Java 为什么JMH报告了一个简单的快速排序的奇怪时间——显然与N*log(N)不成比例?
为了研究一种排序算法(我自己的),我决定将其性能与经典的Java 为什么JMH报告了一个简单的快速排序的奇怪时间——显然与N*log(N)不成比例?,java,time-complexity,quicksort,jmh,Java,Time Complexity,Quicksort,Jmh,为了研究一种排序算法(我自己的),我决定将其性能与经典的快速排序进行比较,令我大吃一惊的是,我发现我实现快速排序所花费的时间与N log(N)远不成正比。我彻底地试图在我的快速排序中找到一个错误,但没有成功。它是排序算法的一个简单版本,使用不同大小的整数数组,填充随机数,我不知道错误会潜入何处。我甚至计算了代码执行的所有比较和交换,它们的数量与nlog(N)相当成比例。我完全糊涂了,无法理解我观察到的现实。以下是对1000、2000、4000、8000和16000个随机值(用JMH测量)的排序数
快速排序
进行比较,令我大吃一惊的是,我发现我实现快速排序
所花费的时间与N log(N)
远不成正比。我彻底地试图在我的快速排序中找到一个错误,但没有成功。它是排序算法的一个简单版本,使用不同大小的整数
数组,填充随机数,我不知道错误会潜入何处。我甚至计算了代码执行的所有比较和交换,它们的数量与nlog(N)
相当成比例。我完全糊涂了,无法理解我观察到的现实。以下是对1000、2000、4000、8000和16000个随机值(用JMH
测量)的排序数组的Benchmark结果:
显然,我观察到的时间复杂性远远不是O(n log(n))
,它几乎是O(n^2)。可能有一点怀疑,随机种子是如此不幸,以至于数组中的值恰好接近最坏情况。这一概率非常接近于0,但不是0。但是用几个不同的随机种子得到的结果与此非常相似
下面是比较和交换的数量(对于每个大小随机填充数组的40次迭代):
正如大家所看到的,操作的数量非常符合O(Nlog(N))
定律
甚至有可能怀疑单个操作的成本取决于我们处理的数组的大小,我已经检查了它是否正确(使用一个简单的方法反转不同大小的数组)——不,正如预期的那样,不是这样。时间非常接近O(n)
我唯一能想到的是我的代码中有一些棘手的逻辑错误,但我无法理解
有人能帮我吗
代码如下:
import java.io.IOException;
import java.util.Locale;
import java.util.Random;
import java.util.function.Consumer;
import org.openjdk.jmh.annotations.*;
import org.openjdk.jmh.runner.Runner;
import org.openjdk.jmh.runner.RunnerException;
import org.openjdk.jmh.runner.options.Options;
import org.openjdk.jmh.runner.options.OptionsBuilder;
/**
* Why does quicksort take time disproportionate to N * log(N)?
* Rectified for StackOverflow
* 21.05.17 16:20:01
*/
@State(value = Scope.Benchmark)
@BenchmarkMode(Mode.AverageTime)
@OutputTimeUnit(java.util.concurrent.TimeUnit.MICROSECONDS)
@Fork(value = 2)
@Warmup(iterations = 5, time = 10)
@Measurement(iterations = 5, time = 10)
public class QSortBenchmarks {
private static final int LOOPS_TO_ITERATE = 40; // 40;
private static final int RAND_SEED = 123456789;
private static final int RAND_LIMIT = 10000;
private static final Random RAND = new Random(RAND_SEED); // Constant seed for reproducibility;
private static int cmpCount = 0, swapCount = 0;
private static int cmpTotal = 0, swapTotal = 0;
private static final Integer[] array01000 = new Integer[1000];
private static final Integer[] array02000 = new Integer[2000];
private static final Integer[] array04000 = new Integer[4000];
private static final Integer[] array08000 = new Integer[8000];
private static final Integer[] array16000 = new Integer[16000];
@Setup
public static void initData() {
cmpCount = 0; swapCount = 0;
fillWithRandoms(array01000);
fillWithRandoms(array02000);
fillWithRandoms(array04000);
fillWithRandoms(array08000);
fillWithRandoms(array16000);
}
public static void main(String[] args) throws IOException, RunnerException {
Locale.setDefault(Locale.US);
initData();
runJMH(); // Run benchmarks. Comment-out it, if you want just to count comparisons etc.
// System.exit(0); // If don't want to count comparisons and swaps
System.out.printf("\nRand seed = %d, rand limit = %d, iterations = %d\n",
RAND_SEED, RAND_LIMIT, LOOPS_TO_ITERATE);
System.out.print("sortArray01000(): ");
loopOverMethod(qq -> sortArray01000());
System.out.print("sortArray02000(): ");
loopOverMethod(qq -> sortArray02000());
System.out.print("sortArray04000(): ");
loopOverMethod(qq -> sortArray04000());
System.out.print("sortArray08000(): ");
loopOverMethod(qq -> sortArray08000());
System.out.print("sortArray16000(): ");
loopOverMethod(qq -> sortArray16000());
}
private static void loopOverMethod(Consumer<Object> method) {
cmpTotal = 0; swapTotal = 0;
for (int loops = 0; loops < LOOPS_TO_ITERATE; loops++ ) {
initData();
method.accept(null);;
cmpTotal += cmpCount; swapTotal += swapCount;
}
System.out.printf("avrg compares: %12.3f, swaps: %12.3f\n",
(double)cmpTotal / LOOPS_TO_ITERATE, (double)swapTotal / LOOPS_TO_ITERATE);
}
/**
* @throws RunnerException
*/
private static void runJMH() throws RunnerException {
final Options opt = new OptionsBuilder()
.include(QSortBenchmarks.class.getSimpleName())
.forks(1)
.build();
new Runner(opt).run();
}
private static void fillWithRandoms(Integer[] array) {
for (int i = 0; i < array.length; i++) { // // Fill it with LIST_SIZE random values
array[i] = (int)(RAND.nextDouble() * RAND_LIMIT);
}
}
@Benchmark
public static void sortArray01000() {
final Integer[] array = array01000;
quickSort(array, 0, array.length - 1);
}
@Benchmark
public static void sortArray02000() {
final Integer[] array = array02000;
quickSort(array, 0, array.length - 1);
}
@Benchmark
public static void sortArray04000() {
final Integer[] array = array04000;
quickSort(array, 0, array.length - 1);
}
@Benchmark
public static void sortArray08000() {
final Integer[] array = array08000;
quickSort(array, 0, array.length - 1);
}
@Benchmark
public static void sortArray16000() {
final Integer[] array = array16000;
quickSort(array, 0, array.length - 1);
}
private static void quickSort(Integer[] array, int lo, int hi) {
if (hi <= lo) return;
final int j = partition(array, lo, hi);
quickSort(array, lo, j - 1);
quickSort(array, j + 1, hi);
}
private static int partition(Integer[] array, int lo, int hi) {
int i = lo, j = hi + 1;
while (true) {
while (compare(array[++i], array[lo]) < 0) // while (array[++i] < array[lo])
if (i == hi) break;
while (compare(array[lo], array[--j]) < 0) // while (array[lo] < array[--j])
if (j == lo) break;
if (i >= j) break;
swapItems(array, i, j);
}
swapItems(array, lo, j);
return j;
}
private static int compare(Integer v1, Integer v2) {
cmpCount++;
return v1.compareTo(v2);
}
private static void swapItems(Integer[] array, int i, int j) {
swapCount++;
final Integer tmp = array[i];
array[i] = array[j];
array[j] = tmp;
}
}
而相同数组的JMH
结果如下:
Benchmark Mode Cnt Score Error Units
QSortBenchmarks.sortArray_010k avgt 5 109.454 ± 0.444 ms/op
QSortBenchmarks.sortArray_020k avgt 5 373.518 ± 17.439 ms/op
QSortBenchmarks.sortArray_040k avgt 5 1350.420 ± 26.733 ms/op
QSortBenchmarks.sortArray_080k avgt 5 6519.015 ± 48.770 ms/op
QSortBenchmarks.sortArray_160k avgt 5 26837.697 ± 926.132 ms/op
手工制作的基准所显示的数字与nlog(N)
非常符合,看起来很逼真,并且与观察到的以秒为单位的执行时间非常一致。它们比JMH
显示的数字小100到1000倍以上
下面是经过修改的loopOverMethod()
,可通过该方法获得它们:
private static void loopOverMethod(Consumer<Object> method) {
for (int loops = 0; loops < 100; loops++ ) { // Kinda warmup
initData();
method.accept(null);
}
long time = 0;
cmpTotal = 0; swapTotal = 0;
for (int loops = 0; loops < LOOPS_TO_ITERATE; loops++ ) {
initData();
time -= System.nanoTime();
method.accept(null);
time += System.nanoTime();
cmpTotal += cmpCount; swapTotal += swapCount;
}
System.out.printf("avrg time: \t%10.3f mks\n",
time * 1e-3 / LOOPS_TO_ITERATE);
}
手工制作的基准:
Rand seed = 123, rand limit = 1000000, iterations = 1000
sortArray_010k(): avrg time: 1060.951 mks
sortArray_020k(): avrg time: 2296.533 mks
sortArray_040k(): avrg time: 5021.629 mks
sortArray_080k(): avrg time: 10855.963 mks
sortArray_160k(): avrg time: 23335.923 mks
现在,结果看起来很合理,我对它们完全满意。三点共同作用,不利于您的实施:
- 快速排序的最坏情况复杂性为O(n^2)
- 选择最左边的元素作为轴会在已排序的数组()上产生最坏的行为:
- 您的算法在适当的位置对数组进行排序,这意味着在第一次传递后,将对“随机”数组进行排序。(计算JMH对数据进行多次传递的平均时间)
sortArray01000()
更改为
@Benchmark
public static void sortArray01000() {
final Integer[] array = Arrays.copyOf(array01000, array01000.length);
quickSort(array, 0, array.length - 1);
}
或者您可以修改@Setup
注释,以便在每次调用基准方法之前执行该注释:
@Setup(Level.Invocation)
public static void initData() {
//...
}
@Setup
注释采用一个参数,该参数确定何时执行Setup方法
这三个级别是():
:在每个基准测试之前Level.Trial
:每次迭代前级别.迭代
:在每次执行基准方法之前Level.Invocation
level.Trial
()
这对你的考试意味着什么
要了解这一点,您必须了解JMH如何执行您的基准测试:
- 它开始对您的基准测试方法之一进行测试
- 在该试验期间,它进行了5次预热迭代和5次测量迭代
- 在每次迭代过程中,它会在一个紧循环中调用您的基准测试方法,直到10秒过去——如果您的基准测试方法需要500秒,这意味着它将在每次迭代过程中被调用大约20000次,或者在整个试验过程中被调用大约200000次
@Setup(Level.Trial)
和一个对输入数据进行排序的基准方法,这意味着只有快速排序方法的第一次调用才能显示O(N log(N))
行为,所有剩余的调用都会在已经排序的数组上运行,并显示O(N^2)
的最坏情况
使用@Setup(Level.Iteration)
时,情况仍然没有改善多少-现在是每个迭代中第一次调用具有O(N log(N))
行为的基准方法,每个迭代剩余的~20000次调用仍然显示O(N^2)
使用@Setup(Level.Invocation)
最后,基准方法的每次调用(以及快速排序的每次调用)都会得到自己的未排序数组作为输入,这在结果中清楚地显示出来:
@Setup(Level.Trial)
1000: 780 us
2000: 3300 us
@Setup(Level.Iteration)
1000: 780 us
2000: 3280 us
4000: 11700 us
@Setup(Level.Invocation)
1000: 58 us
2000: 124 us
4000: 280 us
通过我建议的更改(在基准方法中复制输入数组),我得到了稍微好一点的结果,但这可能是由于缓存效应造成的:
1000: 25 us
2000: 108 us
4000: 260 us
可能是缓存效应。这些数组太小了,这就是为什么计数可以工作,但时间测量却不能。试着用数以百万计的元素进行尝试。首先我要做的是第二大数组,它是“最外层”处理器缓存的大小,然后再试一次。@ FuryFART AFAIR,平均的比较数是2n*Ln(n)。在我提到的Sadgewick的书中有一个证据(再一次,AFAIR)。对于n=10002000。。。16000它给出了138163040466,3
@Benchmark
public static void sortArray01000() {
final Integer[] array = Arrays.copyOf(array01000, array01000.length);
quickSort(array, 0, array.length - 1);
}
@Setup(Level.Invocation)
public static void initData() {
//...
}
@Setup(Level.Trial)
1000: 780 us
2000: 3300 us
@Setup(Level.Iteration)
1000: 780 us
2000: 3280 us
4000: 11700 us
@Setup(Level.Invocation)
1000: 58 us
2000: 124 us
4000: 280 us
1000: 25 us
2000: 108 us
4000: 260 us