从Java视角理解系统结构连载, 关注我的微博(
链接
)了解最新动态
在高性能编程时,经常接触到多线程. 起初我们的理解是, 多个线程并行地执行总比单个线程要快, 就像多个人一起干活总比一个人干要快. 然而实际情况是, 多线程之间需要竞争IO设备, 或者竞争锁资源，导致往往执行速度还不如单个线程. 在这里有一个经常提及的概念就是: 上下文切换(Context Switch).
上下文切换的精确定义可以参考: http://www.linfo.org/context_switch.html. 下面做个简单的介绍. 多任务系统往往需要同时执行多道作业.作业数往往大于机器的CPU数, 然而一颗CPU同时只能执行一项任务, 如何让用户感觉这些任务正在同时进行呢? 操作系统的设计者巧妙地利用了时间片轮转的方式, CPU给每个任务都服务一定的时间, 然后把当前任务的状态保存下来, 在加载下一任务的状态后, 继续服务下一任务. 任务的状态保存及再加载, 这段过程就叫做上下文切换. 时间片轮转的方式使多个任务在同一颗CPU上执行变成了可能, 但同时也带来了保存现场和加载现场的直接消耗.
(Note. 更精确地说, 上下文切换会带来直接和间接两种因素影响程序性能的消耗. 直接消耗包括: CPU寄存器需要保存和加载, 系统调度器的代码需要执行, TLB实例需要重新加载, CPU 的pipeline需要刷掉; 间接消耗指的是多核的cache之间得共享数据, 间接消耗对于程序的影响要看线程工作区操作数据的大小).
在linux中可以使用vmstat观察上下文切换的次数. 执行命令如下:
-
$ vmstat
1
-
procs ———–memory———- —swap– —–io—- -system– —-cpu—-
-
r b swpd free buff cache si so bi bo in cs us sy id wa
-
1
0
0
4593944
453560
1118192
0
0
14
12
238
30
6
1
92
1
-
0
0
0
4593212
453568
1118816
0
0
0
96
958
1108
4
1
94
2
-
0
0
0
4593360
453568
1118456
0
0
0
0
895
1044
3
1
95
0
-
1
0
0
4593408
453568
1118456
0
0
0
0
929
1073
4
1
95
0
-
0
0
0
4593496
453568
1118456
0
0
0
0
1133
1363
6
1
93
0
-
0
0
0
4593568
453568
1118476
0
0
0
0
992
1190
4
1
95
0
vmstat 1指每秒统计一次, 其中cs列就是指上下文切换的数目. 一般情况下, 空闲系统的上下文切换每秒大概在1500以下.
对于我们经常使用的抢占式操作系统来说, 引起上下文切换的原因大概有以下几种: 1. 当前执行任务的时间片用完之后, 系统CPU正常调度下一个任务 2. 当前执行任务碰到IO阻塞, 调度器将挂起此任务, 继续下一任务 3. 多个任务抢占锁资源, 当前任务没有抢到,被调度器挂起, 继续下一任务 4. 用户代码挂起当前任务, 让出CPU时间 5. 硬件中断. 前段时间发现有人在使用futex的WAIT和WAKE来测试context switch的直接消耗(
链接
), 也有人使用阻塞IO来测试context switch的消耗(
链接
).那么Java程序怎么测试和观察上下文切换的消耗呢?
我做了一个小实验, 代码很简单, 有两个工作线程. 开始时，第一个线程挂起自己; 第二个线程唤醒第一个线程，再挂起自己; 第一个线程醒来之后唤醒第二个线程, 再挂起自己. 就这样一来一往,互相唤醒对方, 挂起自己. 代码如下:
-
import
java.util.concurrent.atomic.AtomicReference;
-
import
java.util.concurrent.locks.LockSupport;
-
-
public
final
class
ContextSwitchTest {
-
static
final
int
RUNS =
3
;
-
static
final
int
ITERATES =
1000000
;
-
static
AtomicReference turn =
new
AtomicReference();
-
-
static
final
class
WorkerThread
extends
Thread {
-
volatile
Thread other;
-
volatile
int
nparks;
-
-
public
void
run() {
-
final
AtomicReference t = turn;
-
final
Thread other =
this
.other;
-
if
(turn ==
null
|| other ==
null
)
-
throw
new
NullPointerException();
-
int
p =
0
;
-
for
(
int
i =
0
; i < ITERATES; ++i) {
-
while
(!t.compareAndSet(other,
this
)) {
-
LockSupport.park();
-
++p;
-
}
-
LockSupport.unpark(other);
-
}
-
LockSupport.unpark(other);
-
nparks = p;
-
System.out.println(
“parks: ”
+ p);
-
-
}
-
}
-
-
static
void
test()
throws
Exception {
-
WorkerThread a =
new
WorkerThread();
-
WorkerThread b =
new
WorkerThread();
-
a.other = b;
-
b.other = a;
-
turn.set(a);
-
long
startTime = System.nanoTime();
-
a.start();
-
b.start();
-
a.join();
-
b.join();
-
long
endTime = System.nanoTime();
-
int
parkNum = a.nparks + b.nparks;
-
System.out.println(
“Average time: ”
+ ((endTime – startTime) / parkNum)
-
+
“ns”
);
-
}
-
-
public
static
void
main(String[] args)
throws
Exception {
-
for
(
int
i =
0
; i < RUNS; i++) {
-
test();
-
}
-
}
-
}
编译后,在我自己的笔记本上( Intel(R) Core(TM) i5 CPU M 460 @ 2.53GHz, 2 core, 3M L3 Cache) 用测试几轮，结果如下:
-
java -cp . ContextSwitchTest
-
parks:
953495
-
parks:
953485
-
Average time: 11373ns
-
parks:
936305
-
parks:
936302
-
Average time: 11975ns
-
parks:
965563
-
parks:
965560
-
Average time: 13261ns
我们会发现这么简单的for循环, 线性执行会非常快,不需要1秒, 而执行这段程序需要几十秒的耗时. 每个上下文切换需要耗去十几us的时间,这对于程序吞吐量的影响很大.
同时我们可以执行vmstat 1 观查一下上下文切换的频率是否变快
-
$ vmstat
1
-
procs ———–memory———- —swap– —–io—- -system– —-cpu—-
-
r b swpd free buff cache si so bi bo in cs us sy id wa
-
1
0
0
4424988
457964
1154912
0
0
13
12
252
80
6
1
92
1
-
0
0
0
4420452
457964
1159900
0
0
0
0
1586
2069
6
1
93
0
-
1
0
0
4407676
457964
1171552
0
0
0
0
1436
1883
8
3
89
0
-
1
0
0
4402916
457964
1172032
0
0
0
84
22982
45792
9
4
85
2
-
1
0
0
4416024
457964
1158912
0
0
0
0
95382
198544
17
10
73
0
-
1
1
0
4416096
457964
1158968
0
0
0
116
79973
159934
18
7
74
0
-
1
0
0
4420384
457964
1154776
0
0
0
0
96265
196076
15
10
74
1
-
1
0
0
4403012
457972
1171096
0
0
0
152
104321
213537
20
12
66
2
再使用strace观察以上程序中Unsafe.park()究竟是哪道系统调用造成了上下文切换:
-
$strace -f java -cp . ContextSwitchTest
-
[pid
5969
] futex(
0x9571a9c
, FUTEX_WAKE_OP_PRIVATE,
1
,
1
,
0x9571a98
, {FUTEX_OP_SET,
0
, FUTEX_OP_CMP_GT,
1
}) =
1
-
[pid
5968
] <… futex resumed> ) =
0
-
[pid
5969
] futex(
0x9571ad4
, FUTEX_WAIT_PRIVATE,
949
, NULL <unfinished …>
-
[pid
5968
] futex(
0x9564368
, FUTEX_WAKE_PRIVATE,
1
) =
0
-
[pid
5968
] futex(
0x9571ad4
, FUTEX_WAKE_OP_PRIVATE,
1
,
1
,
0x9571ad0
, {FUTEX_OP_SET,
0
, FUTEX_OP_CMP_GT,
1
} <unfinished …>
-
[pid
5969
] <… futex resumed> ) =
0
-
[pid
5968
] <… futex resumed> ) =
1
-
[pid
5969
] futex(
0x9571628
, FUTEX_WAIT_PRIVATE,
2
, NULL <unfinished …>
果然还是futex.
再使用perf看看上下文对于Cache的影响:
-
$ perf stat -e cache-misses java -cp . ContextSwitchTest
-
parks:
999999
-
parks:
1000000
-
Average time: 16201ns
-
parks:
998930
-
parks:
998926
-
Average time: 14426ns
-
parks:
998034
-
parks:
998204
-
Average time: 14489ns
-
-
Performance counter stats for
‘java -cp . ContextSwitchTest’
:
-
-
2
,
550
,
605
cache-misses
-
-
90.221827008
seconds time elapsed
1分半钟内有255万多次cache未命中.
嗯, 貌似太长了, 可以结束了. 接下来会继续几篇博文继续分析一些有意思的东西.
(1) 从Java视角看内存屏障 (Memory Barrier)
(2) 从java视角看CPU亲缘性 (CPU Affinity)
等..敬请关注
PS. 其实还做了一个实验, 测试CPU Affinity对于Context Switch的影响.
-
$ taskset -c
0
java -cp . ContextSwitchTest
-
parks:
992713
-
parks:
1000000
-
Average time: 2169ns
-
parks:
978428
-
parks:
1000000
-
Average time: 2196ns
-
parks:
989897
-
parks:
1000000
-
Average time: 2214ns
这个命令把进程绑定在0号CPU上,结果Context Switch的消耗小了一个数量级, 什么原因呢? 卖个关子, 在谈到CPU Affinity的博文再说
转载于:https://blog.51cto.com/w19995/1057845