Entonces, básicamente, desea que su código se ejecute más rápido. JNI es la respuesta. Sé que dijiste que no te funcionó, pero déjame mostrarte que estás equivocado.
Aquí está Dot.java
:
import java.nio.FloatBuffer;
import org.bytedeco.javacpp.*;
import org.bytedeco.javacpp.annotation.*;
@Platform(include = "Dot.h", compiler = "fastfpu")
public class Dot {
static { Loader.load(); }
static float[] a = new float[50], b = new float[50];
static float dot() {
float sum = 0;
for (int i = 0; i < 50; i++) {
sum += a[i]*b[i];
}
return sum;
}
static native @MemberGetter FloatPointer ac();
static native @MemberGetter FloatPointer bc();
static native @NoException float dotc();
public static void main(String[] args) {
FloatBuffer ab = ac().capacity(50).asBuffer();
FloatBuffer bb = bc().capacity(50).asBuffer();
for (int i = 0; i < 10000000; i++) {
a[i%50] = b[i%50] = dot();
float sum = dotc();
ab.put(i%50, sum);
bb.put(i%50, sum);
}
long t1 = System.nanoTime();
for (int i = 0; i < 10000000; i++) {
a[i%50] = b[i%50] = dot();
}
long t2 = System.nanoTime();
for (int i = 0; i < 10000000; i++) {
float sum = dotc();
ab.put(i%50, sum);
bb.put(i%50, sum);
}
long t3 = System.nanoTime();
System.out.println("dot(): " + (t2 - t1)/10000000 + " ns");
System.out.println("dotc(): " + (t3 - t2)/10000000 + " ns");
}
}
y Dot.h
:
float ac[50], bc[50];
inline float dotc() {
float sum = 0;
for (int i = 0; i < 50; i++) {
sum += ac[i]*bc[i];
}
return sum;
}
Podemos compilar y ejecutar eso con JavaCPP usando este comando:
$ java -jar javacpp.jar Dot.java -exec
Con una CPU Intel (R) Core (TM) i7-7700HQ a 2.80GHz, Fedora 30, GCC 9.1.1 y OpenJDK 8 u 11, obtengo este tipo de salida:
dot(): 39 ns
dotc(): 16 ns
O aproximadamente 2,4 veces más rápido. Necesitamos utilizar búferes NIO directos en lugar de matrices, pero HotSpot puede acceder a búferes NIO directos tan rápido como matrices . Por otro lado, desenrollar manualmente el lazo no proporciona un aumento mensurable en el rendimiento, en este caso.
-XX:+UnlockDiagnosticVMOptions -XX:+PrintAssembly -XX:+LogCompilation
. Necesitará un programa que ejecute el método vectorizable suficientes veces para hacerlo "caliente".