Я запускаю этот scala-код в 32-битной четырехъядерной системе Core2:
def job(i:Int,s:Int):Long = {
val r=(i to 500000000 by s).map(_.toLong).foldLeft(0L)(_+_)
println("Job "+i+" done")
r
}
import scala.actors.Future
import scala.actors.Futures._
val JOBS=4
val jobs=(0 until JOBS).toList.map(i=>future {job(i,JOBS)})
println("Running...")
val results=jobs.map(f=>f())
println(results.foldLeft(0L)(_+_))
(Да, я знаю, знаю, что много более эффективные способы суммировать серии целых чисел, это просто дать процессору что-то делать).
В зависимости от того, на что я установил JOBS, код выполняется в следующие моменты времени:
JOBS=1 : 31.99user 0.84system 0:28.87elapsed 113%CPU
JOBS=2 : 27.71user 1.12system 0:14.74elapsed 195%CPU
JOBS=3 : 33.19user 0.39system 0:13.02elapsed 257%CPU
JOBS=4 : 49.08user 8.46system 0:22.71elapsed 253%CPU
Я удивлен, что это не не очень хорошо масштабируется за 2 фьючерса "в игре". Я делаю много многопоточного кода C ++ и не сомневаюсь, что получу хорошее масштабирование до 4 ядер и увижу> 390% загрузки ЦП, если я закодирую такого рода вещи с помощью Intel TBB или boost :: threads
(это было бы значительно более многословно, конечно).
Итак: что происходит и как я могу получить масштабирование до 4 ядер? ожидаешь увидеть? Это ограничено чем-то в scala или JVM? Мне приходит в голову, что я на самом деле не знаю, «где» запускаются фьючерсы Scala ... является ли поток порожденным в будущем или «Futures» предоставляет пул потоков, предназначенный для их запуска?
[Я использую пакеты scala 2.7.7 из Debian / Squeeze в системе Lenny с sun-java6 (6-20-0lennny1).]
Обновление:
Как указано в ответе Рекса, я перекодирован, чтобы избежать создания объекта.
def job(i:Long,s:Long):Long = {
var t=0L
var v=i
while (v<=10000000000L) {
t+=v
v+=s
}
println("Job "+i+" done")
t
}
// Rest as above...
Это было намного быстрее, мне пришлось значительно увеличить количество итераций, чтобы работать в течение любого промежутка времени! Результаты:
JOBS=1: 28.39user 0.06system 0:29.25elapsed 97%CPU
JOBS=2: 28.46user 0.04system 0:14.95elapsed 190%CPU
JOBS=3: 24.66user 0.06system 0:10.26elapsed 240%CPU
JOBS=4: 28.32user 0.12system 0:07.85elapsed 362%CPU
, что гораздо больше похоже на то, что я надеюсь увидеть (хотя случай с 3 заданиями немного странный, когда одно задание последовательно выполняется за пару секунд до двух других).
Чуть дальше, на четырехъядерном гиперпоточном i7 последняя версия с JOBS = 8
достигает ускорения в 4,4 раза по сравнению с JOBS = 1, с 571% загрузкой ЦП.