Java JMH微基准递归快速排序

您好，我正在尝试对各种排序算法进行微基准测试，我发现jmh和基准测试quicksort存在一个奇怪的问题。也许我的实现有问题。如果有人能帮我看看问题出在哪里，我会很感兴趣的。首先，我将ubuntu 14.04与jdk 7和jmh 0.9.1结合使用。 以下是我如何尝试进行基准测试：

@OutputTimeUnit(TimeUnit.MILLISECONDS)
@BenchmarkMode(Mode.AverageTime)
@Warmup(iterations = 3, time = 1)
@Measurement(iterations = 3, time = 1)
@State(Scope.Thread)
public class SortingBenchmark {

private int length = 100000;

private Distribution distribution = Distribution.RANDOM;

private int[] array;

int i = 1;

@Setup(Level.Iteration)
public void setUp() {
    array = distribution.create(length);
}

@Benchmark
public int timeQuickSort() {
    int[] sorted = Sorter.quickSort(array);
    return sorted[i];
}

@Benchmark
public int timeJDKSort() {
    Arrays.sort(array);
    return array[i];
}

public static void main(String[] args) throws RunnerException {
    Options opt = new OptionsBuilder().include(".*" + SortingBenchmark.class.getSimpleName() + ".*").forks(1)
            .build();

    new Runner(opt).run();
}
}

还有其他的算法，但我把它们遗漏了，因为它们或多或少是好的。由于某些原因，现在快速排序速度非常慢。时间的大小变慢了！更重要的是，我需要分配更多的堆栈空间，以便它在没有StackOverflowException的情况下运行。出于某种原因，quicksort似乎只执行大量递归调用。有趣的是，当我在我的主类中简单地运行算法时，它运行得很好（具有相同的随机分布和100000个元素）。不需要增加堆栈，简单的nanotime基准测试显示的时间与其他算法非常接近。在基准测试中，当使用jmh进行测试时，JDK排序速度非常快，并且与其他使用naive nanotime基准测试的算法更加一致。我是做错了什么还是错过了什么？ 以下是我的快速排序算法：

public static int[] quickSort(int[] data) {
    Sorter.quickSort(data, 0, data.length - 1);
    return data;
}
private static void quickSort(int[] data, int sublistFirstIndex, int sublistLastIndex) {
    if (sublistFirstIndex < sublistLastIndex) {
        // move smaller elements before pivot and larger after
        int pivotIndex = partition(data, sublistFirstIndex, sublistLastIndex);
        // apply recursively to sub lists
        Sorter.quickSort(data, sublistFirstIndex, pivotIndex - 1);
        Sorter.quickSort(data, pivotIndex + 1, sublistLastIndex);
    }
}
private static int partition(int[] data, int sublistFirstIndex, int sublistLastIndex) {
    int pivotElement = data[sublistLastIndex];
    int pivotIndex = sublistFirstIndex - 1;
    for (int i = sublistFirstIndex; i < sublistLastIndex; i++) {
        if (data[i] <= pivotElement) {
            pivotIndex++;
            ArrayUtils.swap(data, pivotIndex, i);
        }
    }
    ArrayUtils.swap(data, pivotIndex + 1, sublistLastIndex);
    return pivotIndex + 1; // return index of pivot element
}

公共静态int[]快速排序（int[]数据）{
快速排序（数据，0，数据长度-1）；
返回数据；
}
私有静态void快速排序（int[]数据，int sublistFirstIndex，int sublistLastIndex）{
if（sublistFirstIndex如果（data[i]没问题，因为这里真的应该有答案（而不必看问题下面的评论），我就把它放在这里

JMH中的迭代是一批基准方法调用（取决于迭代设置的时间）。因此，使用@Setup（Level.iteration）只会在调用序列的开头进行设置。由于数组在第一次调用后排序，所以在最坏的情况下会调用quicksort（一个排序数组），这就是为什么它需要这么长时间或破坏堆栈的原因

因此，解决方案是使用@Setup（Level.Invocation）

**
     * Invocation level: to be executed for each benchmark method execution.
     *
     * <p><b>WARNING: HERE BE DRAGONS! THIS IS A SHARP TOOL.
     * MAKE SURE YOU UNDERSTAND THE REASONING AND THE IMPLICATIONS
     * OF THE WARNINGS BELOW BEFORE EVEN CONSIDERING USING THIS LEVEL.</b></p>
     *
     * <p>This level is only usable for benchmarks taking more than a millisecond
     * per single {@link Benchmark} method invocation. It is a good idea to validate
     * the impact for your case on ad-hoc basis as well.</p>
     *
     * <p>WARNING #1: Since we have to subtract the setup/teardown costs from
     * the benchmark time, on this level, we have to timestamp *each* benchmark
     * invocation. If the benchmarked method is small, then we saturate the
     * system with timestamp requests, which introduce artificial latency,
     * throughput, and scalability bottlenecks.</p>
     *
     * <p>WARNING #2: Since we measure individual invocation timings with this
     * level, we probably set ourselves up for (coordinated) omission. That means
     * the hiccups in measurement can be hidden from timing measurement, and
     * can introduce surprising results. For example, when we use timings to
     * understand the benchmark throughput, the omitted timing measurement will
     * result in lower aggregate time, and fictionally *larger* throughput.</p>
     *
     * <p>WARNING #3: In order to maintain the same sharing behavior as other
     * Levels, we sometimes have to synchronize (arbitrage) the access to
     * {@link State} objects. Other levels do this outside the measurement,
     * but at this level, we have to synchronize on *critical path*, further
     * offsetting the measurement.</p>
     *
     * <p>WARNING #4: Current implementation allows the helper method execution
     * at this Level to overlap with the benchmark invocation itself in order
     * to simplify arbitrage. That matters in multi-threaded benchmarks, when
     * one worker thread executing {@link Benchmark} method may observe other
     * worker thread already calling {@link TearDown} for the same object.</p>
     */ 

**
*调用级别：为每个基准方法执行执行。
*
*警告：这里有龙！这是一个锋利的工具。
*确保你理解其中的道理和含义
*在考虑使用此级别之前，请查看下面的警告

*
*此级别仅适用于超过一毫秒的基准测试
*每个{@link Benchmark}方法调用。验证
*对您的案例的影响也是临时性的

*
*警告#1：因为我们必须从中减去安装/拆卸成本
*基准时间，在这个级别上，我们必须给每个基准打上时间戳
*如果基准方法很小，那么我们会使
*带有时间戳请求的系统，这会引入人为延迟，
*吞吐量和可扩展性瓶颈

*
*警告#2：因为我们用这个
*在这个层次上，我们可能设置了（协调的）遗漏。这意味着
*测量中的故障可以从定时测量中隐藏，并且
*可以带来令人惊讶的结果。例如，当我们使用计时来
*了解基准吞吐量，省略的定时测量将
*导致较低的聚合时间和虚构的较大吞吐量

*
*警告#3：为了保持与其他人相同的共享行为
*级别，我们有时必须同步（套利）访问
*{@link State}对象。其他级别在度量之外执行此操作，
*但在这个级别上，我们必须在*关键路径*上进行同步，更进一步
*抵消测量值

*
*警告#4：当前实现允许执行helper方法
*在这个级别上，可以按顺序与基准调用本身重叠
*简化套利。这在多线程基准测试中很重要，当
*一个执行{@link Benchmark}方法的工作线程可能会观察到另一个
*工作线程已为同一对象调用{@link TearDown}

*/ 

因此，正如Aleksey Shipilev所建议的，将阵列复制成本吸收到每个基准方法中。因为您正在比较相对性能，所以这不应该影响您的结果。
至少，Arrays.sort（）是就地排序，您仅在@Benchmark的第一次调用时进行排序。所有后续调用都在一个排序的数组上操作。是否每次在@Benchmark中都从源位置执行array.copyOf（）？否，但我会在setup方法中为每次迭代创建新数组。迭代是单个@Benchmark调用的顺序。@setup（调用）会扭曲结果，因此更明智的选择是将复制成本降低到@Benchmark中。迭代是定时的，正如您从输出中看到的——因此迭代中发生的调用次数取决于调用持续时间。好的，谢谢！因为我正在相互比较算法，所以数组复制将在所有基准中执行。无论如何，这是正确的如果jmh有办法在每次调用时重新创建可变参数，那就太好了。非常感谢您对Aleksey的帮助！