d     sall    RDX, #1
09f     sall    RDI, #1
0a1     movl    RAX, R13    # spill
0a4     addl    RAX, #6 # int
0a7     imull   RAX, RAX    # int
0aa     movl    RSI, R13    # spill
0ad     addl    RSI, #4 # int
0b0     imull   RSI, RSI    # int
0b3     sall    RAX, #1
0b5     sall    RSI, #1
0b7     movl    R10, R13    # spill
0ba     addl    R10, #2 # int
0be     imull   R10, R10    # int
0c2     movl    R14, R13    # spill
0c5     incl    R14 # int
0c8     imull   R14, R14    # int
0cc     sall    R10, #1
0cf     sall    R14, #1
0d2     addl    R14, R11    # int
0d5     addl    R14, R10    # int
0d8     movl    R10, R13    # spill
0db     addl    R10, #3 # int
0df     imull   R10, R10    # int
0e3     movl    R11, R13    # spill
0e6     addl    R11, #5 # int
0ea     imull   R11, R11    # int
0ee     sall    R10, #1
0f1     addl    R10, R14    # int
0f4     addl    R10, RSI    # int
0f7     sall    R11, #1
0fa     addl    R11, R10    # int
0fd     addl    R11, RAX    # int
100     addl    R11, RDI    # int
103     addl    R11, RDX    # int
106     movl    R10, R13    # spill
109     addl    R10, #9 # int
10d     imull   R10, R10    # int
111     sall    R10, #1
114     addl    R10, R11    # int
117     addl    R10, RCX    # int
11a     addl    R10, RBX    # int
11d     addl    R10, R8 # int
120     addl    R9, R10 # int
123     addl    RBP, R9 # int
126     addl    RBP, [RSP + #32 (32-bit)]   # int
12a     addl    R13, #16    # int
12e     movl    R11, R13    # spill
131     imull   R11, R13    # int
135     sall    R11, #1
138     cmpl    R13, #999999985
13f     jl     B2   # loop end  P=1.000000 C=6554623.000000

हम देखते हैं कि स्टैक पर "स्पिल्ड" 1 रजिस्टर है।

और 2 * i * iसंस्करण के लिए:

05a   B3: # B2 B4 <- B1 B2  Loop: B3-B2 inner main of N18 Freq: 1e+006
05a     addl    RBX, R11    # int
05d     movl    [rsp + #32], RBX    # spill
061     movl    R11, R8 # spill
064     addl    R11, #15    # int
068     movl    [rsp + #36], R11    # spill
06d     movl    R11, R8 # spill
070     addl    R11, #14    # int
074     movl    R10, R9 # spill
077     addl    R10, #16    # int
07b     movdl   XMM2, R10   # spill
080     movl    RCX, R9 # spill
083     addl    RCX, #14    # int
086     movdl   XMM1, RCX   # spill
08a     movl    R10, R9 # spill
08d     addl    R10, #12    # int
091     movdl   XMM4, R10   # spill
096     movl    RCX, R9 # spill
099     addl    RCX, #10    # int
09c     movdl   XMM6, RCX   # spill
0a0     movl    RBX, R9 # spill
0a3     addl    RBX, #8 # int
0a6     movl    RCX, R9 # spill
0a9     addl    RCX, #6 # int
0ac     movl    RDX, R9 # spill
0af     addl    RDX, #4 # int
0b2     addl    R9, #2  # int
0b6     movl    R10, R14    # spill
0b9     addl    R10, #22    # int
0bd     movdl   XMM3, R10   # spill
0c2     movl    RDI, R14    # spill
0c5     addl    RDI, #20    # int
0c8     movl    RAX, R14    # spill
0cb     addl    RAX, #32    # int
0ce     movl    RSI, R14    # spill
0d1     addl    RSI, #18    # int
0d4     movl    R13, R14    # spill
0d7     addl    R13, #24    # int
0db     movl    R10, R14    # spill
0de     addl    R10, #26    # int
0e2     movl    [rsp + #40], R10    # spill
0e7     movl    RBP, R14    # spill
0ea     addl    RBP, #28    # int
0ed     imull   RBP, R11    # int
0f1     addl    R14, #30    # int
0f5     imull   R14, [RSP + #36 (32-bit)]   # int
0fb     movl    R10, R8 # spill
0fe     addl    R10, #11    # int
102     movdl   R11, XMM3   # spill
107     imull   R11, R10    # int
10b     movl    [rsp + #44], R11    # spill
110     movl    R10, R8 # spill
113     addl    R10, #10    # int
117     imull   RDI, R10    # int
11b     movl    R11, R8 # spill
11e     addl    R11, #8 # int
122     movdl   R10, XMM2   # spill
127     imull   R10, R11    # int
12b     movl    [rsp + #48], R10    # spill
130     movl    R10, R8 # spill
133     addl    R10, #7 # int
137     movdl   R11, XMM1   # spill
13c     imull   R11, R10    # int
140     movl    [rsp + #52], R11    # spill
145     movl    R11, R8 # spill
148     addl    R11, #6 # int
14c     movdl   R10, XMM4   # spill
151     imull   R10, R11    # int
155     movl    [rsp + #56], R10    # spill
15a     movl    R10, R8 # spill
15d     addl    R10, #5 # int
161     movdl   R11, XMM6   # spill
166     imull   R11, R10    # int
16a     movl    [rsp + #60], R11    # spill
16f     movl    R11, R8 # spill
172     addl    R11, #4 # int
176     imull   RBX, R11    # int
17a     movl    R11, R8 # spill
17d     addl    R11, #3 # int
181     imull   RCX, R11    # int
185     movl    R10, R8 # spill
188     addl    R10, #2 # int
18c     imull   RDX, R10    # int
190     movl    R11, R8 # spill
193     incl    R11 # int
196     imull   R9, R11 # int
19a     addl    R9, [RSP + #32 (32-bit)]    # int
19f     addl    R9, RDX # int
1a2     addl    R9, RCX # int
1a5     addl    R9, RBX # int
1a8     addl    R9, [RSP + #60 (32-bit)]    # int
1ad     addl    R9, [RSP + #56 (32-bit)]    # int
1b2     addl    R9, [RSP + #52 (32-bit)]    # int
1b7     addl    R9, [RSP + #48 (32-bit)]    # int
1bc     movl    R10, R8 # spill
1bf     addl    R10, #9 # int
1c3     imull   R10, RSI    # int
1c7     addl    R10, R9 # int
1ca     addl    R10, RDI    # int
1cd     addl    R10, [RSP + #44 (32-bit)]   # int
1d2     movl    R11, R8 # spill
1d5     addl    R11, #12    # int
1d9     imull   R13, R11    # int
1dd     addl    R13, R10    # int
1e0     movl    R10, R8 # spill
1e3     addl    R10, #13    # int
1e7     imull   R10, [RSP + #40 (32-bit)]   # int
1ed     addl    R10, R13    # int
1f0     addl    RBP, R10    # int
1f3     addl    R14, RBP    # int
1f6     movl    R10, R8 # spill
1f9     addl    R10, #16    # int
1fd     cmpl    R10, #999999985
204     jl     B2   # loop end  P=1.000000 C=7419903.000000

यहां हम अधिक "स्पिलिंग" का निरीक्षण करते हैं और स्टैक तक अधिक पहुंच प्राप्त करते हैं [RSP + ...], अधिक मध्यवर्ती परिणामों के कारण जिन्हें संरक्षित करने की आवश्यकता होती है।

इस प्रकार प्रश्न का उत्तर सरल है: 2 * (i * i)की तुलना में तेज़ है 2 * i * iक्योंकि JIT पहले मामले के लिए अधिक इष्टतम असेंबली कोड बनाता है।

---

लेकिन निश्चित रूप से यह स्पष्ट है कि न तो पहला और न ही दूसरा संस्करण कोई अच्छा है; लूप वास्तव में वैश्वीकरण से लाभान्वित हो सकता है, क्योंकि किसी भी x86-64 सीपीयू में कम से कम एसएसई 2 समर्थन है।

इसलिए यह आशावादी का मुद्दा है; जैसा कि अक्सर होता है, यह बहुत आक्रामक रूप से अनियंत्रित हो जाता है और पैर में खुद को गोली मारता है, जबकि सभी अन्य विभिन्न अवसरों पर गायब हो जाते हैं।

वास्तव में, आधुनिक x86-64 सीपीयू माइक्रो-ऑप्स ()ops) में दिए गए निर्देशों को तोड़ते हैं और रजिस्टर नाम बदलने, andop कैश और लूप बफ़र्स जैसी सुविधाओं के साथ, लूप ऑप्टिमाइज़ेशन इष्टतम प्रदर्शन के लिए एक साधारण घूमने की तुलना में बहुत अधिक चालाकी लेता है। Agner Fog के अनुकूलन गाइड के अनुसार :

Isop कैश के कारण प्रदर्शन में लाभ काफी हो सकता है यदि औसत अनुदेश लंबाई 4 बाइट्स से अधिक हो। Ofop कैश के उपयोग के अनुकूलन के निम्नलिखित तरीकों पर विचार किया जा सकता है:

• सुनिश्चित करें कि महत्वपूर्ण लूप .op कैश में फिट होने के लिए पर्याप्त हैं।
• सबसे महत्वपूर्ण लूप प्रविष्टियों और फ़ंक्शन प्रविष्टियों को 32 से संरेखित करें।
• अनावश्यक लूप को अनियंत्रित करने से बचें।
• अतिरिक्त लोड समय वाले निर्देशों से बचें
  । । ।

उन लोड समय के बारे में - यहां तक ​​कि सबसे तेज एल 1 डी हिट में 4 चक्रों की लागत होती है , एक अतिरिक्त रजिस्टर और ,op, इसलिए हां, यहां तक ​​कि मेमोरी तक कुछ पहुंच तंग छोरों में प्रदर्शन को नुकसान पहुंचाएंगे।

लेकिन वापस वैश्वीकरण के अवसर पर - यह देखने के लिए कि यह कितनी तेजी से हो सकता है, हम जीसीसी के साथ एक समान सी एप्लिकेशन को संकलित कर सकते हैं , जो इसे एकमुश्त वेक्टर करता है (AVX2 दिखाया गया है, SSE2 समान है) ² :

  vmovdqa ymm0, YMMWORD PTR .LC0[rip]
  vmovdqa ymm3, YMMWORD PTR .LC1[rip]
  xor eax, eax
  vpxor xmm2, xmm2, xmm2
.L2:
  vpmulld ymm1, ymm0, ymm0
  inc eax
  vpaddd ymm0, ymm0, ymm3
  vpslld ymm1, ymm1, 1
  vpaddd ymm2, ymm2, ymm1
  cmp eax, 125000000      ; 8 calculations per iteration
  jne .L2
  vmovdqa xmm0, xmm2
  vextracti128 xmm2, ymm2, 1
  vpaddd xmm2, xmm0, xmm2
  vpsrldq xmm0, xmm2, 8
  vpaddd xmm0, xmm2, xmm0
  vpsrldq xmm1, xmm0, 4
  vpaddd xmm0, xmm0, xmm1
  vmovd eax, xmm0
  vzeroupper

रन समय के साथ:

• SSE: 0.24 s, या 2 गुना तेज।
• AVX: 0.15 s, या 3 गुना तेज।
• AVX2: 0.08 s, या 5 गुना तेज।

---

¹ _{जेआईटी उत्पन्न विधानसभा उत्पादन प्राप्त करने के लिए, एक डीबग जेवीएम प्राप्त करें और साथ चलाएं-XX:+PrintOptoAssembly}

² _{सी संस्करण को -fwrapvध्वज के साथ संकलित किया गया है , जो जीसीसी को हस्ताक्षरित पूर्णांक अतिप्रवाह को दो-पूरक रैप-अराउंड के रूप में व्यवहार करने में सक्षम बनाता है।}

Comments

सी उदाहरण में ऑप्टिमाइज़र का सामना करने वाली एकल सबसे बड़ी समस्या हस्ताक्षरित पूर्णांक अतिप्रवाह द्वारा अपरिभाषित व्यवहार है। जो, अन्यथा, शायद केवल एक निरंतर लोड करने का परिणाम होगा क्योंकि पूरे लूप की गणना जीवनकाल में की जा सकती है।

— डेमन

@Damon अनिर्धारित व्यवहार आशावादी के लिए एक समस्या क्यों होगी? यदि ऑप्टिमाइज़र परिणाम की गणना करने की कोशिश करते समय इसे ओवरफ्लो करता है, तो इसका मतलब है कि यह इसे अनुकूलित कर सकता है, हालांकि यह चाहता है, क्योंकि व्यवहार अपरिभाषित है।

@Runemoro: यदि ऑप्टिमाइज़र यह साबित करता है कि फ़ंक्शन को कॉल करने से अपरिहार्य व्यवहार होगा, तो यह मान सकता है कि फ़ंक्शन को कभी भी कॉल नहीं किया जाएगा, और इसके लिए कोई निकाय उत्सर्जित नहीं करेगा। या सिर्फ एक retअनुदेश का उत्सर्जन करें, या एक लेबल का उत्सर्जन करें और कोई भी सेवानिवृत्त अनुदेश नहीं है जिससे निष्पादन केवल गिरता है। जीसीसी वास्तव में यह व्यवहार करता है जब कभी-कभी यह यूबी का सामना करता था, हालांकि। उदाहरण के लिए: क्यों अनुकूलन के साथ गायब हो जाते हैं? । आप निश्चित रूप से अच्छी तरह से बनाए गए कोड को संकलित करना चाहते हैं ताकि यह सुनिश्चित हो सके कि asm sane है।

— पीटर कॉर्ड्स

यह शायद अक्षम कोड-जीन के कारण केवल एक फ्रंट-एंड यूओपी थ्रूपुट की अड़चन है। यह भी mov/ के लिए एक peephole के रूप में LEA का उपयोग नहीं कर रहा है add-immediate। जैसे movl RBX, R9/ addl RBX, #8होना चाहिए leal ebx, [r9 + 8], कॉपी करने और जोड़ने के लिए 1 यूओपी। या leal ebx, [r9 + r9 + 16]करने के लिए ebx = 2*(r9+8)। तो, हाँ, spilling के बिंदु के लिए अनियंत्रित गूंगा है, और इसलिए भोला दिमाग कोडेन है जो पूर्णांक पहचान और सहयोगी पूर्णांक गणित का लाभ नहीं उठाता है।

— पीटर कॉर्डेस

अनुक्रमिक कमी के लिए वैश्वीकरण C2 ( bugs.openjdk.java.net/browse/JDK-8078563 ) में अक्षम किया गया था , लेकिन अब इसे फिर से सक्षम करने के लिए विचार किया जा रहा है ( bugs.openjdk.java.net/browse/JDK-8188313 )।

— pron

Answer 2

जब गुणन होता है 2 * (i * i), तो JVM 2लूप से गुणा गुणा करने में सक्षम होता है , जिसके परिणामस्वरूप यह समकक्ष लेकिन अधिक कुशल कोड होता है:

int n = 0;
for (int i = 0; i < 1000000000; i++) {
    n += i * i;
}
n *= 2;

लेकिन जब गुणा है (2 * i) * i , तो JVM इसे ऑप्टिमाइज़ नहीं करता है क्योंकि गुणा द्वारा स्थिरांक अब जोड़ से ठीक पहले नहीं होता है।

यहाँ कुछ कारण हैं जो मुझे लगता है कि यह मामला है:

• एक जोड़ना if (n == 0) n = 1लूप की शुरुआत में बयान को दोनों संस्करणों में परिणाम के रूप में कुशल है, क्योंकि गुणन बाहर फैक्टरिंग अब गारंटी नहीं है कि परिणाम एक ही होगा
• अनुकूलित संस्करण (2 से गुणा गुणा करके) 2 * (i * i)संस्करण के समान तेज़ है

यहाँ परीक्षण कोड है जो मैंने इन निष्कर्षों को आकर्षित करने के लिए उपयोग किया है:

public static void main(String[] args) {
    long fastVersion = 0;
    long slowVersion = 0;
    long optimizedVersion = 0;
    long modifiedFastVersion = 0;
    long modifiedSlowVersion = 0;

    for (int i = 0; i < 10; i++) {
        fastVersion += fastVersion();
        slowVersion += slowVersion();
        optimizedVersion += optimizedVersion();
        modifiedFastVersion += modifiedFastVersion();
        modifiedSlowVersion += modifiedSlowVersion();
    }

    System.out.println("Fast version: " + (double) fastVersion / 1000000000 + " s");
    System.out.println("Slow version: " + (double) slowVersion / 1000000000 + " s");
    System.out.println("Optimized version: " + (double) optimizedVersion / 1000000000 + " s");
    System.out.println("Modified fast version: " + (double) modifiedFastVersion / 1000000000 + " s");
    System.out.println("Modified slow version: " + (double) modifiedSlowVersion / 1000000000 + " s");
}

private static long fastVersion() {
    long startTime = System.nanoTime();
    int n = 0;
    for (int i = 0; i < 1000000000; i++) {
        n += 2 * (i * i);
    }
    return System.nanoTime() - startTime;
}

private static long slowVersion() {
    long startTime = System.nanoTime();
    int n = 0;
    for (int i = 0; i < 1000000000; i++) {
        n += 2 * i * i;
    }
    return System.nanoTime() - startTime;
}

private static long optimizedVersion() {
    long startTime = System.nanoTime();
    int n = 0;
    for (int i = 0; i < 1000000000; i++) {
        n += i * i;
    }
    n *= 2;
    return System.nanoTime() - startTime;
}

private static long modifiedFastVersion() {
    long startTime = System.nanoTime();
    int n = 0;
    for (int i = 0; i < 1000000000; i++) {
        if (n == 0) n = 1;
        n += 2 * (i * i);
    }
    return System.nanoTime() - startTime;
}

private static long modifiedSlowVersion() {
    long startTime = System.nanoTime();
    int n = 0;
    for (int i = 0; i < 1000000000; i++) {
        if (n == 0) n = 1;
        n += 2 * i * i;
    }
    return System.nanoTime() - startTime;
}

और यहाँ परिणाम हैं:

Fast version: 5.7274411 s
Slow version: 7.6190804 s
Optimized version: 5.1348007 s
Modified fast version: 7.1492705 s
Modified slow version: 7.2952668 s

Comments

मुझे लगता है कि ऑप्टिमाइज़्ड n *= 2000000000;

— वर्ज़न

@StefansArya - नहीं, उस मामले पर विचार करें जहां सीमा 4 है, और हम गणना करने का प्रयास कर रहे हैं 2*1*1 + 2*2*2 + 2*3*3। यह स्पष्ट है कि गणना 1*1 + 2*2 + 3*3और 2 से गुणा करना सही है, जबकि 8 से गुणा करना नहीं होगा।

— मार्टिन बोनर

गणित का समीकरण ही कुछ ऐसा था 2(1²) + 2(2²) + 2(3²) = 2(1² + 2² + 3²)। यह बहुत सरल था और मैं इसे भूल गया क्योंकि पाश वृद्धि।

— स्टेफन्सआरी

यदि आप डीबग jvm का उपयोग करके असेंबली का प्रिंट आउट लेते हैं, तो यह सही नहीं प्रतीत होता है। आप लूप में, sall ..., # 1, जो 2 से गुणा कर रहे हैं, का एक गुच्छा देखेंगे। दिलचस्प बात यह है कि धीमी संस्करण लूप में कई गुना नहीं है।

— डैनियल बर्लिन 4

जेवीएम फैक्टर 2 से क्यों निकाल सकता है 2 * (i * i)लेकिन इससे नहीं (2 * i) * i? मुझे लगता है कि वे समान हैं (यह मेरी बुरी धारणा हो सकती है)। यदि ऐसा है, तो क्या JVM अनुकूलन से पहले अभिव्यक्ति को रद्द नहीं कर सकता है?

— RedSpikeyThing

Answer 3

बाइट कोड: https://cs.nyu.edu/courses/fall00/V22.0201-001/jvm2.html बाइट कोड दर्शक: https://github.com/Konloch/bytecode-viewer

अपने JDK (विंडोज 10 64 बिट, 1.8.0_65-b17) पर मैं पुन: पेश कर सकता हूं और समझा सकता हूं:

public static void main(String[] args) {
    int repeat = 10;
    long A = 0;
    long B = 0;
    for (int i = 0; i < repeat; i++) {
        A += test();
        B += testB();
    }

    System.out.println(A / repeat + " ms");
    System.out.println(B / repeat + " ms");
}


private static long test() {
    int n = 0;
    for (int i = 0; i < 1000; i++) {
        n += multi(i);
    }
    long startTime = System.currentTimeMillis();
    for (int i = 0; i < 1000000000; i++) {
        n += multi(i);
    }
    long ms = (System.currentTimeMillis() - startTime);
    System.out.println(ms + " ms A " + n);
    return ms;
}


private static long testB() {
    int n = 0;
    for (int i = 0; i < 1000; i++) {
        n += multiB(i);
    }
    long startTime = System.currentTimeMillis();
    for (int i = 0; i < 1000000000; i++) {
        n += multiB(i);
    }
    long ms = (System.currentTimeMillis() - startTime);
    System.out.println(ms + " ms B " + n);
    return ms;
}

private static int multiB(int i) {
    return 2 * (i * i);
}

private static int multi(int i) {
    return 2 * i * i;
}

आउटपुट:

...
405 ms A 785527736
327 ms B 785527736
404 ms A 785527736
329 ms B 785527736
404 ms A 785527736
328 ms B 785527736
404 ms A 785527736
328 ms B 785527736
410 ms
333 ms

तो क्यों? बाइट कोड यह है:

 private static multiB(int arg0) { // 2 * (i * i)
     <localVar:index=0, name=i , desc=I, sig=null, start=L1, end=L2>

     L1 {
         iconst_2
         iload0
         iload0
         imul
         imul
         ireturn
     }
     L2 {
     }
 }

 private static multi(int arg0) { // 2 * i * i
     <localVar:index=0, name=i , desc=I, sig=null, start=L1, end=L2>

     L1 {
         iconst_2
         iload0
         imul
         iload0
         imul
         ireturn
     }
     L2 {
     }
 }

अंतर होने के साथ: कोष्ठक ( 2 * (i * i)):

• कास्ट स्टैक धक्का
• स्टैक पर स्थानीय धक्का
• स्टैक पर स्थानीय धक्का
• ढेर के ऊपर गुणा
• ढेर के ऊपर गुणा

कोष्ठक के बिना ( 2 * i * i):

• कास्ट स्टैक धक्का
• स्टैक पर स्थानीय धक्का
• ढेर के ऊपर गुणा
• स्टैक पर स्थानीय धक्का
• ढेर के ऊपर गुणा

स्टैक पर सभी लोड हो रहा है और फिर वापस काम करना स्टैक पर लगाने और उस पर काम करने के बीच स्विच करने की तुलना में तेज है।

Comments

लेकिन पुश-पुश-गुणा-गुणा-पुश-गुणा-पुश-गुणा से अधिक गुणा क्यों है?

— m0skit0 12

Answer 4

कैस्पर ने स्वीकृत उत्तर की एक टिप्पणी में पूछा:

जावा और सी उदाहरण काफी अलग रजिस्टर नामों का उपयोग करते हैं। दोनों उदाहरण AMD64 ISA का उपयोग कर रहे हैं?

xor edx, edx
xor eax, eax
.L2:
mov ecx, edx
imul ecx, edx
add edx, 1
lea eax, [rax+rcx*2]
cmp edx, 1000000000
jne .L2

टिप्पणियों में इसका जवाब देने के लिए मेरे पास पर्याप्त प्रतिष्ठा नहीं है, लेकिन ये वही आईएसए हैं। यह इंगित करने योग्य है कि जीसीसी संस्करण 32-बिट पूर्णांक तर्क का उपयोग करता है और जेवीएम संकलित संस्करण 64-बिट पूर्णांक तर्क का आंतरिक रूप से उपयोग करता है।

R8 से R15 सिर्फ नए X86_64 रजिस्टर हैं । EAX से EDX, RAX से RDX के सामान्य प्रयोजन रजिस्टर के निचले हिस्से हैं। उत्तर में महत्वपूर्ण हिस्सा यह है कि जीसीसी संस्करण अनियंत्रित नहीं है। यह बस वास्तविक मशीन कोड लूप प्रति लूप के एक राउंड को निष्पादित करता है। जबकि JVM संस्करण में एक भौतिक लूप में लूप के 16 राउंड होते हैं (जंग खाए गए उत्तर के आधार पर, मैंने असेंबली की पुनर्व्याख्या नहीं की)। यह एक कारण है कि लूप बॉडी के वास्तव में 16 गुना लंबे होने के बाद से अधिक रजिस्टरों का उपयोग किया जा रहा है।

Comments

बहुत बुरा gcc यह *2लूप से बाहर सिंक कर सकते हैं नोटिस नहीं करता है । हालांकि इस मामले में, यह ऐसा करने के लिए भी एक जीत नहीं है, क्योंकि यह यह एलईए के साथ मुफ्त में कर रहा है। इंटेल सीपीयू पर, lea eax, [rax+rcx*2]उसी 1 सी विलंबता के रूप में है add eax,ecx। हालांकि, एएमडी सीपीयू पर किसी भी स्केल किए गए इंडेक्स में LEA विलंबता 2 चक्र तक बढ़ जाती है। तो पाश-चालित निर्भरता श्रृंखला 2 चक्र तक लंबी हो जाती है, Ryzen पर अड़चन बन जाती है। ( imul ecx,edxथ्रूपुट 1 प्रति घड़ी Ryzen, और Intel पर है)।

— पीटर कॉर्डेस

Answer 5

सीधे सवाल के वातावरण से संबंधित नहीं है, सिर्फ जिज्ञासा के लिए, मैंने .NET कोर 2.1, x64, रिलीज़ मोड पर एक ही परीक्षण किया।

यहां दिलचस्प परिणाम है, बल के अंधेरे पक्ष पर हो रहे इसी तरह के फोनोमेना (चारों ओर का रास्ता) की पुष्टि करना। कोड:

static void Main(string[] args)
{
    Stopwatch watch = new Stopwatch();

    Console.WriteLine("2 * (i * i)");

    for (int a = 0; a < 10; a++)
    {
        int n = 0;

        watch.Restart();

        for (int i = 0; i < 1000000000; i++)
        {
            n += 2 * (i * i);
        }

        watch.Stop();

        Console.WriteLine($"result:{n}, {watch.ElapsedMilliseconds} ms");
    }

    Console.WriteLine();
    Console.WriteLine("2 * i * i");

    for (int a = 0; a < 10; a++)
    {
        int n = 0;

        watch.Restart();

        for (int i = 0; i < 1000000000; i++)
        {
            n += 2 * i * i;
        }

        watch.Stop();

        Console.WriteLine($"result:{n}, {watch.ElapsedMilliseconds}ms");
    }
}

परिणाम:

2 * (i * i)

• परिणाम: 119860736, 438 एमएस
• परिणाम: 119860736, 433 एमएस
• परिणाम: 119860736, 437 एमएस
• परिणाम: 119860736, 435 मि
• परिणाम: 119860736, 436 एमएस
• परिणाम: 119860736, 435 मि
• परिणाम: 119860736, 435 मि
• परिणाम: 119860736, 439 एमएस
• परिणाम: 119860736, 436 एमएस
• परिणाम: 119860736, 437 एमएस

2 * आई * आई

• परिणाम: 119860736, 417 मि
• परिणाम: 119860736, 417 मि
• परिणाम: 119860736, 417 मि
• परिणाम: 119860736, 418 मि
• परिणाम: 119860736, 418 मि
• परिणाम: 119860736, 417 मि
• परिणाम: 119860736, 418 मि
• परिणाम: 119860736, 416 एमएस
• परिणाम: 119860736, 417 मि
• परिणाम: 119860736, 418 मि

Comments

हालांकि यह सवाल का जवाब नहीं है, यह मूल्य जोड़ता है। यह कहा जा रहा है, अगर आपके पोस्ट के लिए कुछ महत्वपूर्ण है, तो कृपया इसे ऑफ-साइट संसाधन से लिंक करने के बजाय पोस्ट में इन-लाइन करें। कड़ियाँ मर जाती हैं।

— जेरेड स्मिथ

@JaredSmith प्रतिक्रिया के लिए धन्यवाद। आपके द्वारा उल्लिखित लिंक को ध्यान में रखते हुए "परिणाम" लिंक है, वह छवि एक ऑफ-साइट स्रोत नहीं है। मैंने इसे अपने पैनल के माध्यम से स्टैकओवरफ्लो में अपलोड किया।

— नसल एर्सोज़

यह imgur के लिए एक कड़ी है, हां, यह है, इससे कोई फर्क नहीं पड़ता कि आपने लिंक कैसे जोड़ा। मैं यह देखने में विफल हूं कि कुछ कंसोल आउटपुट को कॉपी-पेस्ट करने में क्या मुश्किल है।

— जेरेड स्मिथ

सिवाय इसके दूसरा रास्ता है

— लेपी

@SamB यह अभी भी imgur.com डोमेन पर है, जिसका अर्थ है कि यह केवल imgur तक ही जीवित रहेगा।

— p91paul

Answer 6

मुझे समान परिणाम मिले:

2 * (i * i): 0.458765943 s, n=119860736
2 * i * i: 0.580255126 s, n=119860736

अगर दोनों लूप एक ही प्रोग्राम में थे, या प्रत्येक को एक अलग .java फ़ाइल में -class, एक अलग रन पर निष्पादित किया गया, तो मुझे SAME परिणाम मिले ।

अंत में, यहां javap -c -v <.java>प्रत्येक का अपघटन होता है:

     3: ldc           #3                  // String 2 * (i * i):
     5: invokevirtual #4                  // Method java/io/PrintStream.print:(Ljava/lang/String;)V
     8: invokestatic  #5                  // Method java/lang/System.nanoTime:()J
     8: invokestatic  #5                  // Method java/lang/System.nanoTime:()J
    11: lstore_1
    12: iconst_0
    13: istore_3
    14: iconst_0
    15: istore        4
    17: iload         4
    19: ldc           #6                  // int 1000000000
    21: if_icmpge     40
    24: iload_3
    25: iconst_2
    26: iload         4
    28: iload         4
    30: imul
    31: imul
    32: iadd
    33: istore_3
    34: iinc          4, 1
    37: goto          17

बनाम

     3: ldc           #3                  // String 2 * i * i:
     5: invokevirtual #4                  // Method java/io/PrintStream.print:(Ljava/lang/String;)V
     8: invokestatic  #5                  // Method java/lang/System.nanoTime:()J
    11: lstore_1
    12: iconst_0
    13: istore_3
    14: iconst_0
    15: istore        4
    17: iload         4
    19: ldc           #6                  // int 1000000000
    21: if_icmpge     40
    24: iload_3
    25: iconst_2
    26: iload         4
    28: imul
    29: iload         4
    31: imul
    32: iadd
    33: istore_3
    34: iinc          4, 1
    37: goto          17

FYI करें -

java -version
java version "1.8.0_121"
Java(TM) SE Runtime Environment (build 1.8.0_121-b13)
Java HotSpot(TM) 64-Bit Server VM (build 25.121-b13, mixed mode)

Comments

एक बेहतर जवाब और हो सकता है कि आप अनिर्धारित वोट कर सकते हैं - stackoverflow.com/a/53452836/1746118 ... साइड नोट - मैं वैसे भी नीच नहीं हूं।

— नमन

@nullpointer - मैं सहमत हूँ। अगर मैं कर सकता तो मैं निश्चित रूप से वोट देना चाहता था। मैं "महत्वपूर्ण" की मात्रात्मक परिभाषा देने के लिए "डबल अपवोट" स्टीफन को भी पसंद

— करूंगा

यह गलत चीज़ को मापने के बाद से एक को हटा दिया गया था

— 21

एक डीबग jre प्राप्त करें और साथ चलाएं -XX:+PrintOptoAssembly। या सिर्फ vtune या एक जैसे का उपयोग करें।

— 22

@ रस्टीक्स - यदि समस्या जेआईटी कार्यान्वयन है ... तो "एक डिबग संस्करण" प्राप्त करना पूरी तरह से आवश्यक नहीं है। फिर भी: ऐसा लगता है कि आपने अपने JRE पर JIT के साथ जो कुछ भी ऊपर पाया है, वह OP के JRE और मेरा पर व्यवहार की व्याख्या करता है। और यह भी बताता है कि अन्य JRE का व्यवहार "अलग तरीके" से क्यों होता है। +1: उत्कृष्ट जासूसी के काम के लिए धन्यवाद!

— पल्सम ४

Answer 7

जावा 11 का उपयोग करते हुए दिलचस्प अवलोकन और निम्नलिखित वीएम विकल्प के साथ लूप को अनियंत्रित करना बंद करें:

-XX:LoopUnrollLimit=0

2 * (i * i)अभिव्यक्ति के साथ लूप अधिक कॉम्पैक्ट देशी कोड ¹ में परिणाम करता है :

L0001: add    eax,r11d
       inc    r8d
       mov    r11d,r8d
       imul   r11d,r8d
       shl    r11d,1h
       cmp    r8d,r10d
       jl     L0001

2 * i * iसंस्करण की तुलना में :

L0001: add    eax,r11d
       mov    r11d,r8d
       shl    r11d,1h
       add    r11d,2h
       inc    r8d
       imul   r11d,r8d
       cmp    r8d,r10d
       jl     L0001

जावा संस्करण:

java version "11" 2018-09-25
Java(TM) SE Runtime Environment 18.9 (build 11+28)
Java HotSpot(TM) 64-Bit Server VM 18.9 (build 11+28, mixed mode)

बेंचमार्क परिणाम:

Benchmark          (size)  Mode  Cnt    Score     Error  Units
LoopTest.fast  1000000000  avgt    5  694,868 ±  36,470  ms/op
LoopTest.slow  1000000000  avgt    5  769,840 ± 135,006  ms/op

बेंचमार्क स्रोत कोड:

@BenchmarkMode(Mode.AverageTime)
@OutputTimeUnit(TimeUnit.MILLISECONDS)
@Warmup(iterations = 5, time = 5, timeUnit = TimeUnit.SECONDS)
@Measurement(iterations = 5, time = 5, timeUnit = TimeUnit.SECONDS)
@State(Scope.Thread)
@Fork(1)
public class LoopTest {

    @Param("1000000000") private int size;

    public static void main(String[] args) throws RunnerException {
        Options opt = new OptionsBuilder()
            .include(LoopTest.class.getSimpleName())
            .jvmArgs("-XX:LoopUnrollLimit=0")
            .build();
        new Runner(opt).run();
    }

    @Benchmark
    public int slow() {
        int n = 0;
        for (int i = 0; i < size; i++)
            n += 2 * i * i;
        return n;
    }

    @Benchmark
    public int fast() {
        int n = 0;
        for (int i = 0; i < size; i++)
            n += 2 * (i * i);
        return n;
    }
}

---

^{1 - वीएम विकल्प का उपयोग: -XX:+UnlockDiagnosticVMOptions -XX:+PrintAssembly -XX:LoopUnrollLimit=0}

Comments

वाह, यह कुछ braindead asm है। गणना करने के लिए इसे कॉपी करने से i पहले वेतन वृद्धि के बजाय 2*i, यह ऐसा करता है इसलिए इसे एक अतिरिक्त add r11d,2निर्देश की आवश्यकता होती है । (इसके अलावा यह 1 के add same,sameबजाय peephole को याद करता है shl(अधिक बंदरगाहों पर रन जोड़ता है)। इसके लिए LEA peephole को भी याद करता है x*2 + 2( lea r11d, [r8*2 + 2]) अगर यह वास्तव में कुछ क्रेजी इंस्ट्रक्शन-शेड्यूलिंग कारण के लिए उस क्रम में चीजें करना चाहता है। हम पहले से ही देख सकते हैं। एलओए पर गायब होने वाले अनियंत्रित संस्करण की कीमत बहुत अधिक थी, दोनों छोरों के समान। यहां

— पीटर

lea eax, [rax + r11 * 2]यदि JIT संकलक के पास लंबे समय तक चलने वाले लूप्स में उस अनुकूलन को देखने का समय है, तो 2 निर्देशों (दोनों छोरों में) को बदल देगा। किसी भी सभ्य आगे-समय पर संकलक इसे मिल जाएगा। (जब तक शायद केवल एएमडी के लिए ट्यूनिंग न हो, जहां स्केल-इंडेक्स एलईए में 2 चक्र विलंबता है तो शायद इसके लायक नहीं है।)

— पीटर कॉर्डेस

Answer 8

मैंने एक जेएमएच का उपयोग करने की कोशिश की, जो कि डिफ़ॉल्ट रूपांतर का उपयोग करता है: मैंने रनमोरो के स्पष्टीकरण के आधार पर एक अनुकूलित संस्करण भी जोड़ा ।

@State(Scope.Benchmark)
@Warmup(iterations = 2)
@Fork(1)
@Measurement(iterations = 10)
@OutputTimeUnit(TimeUnit.NANOSECONDS)
//@BenchmarkMode({ Mode.All })
@BenchmarkMode(Mode.AverageTime)
public class MyBenchmark {
  @Param({ "100", "1000", "1000000000" })
  private int size;

  @Benchmark
  public int two_square_i() {
    int n = 0;
    for (int i = 0; i < size; i++) {
      n += 2 * (i * i);
    }
    return n;
  }

  @Benchmark
  public int square_i_two() {
    int n = 0;
    for (int i = 0; i < size; i++) {
      n += i * i;
    }
    return 2*n;
  }

  @Benchmark
  public int two_i_() {
    int n = 0;
    for (int i = 0; i < size; i++) {
      n += 2 * i * i;
    }
    return n;
  }
}

परिणाम यहाँ हैं:

Benchmark                           (size)  Mode  Samples          Score   Score error  Units
o.s.MyBenchmark.square_i_two           100  avgt       10         58,062         1,410  ns/op
o.s.MyBenchmark.square_i_two          1000  avgt       10        547,393        12,851  ns/op
o.s.MyBenchmark.square_i_two    1000000000  avgt       10  540343681,267  16795210,324  ns/op
o.s.MyBenchmark.two_i_                 100  avgt       10         87,491         2,004  ns/op
o.s.MyBenchmark.two_i_                1000  avgt       10       1015,388        30,313  ns/op
o.s.MyBenchmark.two_i_          1000000000  avgt       10  967100076,600  24929570,556  ns/op
o.s.MyBenchmark.two_square_i           100  avgt       10         70,715         2,107  ns/op
o.s.MyBenchmark.two_square_i          1000  avgt       10        686,977        24,613  ns/op
o.s.MyBenchmark.two_square_i    1000000000  avgt       10  652736811,450  27015580,488  ns/op

मेरे पीसी पर ( कोर i7 860 - यह मेरे स्मार्टफोन पर पढ़ने के अलावा कुछ नहीं कर रहा है):

• n += i*iतो n*2पहले है
• 2 * (i * i) दूसरा है।

जेवीएम स्पष्ट रूप से उसी तरह का अनुकूलन नहीं कर रहा है जैसे कि एक मानव करता है (रनमोरो के उत्तर के आधार पर)।

अब फिर, बायटेकोड को पढ़ना: javap -c -v ./target/classes/org/sample/MyBenchmark.class

• 2 * (i * i) (बाएं) और 2 * i * i (दाएं) के बीच अंतर यहां: https://www.diffchecker.com/cvSFppWI
• 2 * (i * i) और यहां अनुकूलित संस्करण के बीच अंतर: https://www.diffchecker.com/I1XFu5dP

मैं बाइटकोड पर विशेषज्ञ नहीं हूं, लेकिन हम iload_2इससे पहले imul: हम शायद यही है जहां आपको अंतर मिलता है: मैं मान सकता हूं कि जेवीएम iदो बार पढ़ने का अनुकूलन करता है ( iयह पहले से ही यहां है, और इसे फिर से लोड करने की आवश्यकता नहीं है) जबकि इसमें 2*i*iयह हो सकता है ' टी।

Comments

AFAICT बाइटकोड प्रदर्शन के लिए बहुत अप्रासंगिक है, और मैं यह अनुमान लगाने की कोशिश नहीं करूंगा कि इसके आधार पर क्या तेजी से होता है। यह जेआईटी कंपाइलर के लिए सिर्फ सोर्स कोड है ... यकीन है कि री-सोर्सिंग सोर्स कोड लाइन्स का अर्थ-कोडिंग कोड को बदल सकता है और यह दक्षता है, लेकिन यह सब बहुत अप्रत्याशित है।

— माआर्टिनस

Answer 9

एक परिशिष्ट का अधिक। मैंने आईबीएम से नवीनतम जावा 8 जेवीएम का उपयोग करते हुए प्रयोग किया था:

java version "1.8.0_191"
Java(TM) 2 Runtime Environment, Standard Edition (IBM build 1.8.0_191-b12 26_Oct_2018_18_45 Mac OS X x64(SR5 FP25))
Java HotSpot(TM) 64-Bit Server VM (build 25.191-b12, mixed mode)

और यह बहुत समान परिणाम दिखाता है:

0.374653912 s
n = 119860736
0.447778698 s
n = 119860736

(2 * i * i का उपयोग करके दूसरा परिणाम)।

दिलचस्प रूप से पर्याप्त है, जब एक ही मशीन पर चल रहा है, लेकिन ओरेकल जावा का उपयोग कर रहा है:

Java version "1.8.0_181"
Java(TM) SE Runtime Environment (build 1.8.0_181-b13)
Java HotSpot(TM) 64-Bit Server VM (build 25.181-b13, mixed mode)

परिणाम औसत थोड़ा धीमा हैं:

0.414331815 s
n = 119860736
0.491430656 s
n = 119860736

लंबी कहानी छोटी: यहां तक ​​कि हॉटस्पॉट की मामूली संस्करण संख्या भी, क्योंकि जेआईटी कार्यान्वयन के भीतर सूक्ष्म अंतर उल्लेखनीय प्रभाव डाल सकते हैं।

Answer 10

जोड़ने के दो तरीके थोड़ा अलग बाइट कोड उत्पन्न करते हैं:

  17: iconst_2
  18: iload         4
  20: iload         4
  22: imul
  23: imul
  24: iadd

के लिये 2 * (i * i) बनाम:

  17: iconst_2
  18: iload         4
  20: imul
  21: iload         4
  23: imul
  24: iadd

के लिए 2 * i * i।

और इस तरह से एक JMH बेंचमार्क का उपयोग करते समय :

@Warmup(iterations = 5, batchSize = 1)
@Measurement(iterations = 5, batchSize = 1)
@Fork(1)
@BenchmarkMode(Mode.AverageTime)
@OutputTimeUnit(TimeUnit.MILLISECONDS)
@State(Scope.Benchmark)
public class MyBenchmark {

    @Benchmark
    public int noBrackets() {
        int n = 0;
        for (int i = 0; i < 1000000000; i++) {
            n += 2 * i * i;
        }
        return n;
    }

    @Benchmark
    public int brackets() {
        int n = 0;
        for (int i = 0; i < 1000000000; i++) {
            n += 2 * (i * i);
        }
        return n;
    }

}

अंतर स्पष्ट है:

# JMH version: 1.21
# VM version: JDK 11, Java HotSpot(TM) 64-Bit Server VM, 11+28
# VM options: <none>

Benchmark                      (n)  Mode  Cnt    Score    Error  Units
MyBenchmark.brackets    1000000000  avgt    5  380.889 ± 58.011  ms/op
MyBenchmark.noBrackets  1000000000  avgt    5  512.464 ± 11.098  ms/op

आप जो निरीक्षण करते हैं वह सही है, और आपकी बेंचमार्किंग शैली (यानी कोई वार्मअप नहीं है, देखें) की एक विसंगति है कि मैं जावा में सही माइक्रो बेंचमार्क कैसे लिखूं? )

ग्रेगल के साथ फिर से दौड़ना:

# JMH version: 1.21
# VM version: JDK 11, Java HotSpot(TM) 64-Bit Server VM, 11+28
# VM options: -XX:+UnlockExperimentalVMOptions -XX:+EnableJVMCI -XX:+UseJVMCICompiler

Benchmark                      (n)  Mode  Cnt    Score    Error  Units
MyBenchmark.brackets    1000000000  avgt    5  335.100 ± 23.085  ms/op
MyBenchmark.noBrackets  1000000000  avgt    5  331.163 ± 50.670  ms/op

आप देखते हैं कि परिणाम बहुत करीब हैं, जो समझ में आता है, क्योंकि ग्रेल एक बेहतर प्रदर्शन, अधिक आधुनिक, संकलक है।

तो यह वास्तव में ठीक है कि जेआईटी कंपाइलर एक विशेष कोड कोड को कितनी अच्छी तरह से ऑप्टिमाइज़ कर सकता है, और जरूरी नहीं कि इसका कोई तार्किक कारण हो।