在以下 SO 问题中：https://stackoverflow.com/questions/2067955/fast-bitmap-blur-for-android-sdk@zeh 声称将 Java 模糊算法移植到 C 的速度快 40 倍。
鉴于大部分代码仅包含计算，并且所有分配仅在实际算法数字运算之前“一次”完成 - 谁能解释为什么此代码运行速度快 40 倍？ Dalvik JIT 不应该翻译字节码并显着降低与本机编译代码速度的差距吗？
注意：我自己还没有确认这个算法的 x40 性能提升，但我遇到的所有严重的 Android 图像处理算法都使用 NDK - 所以这支持了 NDK 代码运行得更快的概念。
【问题讨论】：
标签： android performance android-ndk jit dalvik
对于对数据数组进行操作的算法，有两件事会显着改变 Java 和 C 等语言之间的性能：
数组边界检查 - Java 将检查每个访问 bmap[i]，并确认 i 在数组边界内。如果代码试图越界访问，您将得到一个有用的异常。 C & C++ 不检查任何东西，只相信你的代码。对越界访问的最佳响应是页面错误。更可能的结果是“意外行为”。
指针 - 使用指针可以显着减少操作。
以这个普通滤镜（类似于模糊，但 1D）为例：
for(i=0; i<ndata-ncoef; ++i) {
z[i] = 0;
for(k=0; k<ncoef; ++k) {
z[i] += c[k] * d[i+k];
}
}
当你访问一个数组元素时，coef[k] 是：
这些数组访问中的每一个都可以改进，因为您知道索引是顺序的。编译器，也不是 JIT，可以知道索引是顺序的，所以不能完全优化（尽管他们一直在尝试）。
在 C++ 中，您会编写更像这样的代码：
int d[10000];
int z[10000];
int coef[10];
int* zptr;
int* dptr;
int* cptr;
dptr = &(d[0]); // Just being overly explicit here, more likely you would dptr = d;
zptr = &(z[0]); // or zptr = z;
for(i=0; i<(ndata-ncoef); ++i) {
*zptr = 0;
*cptr = coef;
*dptr = d + i;
for(k=0; k<ncoef; ++k) {
*zptr += *cptr * *dptr;
cptr++;
dptr++;
}
zptr++;
}
当你第一次做这样的事情（并成功地让它正确）时，你会惊讶于它的速度有多快。所有取索引和索引和基地址求和的数组地址计算都被增量指令代替。
对于 2D 数组操作（例如图像模糊），无害代码 data[r,c] 涉及两个值获取，一个乘法和一个求和。因此，使用 2D 数组，指针的好处可以让您删除乘法运算。
因此，该语言可以真正减少 CPU 必须执行的操作。代价是 C++ 代码难以阅读和调试。指针错误和缓冲区溢出是黑客的食物。但是对于原始数字磨削算法，速度提升太诱人了，不容忽视。
【讨论】：
上面没有提到的另一个因素是垃圾收集器。问题是垃圾收集需要时间，而且它可以随时运行。这意味着创建大量临时对象的 Java 程序（请注意，某些类型的 String 操作可能对此不利）经常会触发垃圾收集器，这反过来会降低程序（应用程序）的速度。
【讨论】：
Suspend Check（检查 GC）指令放入循环中，因此应用程序不会“饿死”堆。仅此一项，即使是在原始一维数组（其中的东西非常接近 C 原生版本）上包含一些数学运算的循环中，也会导致显着减速。
以下是基于级别的编程语言列表，
这里低级语言可以直接访问硬件。只要级别增加，对硬件的访问就会减少。所以汇编语言的代码以最高的速度运行，而其他语言的代码根据它们的级别运行。
这就是 C 语言的代码运行速度比 Java 的代码快得多的原因。
【讨论】：