时间戳

首页 > 解决方案 > 使用多核的前缀搜索算法

java - 使用多核的前缀搜索算法

问题描述

我的任务是从单词中过滤列表（向量）作为前缀。该算法应该使用现代多核处理器。

解决方案是使用许多线程来处理列表。

//      PrintWriter writer = new PrintWriter("C:\\DemoList.txt", "UTF-8");
//      
//      for(char i = 'A'; i<= 'Z'; i++) {
//          for(char j = 'A'; j<= 'Z'; j++) {
//              for(char n = 'A'; n<= 'Z'; n++) {
//                  for(char m = 'A'; m<= 'Z'; m++) {
//                      writer.println("" + i + j + n + m );
//                  }
//                      
//              }
//          }
//      }
    List<String> allLines = Files.readAllLines(Paths.get("C:\\", "DemoList.txt"));
    Collections.shuffle(allLines);
    String pattern = "AA";

    List<String> result = new ArrayList<>();
    int cores = Runtime.getRuntime().availableProcessors();
    int threadsNum = allLines.size() / cores;

    long start_time = System.nanoTime();

    for (String word : allLines) {
        if (word.startsWith(pattern))
            result.add(word);

    }

    long end_time = System.nanoTime();
    double difference = (end_time - start_time) / 1e6;
    System.out.println("Time difference in Milliseconds with Brute-Force: " + difference);

//With Parallisim:
    long new_start_time = System.nanoTime();

    List<String> filteredList = allLines.parallelStream().filter(s -> s.startsWith(pattern))
            .collect(Collectors.toList());

    long new_end_time = System.nanoTime();

    double new_difference = (new_end_time - new_start_time) / 1e6;
    System.out.println("Time difference in Milliseconds with Stream from Java 8: " + new_difference);

结果：蛮力的毫秒时间差：33.033602 Java 8 流的毫秒时间差：65.017069

每个线程都应该从列表中过滤一个范围。

你有更好的主意吗？您认为我应该对原始列表进行排序而不是对其进行二进制搜索吗？我应该在二进制排序中也使用多线程，还是应该使用 Collections.sort？你将如何实现它？

标签： javamultithreadingalgorithmsearchmultiprocessing

解决方案

从您的代码示例中，您的时间测量方法与 Micro Benchmarking 接近，因此简单地测量单次执行的时间会产生误导。

您可以在以下 StackOverflow 帖子中详细讨论它：如何在 Java 中编写正确的微基准测试？

我编写了一个更准确的基准来更准确地测量您的示例代码。该代码已在具有多线程的 QuadCore i7 上运行（但它是一台笔记本电脑，由于电源和热量管理，结果可能略微偏向于产生更多热量的多线程代码）。

@Benchmark
public void testSequentialFor(Blackhole bh, Words words) {
    List<String> filtered = new ArrayList<>();
    for (String word : words.toSort) {
        if (word.startsWith(words.prefix)) {
            filtered.add(word);
        }
    }
    bh.consume(filtered);
}

@Benchmark
public void testParallelStream(Blackhole bh, Words words) {
    bh.consume(words.toSort.parallelStream()
            .filter(w -> w.startsWith(words.prefix))
            .collect(Collectors.toList())
    );
}

@Benchmark
public void testManualThreading(Blackhole bh, Words words) {
    // This is quick and dirty, bit gives a decent baseline as to
    // what a manually threaded partitionning can achieve.
    List<Future<List<String>>> async = new ArrayList<>();
    // this has to be optimized to avoid creating "almost empty" work units
    int batchSize = words.size / ForkJoinPool.commonPool().getParallelism();
    int numberOfDispatchedWords = 0;
    while (numberOfDispatchedWords < words.toSort.size()) {
        int start = numberOfDispatchedWords;
        int end = numberOfDispatchedWords + batchSize;
        async.add(words.threadPool.submit(() -> {
            List<String> batch = words.toSort.subList(start, Math.min(end, words.toSort.size()));
            List<String> result = new ArrayList<>();
            for (String word : batch) {
                if (word.startsWith(words.prefix)) {
                    result.add(word);
                }
            }
            return result;
        }));
        numberOfDispatchedWords += batchSize;
    }
    List<String> result = new ArrayList<>();
    for (Future<List<String>> asyncResult : async) {
        try {
            result.addAll(asyncResult.get());
        } catch (Exception e) {
            e.printStackTrace();
        }
    }
    bh.consume(result);
}

@State(Scope.Benchmark)
public static class Words {

    ExecutorService threadPool = ForkJoinPool.commonPool();

    List<String> toSort;

    @Param({"100", "1000", "10000", "100000"})
    private int size;

    private String prefix = "AA";

    @Setup
    public void prepare() {
        //a 4 to 13 letters long, random word
        //for more precision, it should not be that random (use a fixed seed), but given the simple nature of the fitlering, I guess it's ok this way
        Supplier<String> wordCreator = () -> RandomStringUtils.random(4 + ThreadLocalRandom.current().nextInt(10));
        toSort = Stream.generate(wordCreator).limit(size).collect(Collectors.toList());
    }
}

这是结果

基准（大小）模式 Cnt 分数 误差单位
PerfTest.testManualThreading 100 thrpt 6 95971,811 ± 1100,589 操作/秒
PerfTest.testManualThreading 1000 thrpt 6 76293,983 ± 1632,959 操作/秒
PerfTest.testManualThreading 10000 thrpt 6 34630,814 ± 2660,058 ops/s
PerfTest.testManualThreading 100000 thrpt 6 5956,552 ± 529,368 ops/s
PerfTest.testParallelStream 100 thrpt 6 69965,462 ± 451,418 操作/秒
PerfTest.testParallelStream 1000 thrpt 6 59968,271 ± 774,859 操作/秒
PerfTest.testParallelStream 10000 thrpt 6 29079,957 ± 513,244 操作/秒
PerfTest.testParallelStream 100000 thrpt 6 4217,146 ± 172,781 操作/秒
PerfTest.testSequentialFor 100 thrpt 6 3553930,640 ± 21142,150 ops/s
PerfTest.testSequentialFor 1000 thrpt 6 356217,937 ± 7446,137 ops/s
PerfTest.testSequentialFor 10000 thrpt 6 28894,748 ± 674,929 ops/s
PerfTest.testSequentialFor 100000 thrpt 6 1725,735 ± 13,273 ops/s

因此，顺序版本在多达几千个元素的情况下看起来要快得多，它们在 10k 之前与手动线程相当，在 10k 之后与并行流相当，并且从那里开始线程代码的性能更好。

考虑到编写“手动线程变体”所需的代码量，以及在那里创建错误或通过计算批量大小而导致效率低下的风险，我可能不会选择该选项，即使它看起来比大量列表的流。

我不会尝试先排序，然后二进制搜索作为过滤是一个 O(N) 操作，然后排序一个 O(Nlog(N)) （在此之上你必须添加一个二进制搜索）。因此，除非您对数据有非常精确的模式，否则我认为它不会对您有利。

请注意，尽管不要得出此基准无法支持的结论。一方面，它基于这样的假设，即过滤是程序中唯一发生的事情，并且会争夺 CPU 时间。如果您在任何类型的“多用户”应用程序（例如 Web 应用程序）中，那么这可能不是真的，您很可能会失去一切，尽管您可以通过多线程获得。

推荐阅读