这是由 Java 官方发布，Oracle JDK 研发 Nipafx 制作的节目，包含 JDK 近期的研发进展和新特性展望和使用，这里加上个人译制的字幕搬运而来。我把 Nipafx 的扩展资料详细研读并提取精华做了个人详细解读：视频地址（熟肉）
?????? Chapters ??????

• 0:00 - Intro
• 0:33 - Vector API
• 0:56 - Vector API - SIMD and Vector Instructions
• 2:22 - Vector API - Current State
• 3:10 - Vector API - More
  Inside Java podcast Ep. 7
• 3:59 - Records Serialization
• 5:22 - JDK 17 - Enhanced Pseudo-Random Number Generators
• 6:06 - Outro

这一节的内容不是很多，但是都比较有意思。
Vector API 相关 JEP：

• JEP 338: Vector API (Incubator)
• JEP 414: Vector API (Second Incubator)：Java 17 中的
• JEP 417: Vector API (Third Incubator)：Java 18 中的

其中最主要的应用就是使用了 CPU 的 SIMD（单指令多数据）处理，它提供了通过程序的多通道数据流，可能有 4 条通道或 8 条通道或任意数量的单个数据元素流经的通道。并且 CPU 一次在所有通道上并行组织操作，这可以极大增加 CPU 吞吐量。通过 Vector API，Java 团队正在努力让 Java 程序员使用 Java 代码直接访问它；过去，他们必须在汇编代码级别对向量数学进行编程，或者使用 C/C++ 与 Intrinsic 一起使用，然后通过 JNI 提供给 Java。
一个主要的优化点就是循环，过去的循环（标量循环），一次在一个元素上执行，那很慢。现在，您可以使用 Vector API 将标量算法转换为速度更快的数据并行算法。一个使用 Vector 的例子：

//测试指标为吞吐量 @BenchmarkMode(Mode.Throughput) //需要预热，排除 jit 即时编译以及 JVM 采集各种指标带来的影响，由于我们单次循环很多次，所以预热一次就行 @Warmup(iterations = 1) //单线程即可 @Fork(1) //测试次数，我们测试10次 @Measurement(iterations = 10) //定义了一个类实例的生命周期，所有测试线程共享一个实例 @State(value = https://www.it610.com/article/Scope.Benchmark) public class VectorTest { private static final VectorSpecies SPECIES = FloatVector.SPECIES_256; final int size = 1000; final float[] a = new float[size]; final float[] b = new float[size]; final float[] c = new float[size]; public VectorTest() { for (int i = 0; i < size; i++) { a[i] = ThreadLocalRandom.current().nextFloat(0.0001f, 100.0f); b[i] = ThreadLocalRandom.current().nextFloat(0.0001f, 100.0f); } }@Benchmark public void testScalar(Blackhole blackhole) throws Exception { for (int i = 0; i < a.length; i++) { c[i] = (a[i] * a[i] + b[i] * b[i]) * -1.0f; } }@Benchmark public void testVector(Blackhole blackhole) { int i = 0; //高于数组长度的 SPECIES 一次处理数据长度的倍数 int upperBound = SPECIES.loopBound(a.length); //每次循环处理 SPECIES.length() 这么多的数据 for (; i < upperBound; i += SPECIES.length()) { // FloatVector va, vb, vc; var va = FloatVector.fromArray(SPECIES, a, i); var vb = FloatVector.fromArray(SPECIES, b, i); var vc = va.mul(va) .add(vb.mul(vb)) .neg(); vc.intoArray(c, i); } for (; i < a.length; i++) { c[i] = (a[i] * a[i] + b[i] * b[i]) * -1.0f; } }public static void main(String[] args) throws RunnerException { Options opt = new OptionsBuilder().include(VectorTest.class.getSimpleName()).build(); new Runner(opt).run(); } }

注意使用处于孵化的 Java 特性需要加上额外的启动参数将模块暴露，这里是--add-modules jdk.incubator.vector，需要在 javac 编译和 java 运行都加上这些参数，使用 IDEA 即：

文章图片


文章图片

测试结果：

BenchmarkModeCntScoreErrorUnits VectorTest.testScalarthrpt107380697.998 ± 1018277.914ops/s VectorTest.testVectorthrpt1037151609.182 ± 1011336.900ops/s

其他使用，请参考：fizzbuzz-simd-style，这是一篇比较有意思的文章（虽然这个性能优化感觉不只由于 SIMD，还有算法优化的功劳，哈哈）
关于一些更加详细的使用，以及设计思路，可以参考这个音频：https://www.youtube.com/watch...
Records Serialization 关于 Java Record 的序列化，我也写过一篇文章进行分析，参考：[Java Record 的一些思考 - 序列化相关]()
其中，最重要的是一些主流的序列化框架的兼容
由于 Record 限制了序列化与反序列化的唯一方式，所以其实兼容起来很简单，比起 Java Class 改个结构，加个特性导致的序列化框架更改来说还要简单。

• Jackson:
  
  • Issue: Support for record types in JDK 14
  • Pull Request: Support for record types in JDK 14
  • 对应版本：jackson-databind-2.12.0
• Kryo
  
  • Issue: Java 14 records : how to deal with them?
  • Pull Request: Add support for Records in JDK 14
  • 对应版本：kryo-5.1.0
• XStream
  
  • Issue: Support for record types in JDK 14
  • Pull Request: Add support for Record types in JDK 14
  • 对应版本：1.5.x，还未发布

这三个框架中实现对于 Record 的兼容思路都很类似，也比较简单，即：

1. 实现一个针对 Record 的专用的 Serializer 以及Deserializer。
2. 通过反射（Java Reflection）或者句柄（Java MethodHandle）验证当前版本的 Java 是否支持 Record，以及获取 Record 的规范构造函数（canonical constructor）以及各种 field 的 getter 进行反序列化和序列化。

JDK 17 - Enhanced Pseudo-Random Number Generators Java 17 针对随机数生成器做了统一接口封装，并且内置了 Xoshiro 算法以及自己研发的 LXM 算法，可以参考我的这个系列文章：

• 硬核 - Java 随机数相关 API 的演进与思考（上）
• 硬核 - Java 随机数相关 API 的演进与思考（下）

这里截取一部分分析：

根据之前的分析，应该还是 SplittableRandom 在单线程环境下最快，多线程环境下使用 ThreadLocalRandom 最快。新增的随机算法实现类，Period 约大需要的计算越多， LXM 的实现需要更多计算，加入这些算法是为了适应更多的随机应用，而不是为了更快。不过为了满足大家的好奇心，还是写了如下的代码进行测试，从下面的代码也可以看出，新的 RandomGenerator API 使用更加简便：

package prng; import java.util.random.RandomGenerator; import java.util.random.RandomGeneratorFactory; import org.openjdk.jmh.annotations.Benchmark; import org.openjdk.jmh.annotations.BenchmarkMode; import org.openjdk.jmh.annotations.Fork; import org.openjdk.jmh.annotations.Measurement; import org.openjdk.jmh.annotations.Mode; import org.openjdk.jmh.annotations.Param; import org.openjdk.jmh.annotations.Scope; import org.openjdk.jmh.annotations.Setup; import org.openjdk.jmh.annotations.State; import org.openjdk.jmh.annotations.Threads; import org.openjdk.jmh.annotations.Warmup; import org.openjdk.jmh.infra.Blackhole; import org.openjdk.jmh.runner.Runner; import org.openjdk.jmh.runner.RunnerException; import org.openjdk.jmh.runner.options.Options; import org.openjdk.jmh.runner.options.OptionsBuilder; //测试指标为吞吐量 @BenchmarkMode(Mode.Throughput) //需要预热，排除 jit 即时编译以及 JVM 采集各种指标带来的影响，由于我们单次循环很多次，所以预热一次就行 @Warmup(iterations = 1) //线程个数 @Threads(10) @Fork(1) //测试次数，我们测试50次 @Measurement(iterations = 50) //定义了一个类实例的生命周期，所有测试线程共享一个实例 @State(value = https://www.it610.com/article/Scope.Benchmark) public class TestRandomGenerator { @Param({"Random", "SecureRandom", "SplittableRandom", "Xoroshiro128PlusPlus", "Xoshiro256PlusPlus", "L64X256MixRandom", "L64X128StarStarRandom", "L64X128MixRandom", "L64X1024MixRandom", "L32X64MixRandom", "L128X256MixRandom", "L128X128MixRandom", "L128X1024MixRandom" }) private String name; ThreadLocal randomGenerator; @Setup public void setup() { final String finalName = this.name; randomGenerator = ThreadLocal.withInitial(() -> RandomGeneratorFactory.of(finalName).create()); }@Benchmark public void testRandomInt(Blackhole blackhole) throws Exception { blackhole.consume(randomGenerator.get().nextInt()); }@Benchmark public void testRandomIntWithBound(Blackhole blackhole) throws Exception { //注意不取 2^n 这种数字，因为这种数字一般不会作为实际应用的范围，但是底层针对这种数字有优化 blackhole.consume(randomGenerator.get().nextInt(1, 100)); }public static void main(String[] args) throws RunnerException { Options opt = new OptionsBuilder().include(TestRandomGenerator.class.getSimpleName()).build(); new Runner(opt).run(); } }

测试结果：

Benchmark(name)ModeCntScoreErrorUnits TestRandomGenerator.testRandomIntRandomthrpt50276250026.985 ± 240164319.588ops/s TestRandomGenerator.testRandomIntSecureRandomthrpt502362066.269 ±1277699.965ops/s TestRandomGenerator.testRandomIntSplittableRandomthrpt50365417656.247 ± 377568150.497ops/s TestRandomGenerator.testRandomIntXoroshiro128PlusPlusthrpt50341640250.941 ± 287261684.079ops/s TestRandomGenerator.testRandomIntXoshiro256PlusPlusthrpt50343279172.542 ± 247888916.092ops/s TestRandomGenerator.testRandomIntL64X256MixRandomthrpt50317749688.838 ± 245196331.079ops/s TestRandomGenerator.testRandomIntL64X128StarStarRandomthrpt50294727346.284 ± 283056025.396ops/s TestRandomGenerator.testRandomIntL64X128MixRandomthrpt50314790625.909 ± 257860657.824ops/s TestRandomGenerator.testRandomIntL64X1024MixRandomthrpt50315040504.948 ± 101354716.147ops/s TestRandomGenerator.testRandomIntL32X64MixRandomthrpt50311507435.009 ± 315893651.601ops/s TestRandomGenerator.testRandomIntL128X256MixRandomthrpt50187922591.311 ± 137220695.866ops/s TestRandomGenerator.testRandomIntL128X128MixRandomthrpt50218433110.870 ± 164229361.010ops/s TestRandomGenerator.testRandomIntL128X1024MixRandomthrpt50220855813.894 ±47531327.692ops/s TestRandomGenerator.testRandomIntWithBoundRandomthrpt50248088572.243 ± 206899706.862ops/s TestRandomGenerator.testRandomIntWithBoundSecureRandomthrpt501926592.946 ±2060477.065ops/s TestRandomGenerator.testRandomIntWithBoundSplittableRandomthrpt50334863388.450 ±92778213.010ops/s TestRandomGenerator.testRandomIntWithBoundXoroshiro128PlusPlusthrpt50252787781.866 ± 200544008.824ops/s TestRandomGenerator.testRandomIntWithBoundXoshiro256PlusPlusthrpt50247673155.126 ± 164068511.968ops/s TestRandomGenerator.testRandomIntWithBoundL64X256MixRandomthrpt50273735605.410 ±87195037.181ops/s TestRandomGenerator.testRandomIntWithBoundL64X128StarStarRandomthrpt50291151383.164 ± 192343348.429ops/s TestRandomGenerator.testRandomIntWithBoundL64X128MixRandomthrpt50217051928.549 ± 177462405.951ops/s TestRandomGenerator.testRandomIntWithBoundL64X1024MixRandomthrpt50222495366.798 ± 180718625.063ops/s TestRandomGenerator.testRandomIntWithBoundL32X64MixRandomthrpt50305716905.710 ±51030948.739ops/s TestRandomGenerator.testRandomIntWithBoundL128X256MixRandomthrpt50174719656.589 ± 148285151.049ops/s TestRandomGenerator.testRandomIntWithBoundL128X128MixRandomthrpt50176431895.622 ± 143002504.266ops/s TestRandomGenerator.testRandomIntWithBoundL128X1024MixRandomthrpt50198282642.786 ±24204852.619ops/s

在之前的结果验证中，我们已经知道了 SplittableRandom 的在单线程中的性能最好，多线程环境下表现最好的是算法与它类似但是做了多线程优化的 ThreadLocalRandom.
如何选择随机算法
【Java 内幕新闻第二期深度解读】原则是，看你的业务场景，所有的随机组合到底有多少个，在什么范围内。然后找大于这个范围的 Period 中，性能最好的算法。例如，业务场景是一副扑克除了大小王 52 张牌，通过随机数决定发牌顺序：

• 第一张牌：randomGenerator.nextInt(0, 52)，从剩余的 52 张牌选
• 第二张牌：randomGenerator.nextInt(0, 51)，从剩余的 51 张牌选
• 以此类推

那么一共有 52! 这么多结果，范围在 2^225 ~ 2^226 之间。如果我们使用的随机数生成器的 Period 小于这个结果集，那么某些牌的顺序，我们可能永远生成不了。所以，我们需要选择一个 Period > 54! 的随机数生成器。

微信搜索“我的编程喵”关注公众号，每日一刷，轻松提升技术，斩获各种offer：

文章图片

推荐阅读

• 

  大衬衣怎么搭配 让人眼前一亮
• 

  玻璃胶如何使用？玻璃胶如何使用?
• 

  橙子是什么季节的水果 怎么挑选橙子
• 

  华为手机忘记锁屏密码怎么办
• 

  如何快速升级公益服务器？ 公益服务器怎么升级最快
• 

  苹果动图如何保存 苹果怎么保存贴吧动图
• 

  志高空调无法开机该怎么解决?,基本上用这几种方法
• 

  国庆节购车指南 2020国庆节买车优惠力度大吗
• 

  立式空调怎么消毒
• 

  华为S7703交换机,一个镜像口如何对应多个观察口？华为S7703的介绍
• 

  灵芝孢子粉怎么吃
• 

  linux的echo命令 linux中echo命令的用法
• 

  李白的《清平调》是李白最有意境的诗吗？
• 

  最新版excel怎么制作迷你图 excel2016怎么添加迷你图
• 

  湖北荆州一周天气预报_湖北荆州天气查询
• 

  新款混动汉兰达报价及图片 新款汉兰达混动版落地多少钱
• 

  驱动桥类型 驱动桥类型有哪几种
• 

  文明6全面开战神级难度教学 全面开战怎么玩
• 

  玩咖女是什么意思
• 

  android中shape 的使用

• Java|Java基础——数组
• 人工智能|干货！人体姿态估计与运动预测
• java简介|Java是什么（Java能用来干什么？）
• Java|规范的打印日志
• Linux|109 个实用 shell 脚本
• 程序员|【高级Java架构师系统学习】毕业一年萌新的Java大厂面经，最新整理
• Spring注解驱动第十讲--@Autowired使用
• SqlServer|sql server的UPDLOCK、HOLDLOCK试验
• jvm|【JVM】JVM08(java内存模型解析[JMM])
• 技术|为参加2021年蓝桥杯Java软件开发大学B组细心整理常见基础知识、搜索和常用算法解析例题（持续更新...)