我有一個與 Java 的 17 個新 Vector API 功能中的 pow() 函式有關的問題。我正在嘗試以矢量化方式實作 black scholes 公式，但我很難獲得與標量實作相同的性能
代碼如下：
- 我創建了一個雙打陣列（目前只有 5.0）
- 我回圈遍歷該陣列的元素（標量和向量的不同回圈語法）
- 我從內部的雙精度陣列創建 DoubleVectors 并進行計算（或僅計算標量）我正在嘗試做 e^(value)，我相信這就是問題所在
以下是一些代碼片段：
public static double[] createArray(int arrayLength)
{
double[] array0 = new double[arrayLength];
for(int i=0;i<arrayLength;i )
{
array0[i] = 2.0;
}
return array0;
}
@Param({"256000"})
int arraySize;
public static final VectorSpecies<Double> SPECIES = DoubleVector.SPECIES_PREFERRED;
DoubleVector vectorTwo = DoubleVector.broadcast(SPECIES,2);
DoubleVector vectorHundred = DoubleVector.broadcast(SPECIES,100);
double[] scalarTwo = new double[]{2,2,2,2};
double[] scalarHundred = new double[]{100,100,100,100};
@Setup
public void Setup()
{
javaSIMD = new JavaSIMD();
javaScalar = new JavaScalar();
spotPrices = createArray(arraySize);
timeToMaturity = createArray(arraySize);
strikePrice = createArray(arraySize);
interestRate = createArray(arraySize);
volatility = createArray(arraySize);
e = new double[arraySize];
for(int i=0;i<arraySize;i )
{
e[i] = Math.exp(1);
}
upperBound = SPECIES.loopBound(spotPrices.length);
}
@Benchmark
@BenchmarkMode(Mode.Throughput)
@OutputTimeUnit(TimeUnit.MILLISECONDS)
public void testVectorPerformance(Blackhole bh) {
var upperBound = SPECIES.loopBound(spotPrices.length);
for (var i=0;i<upperBound; i = SPECIES.length())
{
bh.consume(javaSIMD.calculateBlackScholesSingleCalc(spotPrices,timeToMaturity,strikePrice,
interestRate,volatility,e, i));
}
}
@Benchmark
@BenchmarkMode(Mode.Throughput)
@OutputTimeUnit(TimeUnit.MILLISECONDS)
public void testScalarPerformance(Blackhole bh) {
for(int i=0;i<arraySize;i )
{
bh.consume(javaScalar.calculateBlackScholesSingleCycle(spotPrices,timeToMaturity,strikePrice,
interestRate,volatility, i,normDist));
}
}
public DoubleVector calculateBlackScholesSingleCalc(double[] spotPrices, double[] timeToMaturity, double[] strikePrice,
double[] interestRate, double[] volatility, double[] e,int i){
...(skip lines)
DoubleVector vSpot = DoubleVector.fromArray(SPECIES, spotPrices, i);
...(skip lines)
DoubleVector powerOperand = vRateScaled
.mul(vTime)
.neg();
DoubleVector call = (vSpot
.mul(CDFVectorizedExcelOptimized(d1,vE)))
.sub(vStrike
.mul(vE
.pow(powerOperand))
.mul(CDFVectorizedExcelOptimized(d2,vE)));
return call;
以下是使用 WSL 在 Ryzen 5800X 上進行的一些 JMH 基準測驗（2 次分叉、2 次預熱、2 次迭代）：總體而言，與標量版本相比，它似乎慢了約 2 倍。我在沒有 JMH 的方法中分別運行了一個簡單的時間，它似乎是行內的。
Result "blackScholes.TestJavaPerf.testScalarPerformance":
0.116 ±(99.9%) 0.002 ops/ms [Average]
89873915287 cycles:u # 4.238 GHz (40.43%)
242060738532 instructions:u # 2.69 insn per cycle
Result "blackScholes.TestJavaPerf.testVectorPerformance":
0.071 ±(99.9%) 0.001 ops/ms [Average]
90878787665 cycles:u # 4.072 GHz (39.25%)
254117779312 instructions:u # 2.80 insn per cycle
我還為 JVM 啟用了診斷選項。我看到以下內容：
"-XX: UnlockDiagnosticVMOptions", "-XX: PrintIntrinsics","-XX: PrintAssembly"
0x00007fe451959413: call 0x00007fe451239f00 ; ImmutableOopMap {rsi=Oop }
;*synchronization entry
; - jdk.incubator.vector.DoubleVector::arrayAddress@-1 (line 3283)
; {runtime_call counter_overflow Runtime1 stub}
0x00007fe451959418: jmp 0x00007fe4519593ce
0x00007fe45195941a: movabs $0x7fe4519593ee,%r10 ; {internal_word}
0x00007fe451959424: mov %r10,0x358(%r15)
0x00007fe45195942b: jmp 0x00007fe451193100 ; {runtime_call SafepointBlob}
0x00007fe451959430: nop
0x00007fe451959431: nop
0x00007fe451959432: mov 0x3d0(%r15),%rax
0x00007fe451959439: movq $0x0,0x3d0(%r15)
0x00007fe451959444: movq $0x0,0x3d8(%r15)
0x00007fe45195944f: add $0x40,%rsp
0x00007fe451959453: pop %rbp
0x00007fe451959454: jmp 0x00007fe451231e80 ; {runtime_call unwind_exception Runtime1 stub}
0x00007fe451959459: hlt
<More halts cut off>
[Exception Handler]
0x00007fe451959460: call 0x00007fe451234580 ; {no_reloc}
0x00007fe451959465: movabs $0x7fe46e76df9a,%rdi ; {external_word}
0x00007fe45195946f: and $0xfffffffffffffff0,%rsp
0x00007fe451959473: call 0x00007fe46e283d40 ; {runtime_call}
0x00007fe451959478: hlt
[Deopt Handler Code]
0x00007fe451959479: movabs $0x7fe451959479,%r10 ; {section_word}
0x00007fe451959483: push %r10
0x00007fe451959485: jmp 0x00007fe4511923a0 ; {runtime_call DeoptimizationBlob}
0x00007fe45195948a: hlt
<More halts cut off>
--------------------------------------------------------------------------------
============================= C2-compiled nmethod ==============================
** svml call failed for double_pow_32
@ 3 jdk.internal.misc.Unsafe::loadFence (0 bytes) (intrinsic)
@ 3 jdk.internal.misc.Unsafe::loadFence (0 bytes) (intrinsic)
@ 2 java.lang.Math::pow (6 bytes) (intrinsic)
調查/問題：
- 我正在撰寫公式的不同實作，它不是 1:1 - 這可能是原因嗎？根據 JMH 的指令數量來看，指令數量大約有 120 億的差異。通過矢量化，處理器也以較低的時鐘速率運行。
- 輸入數字的選擇有問題嗎？我也試過 i 10/(array.Length) 。
- 我看到 double_pow_32 的 SVML 呼叫失敗是否有原因？順便說一句，對于較小的輸入陣列大小，我沒有看到這個問題
- 我將 pow 更改為 mul （對于兩者，顯然 eq 現在非常不同）但結果似乎要快得多，結果與預期的標量 vs 向量一樣
注意：我相信它使用的是 256 位寬度的向量（在除錯期間檢查）
uj5u.com熱心網友回復：
這可能與JDK-8262275 有關，對于 double64 向量不呼叫數學向量存根
對于 Double64Vector，svml 數學向量存根內化失敗，并且不會從 jit 代碼中呼叫它們。
但是我們確實有 svml double64 向量。
您可以嘗試替代操作，例如，您可以使用e x對所有車道執行替代操作，vE.pow(powerOperand)而不是作為evE的向量。powerOperand.lanewise(VectorOperators.EXP)
請記住，此 API 正在孵化器狀態下作業……
轉載請註明出處，本文鏈接：https://www.uj5u.com/qiye/513597.html