首先，让我们谈谈测试方法：
所有 测试 都 在 我的 笔记本 上 运行i7 2.0 Ghz 16 Gb Ubuntu 18.4 和 OpenJdk 11
graal VM 选项：
- Xms6g - Xmx6g - XX：+ UseParallelOldGC - XX：+ UnlockExperimentalVMOptions - XX：+ UseJVMCICompiler
c2 VM 选项：
- Xms6g - Xmx6g - XX：+ UseParallelOldGC
我 运行 一个 测试 称为 PerformanceTest 在 每个 项目中 ，其 执行 一 结束 ，以 结束 标杆 不断。在 这种 方式 的 编译器 不能 优化 的 代码 为 一个 特定的 情况下。于是 我 选择 了 更快的 结果，假设 它 是 在 一个 没有 GC 和 OS 暂停。所有的 测试 均 运行 单- 线程。
以下是结果：
正如你所看到的，Graal使用Kotlin进行编译在小板上的速度明显更快，并且随着大板随机播放的速度稍快一点。
我怀疑这是因为随着更大的主板内存管理，它占用了大量的运行时间。在任何情况下，增量都是受欢迎的，特别是考虑到我通常在较小的板上玩。
为了测试我的理论，我创建了一个新项目，其中包含一些经典算法的实现，以查看性能的差异。你可以在这里找到它。
目前，有两种算法：Mandelbrot Set生成器和Knapsack解算器。
Mandelbrot集
该Mandelbrot集可能是你见过的最有名的分形-即使你不知道这个名字。
在数学上，它被定义为复平面中所有点的集合，其中函数z < - z ^ 2 + c在迭代时不会发散。生成Set迭代复杂平面上某些点的函数并从中创建图像非常容易。
由于这里的目标是性能而不是图形，我使用文本图形保持简单。
让我们从查看Mandelbrot Set的代码开始。
数据 类 Complex（val r：Double，val i：Double）{
操作员 欢乐 时光（其他：复杂）=
复杂（
r = 这个。r * 其他。r - 这个。我 * 其他。我，
我 = 这个。我 * 其他。r + 这个。r * 其他。一世
）
操作员 乐趣 加（其他：复杂）=
复杂的（- [R = 此。[R + 等。[R ，我 = 此。我 + 其他。我）
操作员 乐趣 减去（其他：复杂）=
复杂的（- [R = 此。[R - 其他。ř，我 = 此。我 - 其他。我）
fun squared（）= this * this
有趣的是 squaredModule（）= r * r + i * i
有趣的 双。toComplex（）= Complex（r = this，i = 0.0）
}
有趣的 mandelSet（initZ：Complex，c：Complex，maxIter：Int）：Int {
var z = initZ
（1.。MAXITER）。forEach {
z = z。平方（）+ c
如果（ž。squaredModule（）> = 4）
归还 它
}
return maxIter
}
您可以在此处看到如何使用运算符重载和数据类来表示复数，这样可以真正简化代码并使其更易于理解。
一旦我们在Complex类中定义了对复数进行操作的规则，该 mandelSet 函数只需要检查操作z < - z ^ 2 + c是否“转义”，并且万一，经过多次迭代后，它将超过4的门槛。
在这里，您可以在AsciiArt中呈现的输出中看到Mandelbrot Set的特征心形图：
背包问题
该背包问题可以通过多种方式来定义。想象一下，作为一个刚刚闯入手表店的小偷。如果您没有超过背包中可携带的最大重量，您可以偷走任意数量的手表。
作为一个实用的小偷，你绝对想要优化你带来的手表的价值。每只手表都有价格和重量。因此，您需要找到具有给定重量的最大总价的手表组。
实际应用包括优化CNC应用的削减和材料以及分配广告预算的营销策略。
例如，让我们看一下只有三只手表的商店，定义如下：
val shop = 背包。商店（
观察（重量 = 1，价格 = 1），
观察（重量 = 3，价格 = 2），
观看（重量 = 1，价格 = 3）
）
如果我们的最大重量为1，那么我们最好选择第三只手表，而不是第一只手表，因为价值更高。
如果我们的最大权重为3，我们可以选择数字2（价格2）或数字1和3（价格1 + 3）。在这种情况下，最好选择1和3，即使它们的总重量小于最大值。
这些是这个商店的完整解决方案：
assertEquals（3，selectWatches（shop，maxWeight = 1））
assertEquals（4，selectWatches（shop，maxWeight = 2））
assertEquals（4，selectWatches（shop，maxWeight = 3））
assertEquals（5，selectWatches（shop，maxWeight = 4））
assertEquals（6，selectWatches（shop，maxWeight = 5））
如您所见，随着可用手表数量的增加，可能的选择数量变得非常非常快。这是一个经典的NP-Hard问题。
要在合理的时间内解决它，我们需要作弊并使用动态编程。我们可以使用针对每组手表的已经优化的解决方案构建地图，因此，我们可以避免每次重新计算它们。
通用算法基于基于递归的穷举搜索。这是解决它的Kotlin代码，在memoization函数和最大值的递归搜索中分开。
typealias Memoizer = MutableMap < String，Int >
有趣的 priceAddingElement（备忘录：Memoizer，shop：Set < Watch >，选择：Set < Watch >，maxWeight：Int，priceSum：Int）：Int =
商店。过滤 { ！（它 在 选择中）&& 它。重量 <= maxWeight }
。地图 {
selectWatches（
备忘录，
商店，
maxWeight - 它。重量，
选择 + 它，
priceSum + 它。价格）}
。过滤 { it > priceSum }
。max（）？：priceSum
有趣的 selectWatches（备忘录：Memoizer，shop：Set < Watch >，maxWeight：Int，choice：Set < Watch >，priceSum：Int）：Int =
memoization（memo，generateKey（choice））{
priceAddingElement（备忘录，商店，选择，maxWeight，priceSum）}
private fun memoization（memo：Memoizer，key：String，f :(）- > Int）：Int = when（val w = memo [ key ]）{
null - > f（）。还 { memo [ key ] = it }
否则 - > w
}
我真的很喜欢Kotlin如何让你清楚地表达意图，而不必重复自己。如果您不了解Kotlin，我希望这段代码可以吸引您，并在某一天尝试它。
基准
现在，您正在等待的部分，让我们比较Graal与优秀的'C2编译器'的性能。
让我们记住，Graal是用Java编写的，并且正在利用编译器领域的新研究，但它仍然相对年轻。另一方面，C2非常好地调整和成熟。
第一个惊喜是Mandelbrot的例子：
说实话，我没想到性能会有这么大的差异。Graal比C2快约18％！只是为了确定，我用稍微不同的公式再次尝试并收到了相同的结果。Graal在编写Kotlin的计算时非常精彩。
而现在，更令人惊讶的是，背包测试：
在这里，Graal慢了54％！
做一些分析，我发现我的代码大部分时间都花在了为memoization生成**的函数上。
为了确保我是正确的，我订购了套装，然后将其转换为字符串。这是很多不必要的工作，它依赖于 HashSet Java实现。
所以，我改变了方法来生成**：
private fun generateKey（choice：Set < Watch >）：String =
选择。sortedBy { “$ {it.price} - $ {it.weight}” }。toString（）
对此：
private fun generateKey（choice：Set < Watch >）：String =
选择。地图 { 它。hashCode（）}。sorted（）。joinToString（“”）
新功能更快，因为它对手表的哈希值进行排序，这些哈希值是唯一的，然后将它们连接成一个字符串。
请注意，我们不能简单地使用Set的哈希值，因为可能存在哈希冲突。我实际上尝试过并验证它开始发出错误的结果。
可以为Set创建更安全的散列方法，但这里的目标不是最大限度地优化算法，而是编写高效且清晰的Kotlin代码。
现在，让我们来看看惯用的Kotlin的结果：
在这里，Graal再次明显比C2快，总的来说，新的**生成器比以前的实现快得多。
我对这些结果的猜测是，C2经过大量优化（使用内在函数等）用于典型的Java用法，而Graal擅长编译小方法和轻量级对象，这是典型的惯用Kotlin。
我希望这篇文章能激励更多Kotlin开发人员使用Graal！快乐的编码！