Java 11 已于前一段时间发布，尽管大多数开发人员仍在使用 Java 8。让我们看看对于 OptaPlanner 来说，哪一个更快。找出答案的最佳方法当然是运行 OptaPlanner 基准测试。本文是我们针对 Java 8 的类似文章 的后续文章。
基准方法
为了运行我们使用的基准测试：
- 一台稳定的机器，没有任何其他需要计算的进程在运行，并且有
2 x Intel® Xeon® CPU E5-2609 0 @ 2.4 GHz (8 cores total)和31.3 GiBRAM 内存，运行 RHEL 6。 - 两个 Java 版本的 G1 和并行 GC 比较垃圾回收的影响。 Java分别以参数
-Xmx1536M -server -XX:+UseG1GC和-Xmx1536M -server -XX:+UseParallelGC执行。 - Oracle Java 8：
java version "1.8.0_191" Java(TM) SE Runtime Environment (build 1.8.0_191-b12) Java HotSpot(TM) 64-Bit Server VM (build 25.191-b12, mixed mode)
和 OpenJDK 11：
openjdk version "11.0.1" 2018-10-16 OpenJDK Runtime Environment 18.9 (build 11.0.1+13) OpenJDK 64-Bit Server VM 18.9 (build 11.0.1+13, mixed mode)
- OptaPlanner
7.14.0.Final - 解决规划问题不涉及 IO（启动期间加载输入的几毫秒除外）。 单个 CPU 完全饱和。它不断创建许多短暂的对象，然后 GC 收集它们。
- 每次运行都使用 OptaPlanner 解决 11 个规划问题。每个规划问题运行 5 分钟，并以 30 秒的 JVM 预热开始，该预热被丢弃。
- 基准衡量每毫秒计算的分数数。越高越好。为提议的规划解决方案计算分数并非易事：它涉及许多计算，包括检查每个实体与每个其他实体之间的冲突。
执行摘要
在 Java 11 中，G1 的平均改进为 16.1%，并行 GC 的平均改进为 4.5%。尽管并行 GC 面向吞吐量，而 G1 更侧重于低延迟垃圾收集，但 Java 11 中 G1 的显着改进导致直接比较这两种垃圾收集算法。有关各种 GC 算法之间差异的更多信息，请参阅这篇文章。
这表明并行 GC 仍然是 OptaPlanner 的首选 GC，因为对于使用 OptaPlanner 解决优化问题而言，吞吐量比 GC 引入的延迟更重要。
结果
Java 8 对比Java 11
| 云平衡 | 机器重新分配 | 课程安排 | 考试安排 | 护士排班。 | 巡回赛 | ||||||
| JDK | 200摄氏度 | 800摄氏度 | B1 | B10 | c7 | c8 | s2 | s3 | m1 | mh1 | nl14 |
| Java 8 | 38,074 | 34,870 | 113,490 | 20,398 | 4,296 | 4,840 | 7,003 | 5,437 | 2,385 | 2,021 | 812 |
| OpenJDK 11 | 41,753 | 41,282 | 166,676 | 20,363 | 4,473 | 5,466 | 8,157 | 5,927 | 2,772 | 2,536 | 957 |
| 区别 | 9.7% | 18.4% | 46.9% | -0.2% | 4.1% | 12.9% | 16.5% | 9.0% | 16.2% | 25.5% | 17.9% |
| 平均 | 16.1% |
使用 G1 垃圾收集器，几乎每个数据集都在 Java 11 上比 Java 8 有所改进。平均而言，仅通过切换到 Java 11 就有 16% 的改进。这种改进的可能解释是 JEP 307：G1 的并行完整 GC，在 Java 10 中引入。
| 云平衡 | 机器重新分配 | 课程安排 | 考试安排 | 护士排班。 | 巡回赛 | ||||||
| JDK | 200摄氏度 | 800摄氏度 | B1 | B10 | c7 | c8 | s2 | s3 | m1 | mh1 | nl14 |
| Java 8 | 54,990 | 52,514 | 122,611 | 13,382 | 4,821 | 5,880 | 8,775 | 6,170 | 3,234 | 2,682 | 880 |
| OpenJDK 11 | 54,316 | 50,120 | 140,816 | 11,129 | 4,927 | 6,071 | 8,996 | 6,383 | 3,336 | 3,087 | 1,125 |
| 区别 | -1.2% | -4.6% | 14.8% | -16.8% | 2.2% | 3.2% | 2.5% | 3.5% | 3.2% | 15.1% | 27.8% |
| 平均 | 4.5% |
使用并行垃圾收集器，结果不如 G1 明确。一些数据集有所改进，而其他数据集则保持不变，甚至表现出性能下降。然而，平均而言，Java 11 的性能提高了 4% 以上。
Java 11 上的并行 GC 与 G1 GC
| 云平衡 | 机器重新分配 | 课程安排 | 考试安排 | 护士排班。 | 巡回赛 | ||||||
| Java 11 | 200摄氏度 | 800摄氏度 | B1 | B10 | c7 | c8 | s2 | s3 | m1 | mh1 | nl14 |
| OpenJDK 11 并行 GC | 54,316 | 50,120 | 140,816 | 11,129 | 4,927 | 6,071 | 8,996 | 6,383 | 3,336 | 3,087 | 1,125 |
| OpenJDK 11 G1 GC | 41,753 | 41,282 | 166,676 | 20,363 | 4,473 | 5,466 | 8,157 | 5,927 | 2,772 | 2,536 | 957 |
| 区别 | -23.1% | -17.6% | 18.4% | 83.0% | -9.2% | -10.0% | -9.3% | -7.1% | -16.9% | -17.8% | -14.9% |
| 平均 | -2.3% |
尽管 G1 GC 显示出 Java 8 的明显改进，但与并行 GC 相比，它对 OptaPlanner 在大多数数据集上的 GC 策略的益处较小。唯一的例外是 Machine Reassignment，它表明 G1 OptaPlanner 计算分数的速度提高了 83%。这也适用于 Java 8，如 Score calculation count per second with G1 GC 所示。
总结
Java 11 带来了额外的改进，这些改进因不同的 OptaPlanner 示例和数据集而异。平均而言，使用并行 GC 时速度提高 4.5%，使用 G1 GC 时速度提高 16.1%。尽管 G1 GC 有了显着改进，但对于该基准测试中的大多数数据集，并行 GC 仍然更快。
标签2： Java教程地址：https://www.cundage.com/article/jcg-how-much-faster-is-java-11.html
相关阅读
