जावा-परफॉरमेंस: Difference between revisions

From Vigyanwiki
(Created page with "{{Short description|Aspect of Java programming language}} {{Dablink|This article is a general presentation of the Java platform performance. For c...")
 
(Since)
Line 1: Line 1:
{{Short description|Aspect of Java programming language}}
{{Short description|Aspect of Java programming language}}
{{Dablink|This article is a general presentation of the [[Java (software platform)|Java platform]] performance. For criticisms about Java performance, and more generally about the [[Java (programming language)|Java language]], see [[Criticism of Java]].}}
{{Dablink|This article is a general presentation of the [[Java (software platform)|Java platform]] performance. For criticisms about Java performance, and more generally about the [[Java (programming language)|Java language]], see [[Criticism of Java]].}}
सॉफ्टवेयर विकास में, प्रोग्रामिंग भाषा [[जावा (प्रोग्रामिंग भाषा)]] को ऐतिहासिक रूप से [[सी (प्रोग्रामिंग भाषा)|C (प्रोग्रामिंग भाषा)]] और C++ जैसी सबसे तेज तृतीय [[प्रोग्रामिंग भाषा पीढ़ी|पीढ़ी]] [[टाइप सिस्टम]] भाषाओं की तुलना में धीमी माना जाता था।<ref>{{Cite web|url=http://www.scribblethink.org/Computer/javaCbenchmark.html|title=Java versus C++ benchmarks}}</ref> एक अलग भाषा डिजाइन होने का मुख्य कारण, जहां संकलन के बाद, जावा प्रोग्राम [[जावा वर्चुअल मशीन]] (जेवीएम) पर सीधे कंप्यूटर के [[केंद्रीय प्रोसेसर इकाई]] पर मूल कोड के रूप में चलने के बजाय सी और सी ++ प्रोग्राम करते हैं। प्रदर्शन चिंता का विषय था क्योंकि 1990 के दशक के अंत और 2000 के दशक की शुरुआत में भाषा के तेजी से लोकप्रिय होने के बाद जावा में बहुत से व्यावसायिक सॉफ्टवेयर लिखे गए हैं।
सॉफ्टवेयर विकास में, प्रोग्रामिंग भाषा [[जावा (प्रोग्रामिंग भाषा)]] को ऐतिहासिक रूप से [[सी (प्रोग्रामिंग भाषा)|C (प्रोग्रामिंग भाषा)]] और C++ जैसी सबसे तेज तृतीय [[प्रोग्रामिंग भाषा पीढ़ी|पीढ़ी]] [[टाइप सिस्टम]] भाषाओं की तुलना में धीमी माना जाता था।<ref>{{Cite web|url=http://www.scribblethink.org/Computer/javaCbenchmark.html|title=Java versus C++ benchmarks}}</ref> मुख्य कारणbएक अलग भाषा डिजाइन है, जहां संकलन के बाद, जावा प्रोग्राम [[जावा वर्चुअल मशीन]] (जेवीएम) पर सीधे कंप्यूटर के [[केंद्रीय प्रोसेसर इकाई]] पर मूल कोड के रूप में चलने के बजाय [[सी (प्रोग्रामिंग भाषा)|C]] और C++ प्रोग्राम करते हैं। प्रदर्शन प्रसंग का विषय था क्योंकि 1990 के दशक के अंत और 2000 के दशक की शुरुआत में भाषा के तेजी से लोकप्रिय होने के बाद जावा में बहुत से व्यावसायिक सॉफ्टवेयर लिखे गए हैं।


1990 के दशक के उत्तरार्ध से, [[समय-समय पर संकलन|जस्ट-इन-टाइम कंपाइलेशन]] (JIT) (1997 में Java 1.1 के लिए),<ref name="symantec.com">{{Cite web
1990 के दशक के उत्तरार्ध से, [[समय-समय पर संकलन|जस्ट-इन-टाइम कंपाइलेशन]] (JIT) (1997 में Java 1.1 के लिए),<ref name="symantec.com">{{Cite web
Line 10: Line 10:
| title=Java gets four times faster with new Symantec just-in-time compiler}}</ref> बेहतर कोड का समर्थन करने वाली भाषा सुविधाओं के परिचय के माध्यम से जावा कार्यक्रमों की निष्पादन गति में काफी सुधार हुआ। जेवीएम में विश्लेषण, और अनुकूलन (जैसे [[हॉटस्पॉट (वर्चुअल मशीन)|हॉटस्पॉट]] 2000 में [[सन माइक्रोसिस्टम्स|सन]] के जेवीएम के लिए डिफ़ॉल्ट बन गया)। Java bytecode के हार्डवेयर निष्पादन, जैसे कि ARM के [[Jazelle]] द्वारा पेश किया गया, को भी महत्वपूर्ण प्रदर्शन सुधार प्रदान करने के लिए खोजा गया था।
| title=Java gets four times faster with new Symantec just-in-time compiler}}</ref> बेहतर कोड का समर्थन करने वाली भाषा सुविधाओं के परिचय के माध्यम से जावा कार्यक्रमों की निष्पादन गति में काफी सुधार हुआ। जेवीएम में विश्लेषण, और अनुकूलन (जैसे [[हॉटस्पॉट (वर्चुअल मशीन)|हॉटस्पॉट]] 2000 में [[सन माइक्रोसिस्टम्स|सन]] के जेवीएम के लिए डिफ़ॉल्ट बन गया)। Java bytecode के हार्डवेयर निष्पादन, जैसे कि ARM के [[Jazelle]] द्वारा पेश किया गया, को भी महत्वपूर्ण प्रदर्शन सुधार प्रदान करने के लिए खोजा गया था।


[[जावा बाइटकोड]] संकलित जावा प्रोग्राम का प्रदर्शन इस बात पर निर्भर करता है कि इसके दिए गए कार्यों को होस्ट जावा वर्चुअल मशीन (जेवीएम) द्वारा कैसे प्रबंधित किया जाता है, और ऐसा करने में जेवीएम [[कंप्यूटर हार्डवेयर]] और [[ऑपरेटिंग सिस्टम]] (ओएस) की सुविधाओं का कितना अच्छा उपयोग करता है। इस प्रकार, किसी भी जावा प्रदर्शन परीक्षण या तुलना में हमेशा प्रयुक्त जेवीएम के संस्करण, विक्रेता, ओएस और हार्डवेयर आर्किटेक्चर की रिपोर्ट करनी होती है। इसी तरह, समतुल्य मूल रूप से संकलित कार्यक्रम का प्रदर्शन उसके उत्पन्न मशीन कोड की गुणवत्ता पर निर्भर करेगा, इसलिए परीक्षण या तुलना में उपयोग किए गए संकलक के नाम, संस्करण और विक्रेता और उसके सक्रिय [[संकलक अनुकूलन]] निर्देशों की भी रिपोर्ट करनी होगी। ..
[[जावा बाइटकोड]] संकलित जावा प्रोग्राम का प्रदर्शन इस बात पर निर्भर करता है कि इसके दिए गए कार्यों को होस्ट जावा वर्चुअल मशीन (जेवीएम) द्वारा कैसे प्रबंधित किया जाता है, और ऐसा करने में जेवीएम [[कंप्यूटर हार्डवेयर]] और [[ऑपरेटिंग सिस्टम]] (ओएस) की सुविधाओं का कितना अच्छा उपयोग करता है। इस प्रकार, किसी भी जावा प्रदर्शन परीक्षण या तुलना में हमेशा प्रयुक्त जेवीएम के संस्करण, विक्रेता, ओएस और हार्डवेयर आर्किटेक्चर की रिपोर्ट करनी होती है। इसी तरह, समतुल्य मूल रूप से संकलित कार्यक्रम का प्रदर्शन उसके उत्पन्न मशीन कोड की गुणवत्ता पर निर्भर करेगा, इसलिए परीक्षण या तुलना में उपयोग किए गए संकलक के नाम, संस्करण और विक्रेता और उसके सक्रिय [[संकलक अनुकूलन]] निर्देशों की भी रिपोर्ट करनी होगी। ..                        


== आभासी मशीन अनुकूलन के तरीके ==
== आभासी मशीन अनुकूलन के तरीके ==
Line 210: Line 210:
</ref>
</ref>
== अन्य भाषाओं की तुलना ==
== अन्य भाषाओं की तुलना ==
एक जावा प्रोग्राम के प्रदर्शन की वस्तुनिष्ठ तुलना और एक अन्य भाषा में लिखे गए समकक्ष जैसे कि सी ++ को सावधानीपूर्वक और सोच-समझकर निर्मित बेंचमार्क की आवश्यकता होती है जो समान कार्यों को पूरा करने वाले कार्यक्रमों की तुलना करता है। जावा के [[बाईटकोड]] कंपाइलर का लक्ष्य प्लेटफॉर्म [[जावा मंच|जावा प्लेटफॉर्म]] है, और बायटेकोड को या तो जेवीएम द्वारा मशीन कोड में व्याख्या या संकलित किया जाता है। अन्य संकलक लगभग हमेशा एक विशिष्ट हार्डवेयर और सॉफ्टवेयर प्लेटफॉर्म को लक्षित करते हैं, मशीन कोड का उत्पादन करते हैं जो निष्पादन के दौरान वस्तुतः अपरिवर्तित रहेगा{{citation needed|reason=What are the real world, non-theoretical implications of this?|date=May 2016}}। इन दो अलग-अलग दृष्टिकोणों से बहुत भिन्न और कठिन-से-तुलना वाले परिदृश्य उत्पन्न होते हैं: स्थिर बनाम [[गतिशील संकलन]] और पुनर्संकलन, रनटाइम वातावरण और अन्य के बारे में सटीक जानकारी की उपलब्धता।
एक जावा प्रोग्राम के प्रदर्शन की वस्तुनिष्ठ तुलना और एक अन्य भाषा में लिखे गए समकक्ष जैसे कि C++ को सावधानीपूर्वक और सोच-समझकर निर्मित बेंचमार्क की आवश्यकता होती है जो समान कार्यों को पूरा करने वाले कार्यक्रमों की तुलना करता है। जावा के [[बाईटकोड]] कंपाइलर का लक्ष्य प्लेटफॉर्म [[जावा मंच|जावा प्लेटफॉर्म]] है, और बायटेकोड को या तो जेवीएम द्वारा मशीन कोड में व्याख्या या संकलित किया जाता है। अन्य संकलक लगभग हमेशा एक विशिष्ट हार्डवेयर और सॉफ्टवेयर प्लेटफॉर्म को लक्षित करते हैं, मशीन कोड का उत्पादन करते हैं जो निष्पादन के दौरान वस्तुतः अपरिवर्तित रहेगा{{citation needed|reason=What are the real world, non-theoretical implications of this?|date=May 2016}}। इन दो अलग-अलग दृष्टिकोणों से बहुत भिन्न और कठिन-से-तुलना वाले परिदृश्य उत्पन्न होते हैं: स्थिर बनाम [[गतिशील संकलन]] और पुनर्संकलन, रनटाइम वातावरण और अन्य के बारे में सटीक जानकारी की उपलब्धता।


जावा वर्चुअल मशीन द्वारा जावा को अक्सर रनटाइम पर समय-समय पर संकलित किया जाता है, लेकिन सी ++ के रूप में भी [[समय से पहले संकलन|समय-समय पर संकलित]] किया जा सकता है। जब सही समय पर संकलित किया जाता है, द [[कंप्यूटर भाषा बेंचमार्क गेम]] के माइक्रो-बेंचमार्क इसके प्रदर्शन के बारे में निम्नलिखित संकेत देते हैं:<ref>
जावा वर्चुअल मशीन द्वारा जावा को अक्सर रनटाइम पर समय-समय पर संकलित किया जाता है, लेकिन C++ के रूप में भी [[समय से पहले संकलन|समय-समय पर संकलित]] किया जा सकता है। जब सही समय पर संकलित किया जाता है, द [[कंप्यूटर भाषा बेंचमार्क गेम]] के माइक्रो-बेंचमार्क इसके प्रदर्शन के बारे में निम्नलिखित संकेत देते हैं:<ref>
{{Cite web
{{Cite web
| url=http://benchmarksgame.alioth.debian.org/u32q/which-programs-are-fastest.html
| url=http://benchmarksgame.alioth.debian.org/u32q/which-programs-are-fastest.html
Line 255: Line 255:
बेंचमार्क अक्सर छोटे संख्यात्मक रूप से गहन कार्यक्रमों के प्रदर्शन को मापते हैं। कुछ दुर्लभ वास्तविक जीवन के कार्यक्रमों में, जावा सी से बेहतर प्रदर्शन करता है। एक उदाहरण जेक2 (मूल [[जीपीएल]] सी कोड का अनुवाद करके जावा में लिखा गया क्वेक II का एक क्लोन) का बेंचमार्क है। जावा 5.0 संस्करण अपने सी समकक्ष की तुलना में कुछ हार्डवेयर विन्यासों में बेहतर प्रदर्शन करता है।<ref>:260/250 [[Frame rate|frame/s]] versus 245 frame/s (see [http://www.bytonic.de/html/benchmarks.html benchmark])</ref> हालांकि यह निर्दिष्ट नहीं किया गया है कि डेटा को कैसे मापा गया था (उदाहरण के लिए यदि 1997 में संकलित मूल क्वेक II निष्पादन योग्य का उपयोग किया गया था, जिसे खराब माना जा सकता है क्योंकि वर्तमान सी कंपाइलर क्वेक के लिए बेहतर अनुकूलन प्राप्त कर सकते हैं), यह नोट करता है कि कैसे समान जावा स्रोत कोड केवल वीएम को अपडेट करने से गति में भारी वृद्धि हो सकती है, जो 100% स्थिर दृष्टिकोण के साथ हासिल करना असंभव है।
बेंचमार्क अक्सर छोटे संख्यात्मक रूप से गहन कार्यक्रमों के प्रदर्शन को मापते हैं। कुछ दुर्लभ वास्तविक जीवन के कार्यक्रमों में, जावा सी से बेहतर प्रदर्शन करता है। एक उदाहरण जेक2 (मूल [[जीपीएल]] सी कोड का अनुवाद करके जावा में लिखा गया क्वेक II का एक क्लोन) का बेंचमार्क है। जावा 5.0 संस्करण अपने सी समकक्ष की तुलना में कुछ हार्डवेयर विन्यासों में बेहतर प्रदर्शन करता है।<ref>:260/250 [[Frame rate|frame/s]] versus 245 frame/s (see [http://www.bytonic.de/html/benchmarks.html benchmark])</ref> हालांकि यह निर्दिष्ट नहीं किया गया है कि डेटा को कैसे मापा गया था (उदाहरण के लिए यदि 1997 में संकलित मूल क्वेक II निष्पादन योग्य का उपयोग किया गया था, जिसे खराब माना जा सकता है क्योंकि वर्तमान सी कंपाइलर क्वेक के लिए बेहतर अनुकूलन प्राप्त कर सकते हैं), यह नोट करता है कि कैसे समान जावा स्रोत कोड केवल वीएम को अपडेट करने से गति में भारी वृद्धि हो सकती है, जो 100% स्थिर दृष्टिकोण के साथ हासिल करना असंभव है।


अन्य कार्यक्रमों के लिए, सी ++ समकक्ष जावा समकक्ष से काफी तेजी से चला सकता है, और आमतौर पर करता है। 2011 में Google द्वारा किए गए एक बेंचमार्क ने C++ और Java के बीच एक कारक 10 दिखाया।<ref>{{Cite journal |last1=Hundt |first1=Robert |title=Loop Recognition in C++/Java/Go/Scala |journal=Scala Days 2011 |location=Stanford, California |access-date=March 23, 2014 |url=https://days2011.scala-lang.org/sites/days2011/files/ws3-1-Hundt.pdf}}</ref> दूसरे चरम पर, एक 3डी मॉडलिंग एल्गोरिदम के साथ 2012 में किए गए एक अकादमिक बेंचमार्क ने [[जावा 6]] जेवीएम को विंडोज के तहत सी ++ की तुलना में 1.09 से 1.91 गुना धीमा दिखाया।<ref>{{cite web
अन्य कार्यक्रमों के लिए, C++ समकक्ष जावा समकक्ष से काफी तेजी से चला सकता है, और आमतौर पर करता है। 2011 में Google द्वारा किए गए एक बेंचमार्क ने C++ और Java के बीच एक कारक 10 दिखाया।<ref>{{Cite journal |last1=Hundt |first1=Robert |title=Loop Recognition in C++/Java/Go/Scala |journal=Scala Days 2011 |location=Stanford, California |access-date=March 23, 2014 |url=https://days2011.scala-lang.org/sites/days2011/files/ws3-1-Hundt.pdf}}</ref> दूसरे चरम पर, एक 3डी मॉडलिंग एल्गोरिदम के साथ 2012 में किए गए एक अकादमिक बेंचमार्क ने [[जावा 6]] जेवीएम को विंडोज के तहत C++ की तुलना में 1.09 से 1.91 गुना धीमा दिखाया।<ref>{{cite web
| url= http://www.best-of-robotics.org/pages/publications/gherardi12java.pdf
| url= http://www.best-of-robotics.org/pages/publications/gherardi12java.pdf
| title=A Java vs. C++ performance evaluation: a 3D modeling benchmark
| title=A Java vs. C++ performance evaluation: a 3D modeling benchmark
Line 266: Line 266:
*सी-स्टाइल पॉइंटर का उपयोग पॉइंटर्स का समर्थन करने वाली भाषाओं में अनुकूलन में बाधा डाल सकता है,
*सी-स्टाइल पॉइंटर का उपयोग पॉइंटर्स का समर्थन करने वाली भाषाओं में अनुकूलन में बाधा डाल सकता है,
*एस्केप एनालिसिस मेथड्स का उपयोग C++ में सीमित है, उदाहरण के लिए, क्योंकि एक C++ कंपाइलर हमेशा यह नहीं जानता है कि पॉइंटर्स के कारण कोड के दिए गए ब्लॉक में ऑब्जेक्ट को संशोधित किया जाएगा या नहीं,<ref group="note">Contention of this nature can be alleviated in C++ programs at the source code level by employing advanced methods such as custom [[Allocator (C++)|allocators]], exploiting precisely the kind of low-level coding complexity that Java was designed to conceal and encapsulate; however, this approach is rarely practical if not adopted (or at least anticipated) while the program remains under primary development.</ref>
*एस्केप एनालिसिस मेथड्स का उपयोग C++ में सीमित है, उदाहरण के लिए, क्योंकि एक C++ कंपाइलर हमेशा यह नहीं जानता है कि पॉइंटर्स के कारण कोड के दिए गए ब्लॉक में ऑब्जेक्ट को संशोधित किया जाएगा या नहीं,<ref group="note">Contention of this nature can be alleviated in C++ programs at the source code level by employing advanced methods such as custom [[Allocator (C++)|allocators]], exploiting precisely the kind of low-level coding complexity that Java was designed to conceal and encapsulate; however, this approach is rarely practical if not adopted (or at least anticipated) while the program remains under primary development.</ref>
*C++ के अतिरिक्त वर्चुअल-टेबल लुक-अप के कारण जावा व्युत्पन्न उदाहरण विधियों तक तेजी से पहुंच सकता है। हालांकि, सी ++ में गैर-आभासी विधियां वी-टेबल प्रदर्शन बाधाओं से पीड़ित नहीं होती हैं, और इस प्रकार जावा के समान प्रदर्शन प्रदर्शित करती हैं।
*C++ के अतिरिक्त वर्चुअल-टेबल लुक-अप के कारण जावा व्युत्पन्न उदाहरण विधियों तक तेजी से पहुंच सकता है। हालांकि, C++ में गैर-आभासी विधियां वी-टेबल प्रदर्शन बाधाओं से पीड़ित नहीं होती हैं, और इस प्रकार जावा के समान प्रदर्शन प्रदर्शित करती हैं।


जेवीएम प्रोसेसर विशिष्ट अनुकूलन या [[इनलाइन विस्तार]] करने में भी सक्षम है। और, पहले से संकलित या इनलाइन किए गए कोड को डी-ऑप्टिमाइज करने की क्षमता कभी-कभी बाहरी पुस्तकालय कार्यों में शामिल होने पर स्थिर रूप से टाइप की गई भाषाओं द्वारा किए गए अनुकूलन की तुलना में अधिक आक्रामक अनुकूलन करने की अनुमति देती है।<ref>{{Cite web
जेवीएम प्रोसेसर विशिष्ट अनुकूलन या [[इनलाइन विस्तार]] करने में भी सक्षम है। और, पहले से संकलित या इनलाइन किए गए कोड को डी-ऑप्टिमाइज करने की क्षमता कभी-कभी बाहरी पुस्तकालय कार्यों में शामिल होने पर स्थिर रूप से टाइप की गई भाषाओं द्वारा किए गए अनुकूलन की तुलना में अधिक आक्रामक अनुकूलन करने की अनुमति देती है।<ref>{{Cite web
Line 280: Line 280:
| access-date=June 11, 2011}}</ref>
| access-date=June 11, 2011}}</ref>


जावा और सी ++ के बीच [[बेंचमार्क (कंप्यूटिंग)|माइक्रोबेंचमार्क)]] के परिणाम अत्यधिक निर्भर करते हैं कि किस संचालन की तुलना की जाती है। उदाहरण के लिए, जावा 5.0 के साथ तुलना करते समय:
जावा और C++ के बीच [[बेंचमार्क (कंप्यूटिंग)|माइक्रोबेंचमार्क)]] के परिणाम अत्यधिक निर्भर करते हैं कि किस संचालन की तुलना की जाती है। उदाहरण के लिए, जावा 5.0 के साथ तुलना करते समय:
*32 और 64 बिट अंकगणितीय संचालन,<ref>{{Cite web
*32 और 64 बिट अंकगणितीय संचालन,<ref>{{Cite web
| url=http://www.ddj.com/java/184401976?pgno=2
| url=http://www.ddj.com/java/184401976?pgno=2
Line 357: Line 357:
*जावा बाइनरी और देशी पुनर्संकलन दोनों आमतौर पर स्मृति में होंगे।
*जावा बाइनरी और देशी पुनर्संकलन दोनों आमतौर पर स्मृति में होंगे।
*वर्चुअल मशीन पर्याप्त मेमोरी का उपयोग करती है।
*वर्चुअल मशीन पर्याप्त मेमोरी का उपयोग करती है।
*जावा में, एक समग्र वस्तु (कक्षा ए जो बी और सी के उदाहरणों का उपयोग करती है) बी और सी के आवंटित उदाहरणों के संदर्भों का उपयोग करके बनाई गई है। सी ++ में इस प्रकार के संदर्भों की स्मृति और प्रदर्शन लागत से बचा जा सकता है जब बी और सी का उदाहरण /या C, A के भीतर मौजूद है।
*जावा में, एक समग्र वस्तु (कक्षा ए जो बी और सी के उदाहरणों का उपयोग करती है) बी और सी के आवंटित उदाहरणों के संदर्भों का उपयोग करके बनाई गई है। C++ में इस प्रकार के संदर्भों की स्मृति और प्रदर्शन लागत से बचा जा सकता है जब बी और सी का उदाहरण /या C, A के भीतर मौजूद है।


ज्यादातर मामलों में जावा की वर्चुअल मशीन, क्लास लोडिंग और स्वचालित मेमोरी रीसाइजिंग के बड़े ओवरहेड के कारण सी ++ एप्लिकेशन समकक्ष जावा एप्लिकेशन की तुलना में कम मेमोरी का उपभोग करेगा। उन कार्यक्रमों के लिए जिनमें भाषाओं और रनटाइम परिवेशों के बीच चयन करने के लिए मेमोरी एक महत्वपूर्ण कारक है, एक लागत/लाभ विश्लेषण की आवश्यकता है।
ज्यादातर मामलों में जावा की वर्चुअल मशीन, क्लास लोडिंग और स्वचालित मेमोरी रीसाइजिंग के बड़े ओवरहेड के कारण C++ एप्लिकेशन समकक्ष जावा एप्लिकेशन की तुलना में कम मेमोरी का उपभोग करेगा। उन कार्यक्रमों के लिए जिनमें भाषाओं और रनटाइम परिवेशों के बीच चयन करने के लिए मेमोरी एक महत्वपूर्ण कारक है, एक लागत/लाभ विश्लेषण की आवश्यकता है।


=== त्रिकोणमितीय फलन ===
=== त्रिकोणमितीय फलन ===

Revision as of 15:18, 6 June 2023

This article is a general presentation of the Java platform performance. For criticisms about Java performance, and more generally about the Java language, see Criticism of Java.

सॉफ्टवेयर विकास में, प्रोग्रामिंग भाषा जावा (प्रोग्रामिंग भाषा) को ऐतिहासिक रूप से C (प्रोग्रामिंग भाषा) और C++ जैसी सबसे तेज तृतीय पीढ़ी टाइप सिस्टम भाषाओं की तुलना में धीमी माना जाता था।[1] मुख्य कारणbएक अलग भाषा डिजाइन है, जहां संकलन के बाद, जावा प्रोग्राम जावा वर्चुअल मशीन (जेवीएम) पर सीधे कंप्यूटर के केंद्रीय प्रोसेसर इकाई पर मूल कोड के रूप में चलने के बजाय C और C++ प्रोग्राम करते हैं। प्रदर्शन प्रसंग का विषय था क्योंकि 1990 के दशक के अंत और 2000 के दशक की शुरुआत में भाषा के तेजी से लोकप्रिय होने के बाद जावा में बहुत से व्यावसायिक सॉफ्टवेयर लिखे गए हैं।

1990 के दशक के उत्तरार्ध से, जस्ट-इन-टाइम कंपाइलेशन (JIT) (1997 में Java 1.1 के लिए),[2][3][4] बेहतर कोड का समर्थन करने वाली भाषा सुविधाओं के परिचय के माध्यम से जावा कार्यक्रमों की निष्पादन गति में काफी सुधार हुआ। जेवीएम में विश्लेषण, और अनुकूलन (जैसे हॉटस्पॉट 2000 में सन के जेवीएम के लिए डिफ़ॉल्ट बन गया)। Java bytecode के हार्डवेयर निष्पादन, जैसे कि ARM के Jazelle द्वारा पेश किया गया, को भी महत्वपूर्ण प्रदर्शन सुधार प्रदान करने के लिए खोजा गया था।

जावा बाइटकोड संकलित जावा प्रोग्राम का प्रदर्शन इस बात पर निर्भर करता है कि इसके दिए गए कार्यों को होस्ट जावा वर्चुअल मशीन (जेवीएम) द्वारा कैसे प्रबंधित किया जाता है, और ऐसा करने में जेवीएम कंप्यूटर हार्डवेयर और ऑपरेटिंग सिस्टम (ओएस) की सुविधाओं का कितना अच्छा उपयोग करता है। इस प्रकार, किसी भी जावा प्रदर्शन परीक्षण या तुलना में हमेशा प्रयुक्त जेवीएम के संस्करण, विक्रेता, ओएस और हार्डवेयर आर्किटेक्चर की रिपोर्ट करनी होती है। इसी तरह, समतुल्य मूल रूप से संकलित कार्यक्रम का प्रदर्शन उसके उत्पन्न मशीन कोड की गुणवत्ता पर निर्भर करेगा, इसलिए परीक्षण या तुलना में उपयोग किए गए संकलक के नाम, संस्करण और विक्रेता और उसके सक्रिय संकलक अनुकूलन निर्देशों की भी रिपोर्ट करनी होगी। ..

आभासी मशीन अनुकूलन के तरीके

कई ऑप्टिमाइज़ेशन ने समय के साथ जेवीएम के प्रदर्शन में सुधार किया है। हालाँकि, हालाँकि जावा अक्सर उन्हें सफलतापूर्वक लागू करने वाली पहली आभासी मशीन थी, फिर भी उनका उपयोग अक्सर अन्य समान प्लेटफार्मों में भी किया जाता है।

जस्ट-इन-टाइम संकलन

Further information: Just-in-time compilation and HotSpot (virtual machine)

शुरुआती जेवीएम ने हमेशा जावा बाइटकोड की व्याख्या की। औसत अनुप्रयोगों में जावा बनाम सी के लिए कारक 10 और 20 के बीच इसका एक बड़ा प्रदर्शन दंड था।[5] [5] इससे निपटने के लिए, जावा 1.1 में जस्ट-इन-टाइम (JIT) कंपाइलर पेश किया गया था। संकलन की उच्च लागत के कारण, हॉटस्पॉट नामक एक अतिरिक्त प्रणाली को जावा 1.2 में पेश किया गया था और इसे जावा 1.3 में डिफ़ॉल्ट बना दिया गया था। इस ढांचे का उपयोग करते हुए, जावा वर्चुअल मशीन लगातार या बार-बार निष्पादित होने वाले हॉट स्पॉट के लिए प्रोग्राम के प्रदर्शन का विश्लेषण करती है। फिर इन्हें अनुकूलन के लिए लक्षित किया जाता है, जिससे कम प्रदर्शन-महत्वपूर्ण कोड के लिए न्यूनतम ओवरहेड के साथ उच्च प्रदर्शन निष्पादन होता है।[6][7] कुछ बेंचमार्क इस माध्यम से 10 गुना गति प्राप्त करते हैं।[8] हालांकि, समय की कमी के कारण, कंपाइलर प्रोग्राम को पूरी तरह से अनुकूलित नहीं कर सकता है, और इस प्रकार परिणामी प्रोग्राम देशी कोड विकल्पों की तुलना में धीमा होता है।[9][10]

अनुकूली अनुकूलन

Further information: Adaptive optimization

अनुकूली अनुकूलन कंप्यूटर विज्ञान में एक विधि है जो वर्तमान निष्पादन प्रोफ़ाइल के आधार पर प्रोग्राम के कुछ हिस्सों का गतिशील पुनर्संकलन करता है। एक सरल कार्यान्वयन के साथ, एक अनुकूली अनुकूलक केवल समय-समय पर संकलन और निर्देशों की व्याख्या के बीच व्यापार-बंद कर सकता है। दूसरे स्तर पर, अनुकूली अनुकूलन शाखाओं को अनुकूलित करने और इनलाइन विस्तार का उपयोग करने के लिए स्थानीय डेटा स्थितियों का फायदा उठा सकता है।

हॉटस्पॉट जैसी जावा वर्चुअल मशीन भी पूर्व में JITed कोड को अनुकूलित कर सकती है। यह आक्रामक (और संभावित रूप से असुरक्षित) अनुकूलन करने की अनुमति देता है, जबकि बाद में कोड को अनुकूलित करने और सुरक्षित पथ पर वापस जाने में सक्षम होने के बावजूद।[11][12]

कचरा संग्रह

Further information: Garbage collection (computer science)

1.0 और 1.1 जावा वर्चुअल मशीन (जेवीएम) ने एक मार्क-स्वीप कलेक्टर का इस्तेमाल किया, जो कचरा संग्रह के बाद ढेर को खंडित कर सकता था। जावा 1.2 से शुरू होकर, जेवीएम एक पीढ़ीगत संग्राहक में बदल गया, जिसका बेहतर डीफ़्रेग्मेंटेशन व्यवहार है।[13] आधुनिक जेवीएम विभिन्न प्रकार के तरीकों का उपयोग करते हैं जिन्होंने कचरा संग्रह (कंप्यूटर विज्ञान प्रदर्शन में और सुधार किया है। [14]

अन्य अनुकूलन विधियां

संकुचित उफ़

कंप्रेस्ड ऊप्स जावा 5.0+ को 32-बिट संदर्भों के साथ 32 जीबी तक के हीप को संबोधित करने की अनुमति देता है। जावा अलग-अलग बाइट्स तक पहुंच का समर्थन नहीं करता है, केवल ऑब्जेक्ट्स जो डिफ़ॉल्ट रूप से 8-बाइट संरेखित हैं। इस वजह से, ढेर संदर्भ के सबसे कम 3 बिट्स हमेशा 0 होंगे। 32-बिट संदर्भों के 8 बाइट ब्लॉकों के संकल्प को कम करके, पता योग्य स्थान को 32 जीबी तक बढ़ाया जा सकता है। यह 64-बिट संदर्भों का उपयोग करने की तुलना में स्मृति उपयोग को महत्वपूर्ण रूप से कम करता है क्योंकि जावा C++ जैसी कुछ भाषाओं की तुलना में संदर्भों का अधिक उपयोग करता है। Java 8 32-बिट संदर्भों के साथ 64 GB तक समर्थन करने के लिए 16-बाइट संरेखण जैसे बड़े संरेखण का समर्थन करता है।[citation needed]

स्प्लिट बाइटकोड सत्यापन

एक कक्षा (कंप्यूटर विज्ञान) को निष्पादित करने से पहले, सन जेवीएम अपने जावा बाइटकोड को सत्यापित करता है (बायटेकोड सत्यापनकर्ता देखें)। यह सत्यापन आलस्य से किया जाता है: कक्षाओं के बायटेकोड केवल तभी लोड और सत्यापित होते हैं जब विशिष्ट वर्ग को लोड किया जाता है और उपयोग के लिए तैयार किया जाता है, न कि कार्यक्रम की शुरुआत में। हालाँकि, जावा क्लास लाइब्रेरी भी नियमित जावा क्लास हैं, जब उनका उपयोग किया जाता है, तो उन्हें भी लोड किया जाना चाहिए, जिसका अर्थ है कि जावा प्रोग्राम का स्टार्ट-अप समय अक्सर C ++ प्रोग्राम की तुलना में लंबा होता है, उदाहरण के लिए।

स्प्लिट-टाइम वेरिफिकेशन नाम की एक विधि, जिसे पहली बार जावा प्लेटफॉर्म, माइक्रो एडिशन (J2ME) में पेश किया गया था, जावा संस्करण 6 के बाद से जावा संस्करण इतिहास में उपयोग किया जाता है। यह जावा बाइटकोड के सत्यापन को दो चरणों में विभाजित करता है:[15]

  • डिज़ाइन-टाइम - स्रोत से बायटेकोड तक एक वर्ग को संकलित करते समय
  • रनटाइम - कक्षा लोड करते समय।

व्यवहार में यह विधि ज्ञान को कैप्चर करके काम करती है कि जावा कंपाइलर में क्लास फ्लो है और संकलित विधि बायटेकोड को क्लास फ्लो जानकारी के सारांश के साथ एनोटेट करता है। यह रनटाइम सत्यापन को काफी कम जटिल नहीं बनाता है, लेकिन कुछ शॉर्टकट की अनुमति देता है।[citation needed]

एस्केप एनालिसिस और लॉक कोर्सनिंग

Further information: Lock (computer science) and Escape analysis

जावा भाषा स्तर पर मल्टीथ्रेडिंग का प्रबंधन करने में सक्षम है। मल्टीथ्रेडिंग एक विधि है जो प्रोग्राम को कई प्रक्रियाओं को समवर्ती रूप से करने की अनुमति देती है, इस प्रकार कंप्यूटर सिस्टम पर कई प्रोसेसर या कोर के साथ तेजी से प्रोग्राम तैयार करती है। इसके अलावा, एक मल्टीथ्रेडेड एप्लिकेशन लंबे समय तक चलने वाले कार्यों को करते हुए भी इनपुट के प्रति उत्तरदायी रह सकता है।

हालाँकि, प्रोग्राम जो मल्टीथ्रेडिंग का उपयोग करते हैं, उन्हें थ्रेड्स के बीच साझा की गई वस्तुओं की अतिरिक्त देखभाल करने की आवश्यकता होती है, जब वे किसी एक थ्रेड द्वारा उपयोग किए जाने पर साझा विधियों या ब्लॉक तक पहुँच को लॉक कर देते हैं। अंतर्निहित ऑपरेटिंग सिस्टम-स्तरीय ऑपरेशन की प्रकृति के कारण ब्लॉक या ऑब्जेक्ट को लॉक करना एक समय लेने वाला ऑपरेशन है (संगामिति नियंत्रण और लॉक ग्रैन्युलैरिटी देखें)।

जैसा कि जावा लाइब्रेरी को यह नहीं पता है कि एक से अधिक थ्रेड्स द्वारा कौन सी विधियों का उपयोग किया जाएगा, मानक लाइब्रेरी हमेशा मल्टीथ्रेडेड वातावरण में जरूरत पड़ने पर ब्लॉक को लॉक कर देती है।

जावा 6 से पहले, वर्चुअल मशीन हमेशा प्रोग्राम द्वारा पूछे जाने पर ऑब्जेक्ट्स और ब्लॉक को लॉक कर देती थी, भले ही किसी ऑब्जेक्ट को एक साथ दो अलग-अलग थ्रेड्स द्वारा संशोधित किए जाने का कोई जोखिम न हो। उदाहरण के लिए, इस मामले में, प्रत्येक ऐड ऑपरेशंस से पहले एक स्थानीय vector लॉक किया गया था ताकि यह सुनिश्चित किया जा सके कि इसे अन्य थ्रेड्स द्वारा संशोधित नहीं किया जाएगा (वेक्टर सिंक्रनाइज़ है), लेकिन क्योंकि यह विधि के लिए सख्ती से स्थानीय है, यह अनावश्यक है:

public String getNames() {

Vector<String> v = new Vector<>();

v.add("Me");

v.add("You");

v.add("Her");

return v.toString();

}

जावा 6 से शुरू होकर, कोड ब्लॉक और ऑब्जेक्ट केवल जरूरत पड़ने पर ही लॉक होते हैं,[16] इसलिए उपरोक्त मामले में, वर्चुअल मशीन वेक्टर ऑब्जेक्ट को बिल्कुल भी लॉक नहीं करेगी।

संस्करण 6u23 के बाद से, जावा में पलायन विश्लेषण के लिए समर्थन शामिल है।[17]

आवंटन सुधार दर्ज करें

जावा 6 से पहले, क्लाइंट वर्चुअल मशीन में रजिस्टरों का आवंटन बहुत ही आदिम था (वे ब्लॉक में नहीं रहते थे), जो कि सीपीयू डिजाइनों में एक समस्या थी, जिसमें कम प्रोसेसर रजिस्टर उपलब्ध थे, जैसा कि x86s में था। यदि किसी ऑपरेशन के लिए अधिक रजिस्टर उपलब्ध नहीं हैं, तो कंपाइलर को रजिस्टर से मेमोरी (या मेमोरी टू रजिस्टर) में कॉपी करना होगा, जिसमें समय लगता है (रजिस्टर एक्सेस करने के लिए काफी तेज हैं)। हालाँकि, सर्वर वर्चुअल मशीन ने कलर-ग्राफ़ एलोकेटर का उपयोग किया और यह समस्या नहीं हुई।

Sun के JDK 6 में रजिस्टर आवंटन का एक अनुकूलन पेश किया गया था;[18] तब मेमोरी तक पहुंच को कम करते हुए ब्लॉक (जब लागू हो) में समान रजिस्टरों का उपयोग करना संभव था। इसके कारण कुछ बेंचमार्क में लगभग 60% का प्रदर्शन लाभ हुआ।[19]

क्लास डेटा शेयरिंग

क्लास डेटा शेयरिंग (सन द्वारा सीडीएस कहा जाता है) एक तंत्र है जो जावा अनुप्रयोगों के लिए स्टार्टअप समय को कम करता है, और मेमोरी फुटप्रिंट को भी कम करता है। जब जावा क्रम पर्यावरण स्थापित होता है, तो इंस्टॉलर सिस्टम JAR फ़ाइल से कक्षाओं का एक सेट लोड करता है (JAR फ़ाइल जिसमें सभी जावा क्लास लाइब्रेरी होती है, जिसे rt.jar कहा जाता है) एक निजी आंतरिक प्रतिनिधित्व में, और उस प्रतिनिधित्व को फ़ाइल में डंप करता है, जिसे a कहा जाता है। "साझा संग्रह"। बाद के जेवीएम इनवोकेशन के दौरान, यह साझा संग्रह मेमोरी-मैप्ड है, उन वर्गों को लोड करने की लागत को बचाता है और इन कक्षाओं के लिए जेवीएम के मेटाडेटा को कई जेवीएम प्रक्रियाओं के बीच साझा करने की अनुमति देता है।[20]

छोटे कार्यक्रमों के लिए स्टार्ट-अप समय में संबंधित सुधार अधिक स्पष्ट है।[21]

प्रदर्शन में सुधार का इतिहास

Further information: Java version history

यहां सूचीबद्ध सुधारों के अलावा, जावा के प्रत्येक रिलीज ने जेवीएम और जावा एप्लिकेशन प्रोग्रामिंग इंटरफेस (एपीआई) में कई प्रदर्शन सुधार पेश किए।

JDK 1.1.6: पहला जस्ट-इन-टाइम संकलन (NortonLifeLock's JIT-compiler)[2][22]

J2SE 1.2: कचरा संग्रहण (कंप्यूटर विज्ञान) #जनरेशनल जीसी (उर्फ एपेमेरल जीसी) का उपयोग।

J2SE 1.3: #जस्ट-इन-टाइम कंपाइलिंग|हॉटस्पॉट (वर्चुअल मशीन) द्वारा जस्ट-इन-टाइम कंपाइलिंग।

J2SE 1.4: यहां देखें, 1.3 और 1.4 संस्करणों के बीच प्रदर्शन सुधारों के सन ओवरव्यू के लिए।

जावा एसई 5.0: क्लास डेटा शेयरिंग[23]

जावा एसई 6

  • विभाजित बायटेकोड सत्यापन
  • एस्केप एनालिसिस और लॉक कोर्सनिंग
  • आवंटन में सुधार दर्ज करें

अन्य सुधार:

  • जावा ओपनजीएल जावा 2डी पाइपलाइन गति में सुधार[24]
  • Java 2D प्रदर्शन में भी Java 6 में काफी सुधार हुआ है[25]

'जावा 5 और जावा 6 के बीच प्रदर्शन में सुधार का सन ओवरव्यू' भी देखें।[26]

जावा एसई 6 अपडेट 10

  • जावा क्विक स्टार्टर डिस्क कैश पर ओएस स्टार्टअप पर जेआरई डेटा के हिस्से को प्रीलोड करके एप्लिकेशन स्टार्ट-अप समय को कम करता है।[27]
  • जेआरई स्थापित नहीं होने पर वेब से एक्सेस किए गए एप्लिकेशन को निष्पादित करने के लिए आवश्यक प्लेटफॉर्म के हिस्से अब पहले डाउनलोड किए जाते हैं। पूर्ण जेआरई 12 एमबी है, एक सामान्य स्विंग एप्लिकेशन को शुरू करने के लिए केवल 4 एमबी डाउनलोड करने की आवश्यकता है। इसके बाद बाकी हिस्सों को बैकग्राउंड में डाउनलोड किया जाता है।[28]
  • डिफ़ॉल्ट रूप से का व्यापक रूप से उपयोग करके पर ग्राफ़िक्स प्रदर्शन में सुधार हुआ है, और जटिल Java 2D संचालन में तेजी लाने के लिए (GPU) पर ्स का उपयोग करें।
  • डिफ़ॉल्ट रूप से Direct3D का व्यापक रूप से उपयोग करके विंडोज पर ग्राफिक्स के प्रदर्शन में सुधार हुआ है,[29] और जटिल जावा 2डी संचालन में तेजी लाने के लिए ग्राफ़िक्स प्रोसेसिंग यूनिट (जीपीयू) पर शेडर्स का उपयोग करें।[30]

जावा 7

जावा 7 के लिए कई प्रदर्शन सुधार जारी किए गए हैं: जावा 6 या जावा 7 के अपडेट के लिए भविष्य के प्रदर्शन सुधारों की योजना बनाई गई है:[31]

  • दा विंची मशीन (मल्टी लैंग्वेज वर्चुअल मशीन) पर वर्तमान में किए गए प्रोटोटाइप कार्य के बाद गतिशील प्रोग्रामिंग भाषाओं के लिए JVM समर्थन प्रदान करें,[32]
  • मल्टी कोर प्रोसेसर पर समांतर कंप्यूटिंग प्रबंधित करके मौजूदा समवर्ती पुस्तकालय को बढ़ाएं,[33][34]
  • जेवीएम को एक ही सत्र में क्लाइंट और सर्वर जेआईटी कंपाइलर्स दोनों का उपयोग करने की अनुमति दें, जिसे टियरड कंपाइलिंग कहा जाता है:[35]
    • क्लाइंट का उपयोग स्टार्टअप पर किया जाएगा (क्योंकि यह स्टार्टअप पर और छोटे अनुप्रयोगों के लिए अच्छा है),
    • सर्वर का उपयोग एप्लिकेशन के लंबे समय तक चलने के लिए किया जाएगा (क्योंकि यह इसके लिए क्लाइंट कंपाइलर से बेहतर प्रदर्शन करता है)।
  • मौजूदा समवर्ती कम-विराम कचरा संग्राहक (जिसे समवर्ती मार्क-स्वीप (CMS) संग्राहक भी कहा जाता है) को एक नए संग्राहक द्वारा प्रतिस्थापित किया जाता है जिसे कचरा पहले (G1) कहा जाता है ताकि समय के साथ लगातार ठहराव सुनिश्चित हो सके।[36][37]

अन्य भाषाओं की तुलना

एक जावा प्रोग्राम के प्रदर्शन की वस्तुनिष्ठ तुलना और एक अन्य भाषा में लिखे गए समकक्ष जैसे कि C++ को सावधानीपूर्वक और सोच-समझकर निर्मित बेंचमार्क की आवश्यकता होती है जो समान कार्यों को पूरा करने वाले कार्यक्रमों की तुलना करता है। जावा के बाईटकोड कंपाइलर का लक्ष्य प्लेटफॉर्म जावा प्लेटफॉर्म है, और बायटेकोड को या तो जेवीएम द्वारा मशीन कोड में व्याख्या या संकलित किया जाता है। अन्य संकलक लगभग हमेशा एक विशिष्ट हार्डवेयर और सॉफ्टवेयर प्लेटफॉर्म को लक्षित करते हैं, मशीन कोड का उत्पादन करते हैं जो निष्पादन के दौरान वस्तुतः अपरिवर्तित रहेगा[citation needed]। इन दो अलग-अलग दृष्टिकोणों से बहुत भिन्न और कठिन-से-तुलना वाले परिदृश्य उत्पन्न होते हैं: स्थिर बनाम गतिशील संकलन और पुनर्संकलन, रनटाइम वातावरण और अन्य के बारे में सटीक जानकारी की उपलब्धता।

जावा वर्चुअल मशीन द्वारा जावा को अक्सर रनटाइम पर समय-समय पर संकलित किया जाता है, लेकिन C++ के रूप में भी समय-समय पर संकलित किया जा सकता है। जब सही समय पर संकलित किया जाता है, द कंप्यूटर भाषा बेंचमार्क गेम के माइक्रो-बेंचमार्क इसके प्रदर्शन के बारे में निम्नलिखित संकेत देते हैं:[38]

  • संकलित भाषाओं जैसे C (प्रोग्रामिंग भाषा) या C++ से धीमी,[39]
  • अन्य समय-समय पर संकलित भाषाओं जैसे C#,[40] के समान
  • पर्ल, रूबी (प्रोग्रामिंग भाषा), पीएचपी और पायथन जैसे प्रभावी नेटिव-कोड कंपाइलर (जेआईटी या एओटी) के बिना भाषाओं की तुलना में बहुत तेज।[41]

कार्यक्रम की गति

बेंचमार्क अक्सर छोटे संख्यात्मक रूप से गहन कार्यक्रमों के प्रदर्शन को मापते हैं। कुछ दुर्लभ वास्तविक जीवन के कार्यक्रमों में, जावा सी से बेहतर प्रदर्शन करता है। एक उदाहरण जेक2 (मूल जीपीएल सी कोड का अनुवाद करके जावा में लिखा गया क्वेक II का एक क्लोन) का बेंचमार्क है। जावा 5.0 संस्करण अपने सी समकक्ष की तुलना में कुछ हार्डवेयर विन्यासों में बेहतर प्रदर्शन करता है।[42] हालांकि यह निर्दिष्ट नहीं किया गया है कि डेटा को कैसे मापा गया था (उदाहरण के लिए यदि 1997 में संकलित मूल क्वेक II निष्पादन योग्य का उपयोग किया गया था, जिसे खराब माना जा सकता है क्योंकि वर्तमान सी कंपाइलर क्वेक के लिए बेहतर अनुकूलन प्राप्त कर सकते हैं), यह नोट करता है कि कैसे समान जावा स्रोत कोड केवल वीएम को अपडेट करने से गति में भारी वृद्धि हो सकती है, जो 100% स्थिर दृष्टिकोण के साथ हासिल करना असंभव है।

अन्य कार्यक्रमों के लिए, C++ समकक्ष जावा समकक्ष से काफी तेजी से चला सकता है, और आमतौर पर करता है। 2011 में Google द्वारा किए गए एक बेंचमार्क ने C++ और Java के बीच एक कारक 10 दिखाया।[43] दूसरे चरम पर, एक 3डी मॉडलिंग एल्गोरिदम के साथ 2012 में किए गए एक अकादमिक बेंचमार्क ने जावा 6 जेवीएम को विंडोज के तहत C++ की तुलना में 1.09 से 1.91 गुना धीमा दिखाया।[44]

कुछ अनुकूलन जो जावा और समान भाषाओं में संभव हैं, कुछ परिस्थितियों में C++ में संभव नहीं हो सकते हैं:

  • सी-स्टाइल पॉइंटर का उपयोग पॉइंटर्स का समर्थन करने वाली भाषाओं में अनुकूलन में बाधा डाल सकता है,
  • एस्केप एनालिसिस मेथड्स का उपयोग C++ में सीमित है, उदाहरण के लिए, क्योंकि एक C++ कंपाइलर हमेशा यह नहीं जानता है कि पॉइंटर्स के कारण कोड के दिए गए ब्लॉक में ऑब्जेक्ट को संशोधित किया जाएगा या नहीं,[note 1]
  • C++ के अतिरिक्त वर्चुअल-टेबल लुक-अप के कारण जावा व्युत्पन्न उदाहरण विधियों तक तेजी से पहुंच सकता है। हालांकि, C++ में गैर-आभासी विधियां वी-टेबल प्रदर्शन बाधाओं से पीड़ित नहीं होती हैं, और इस प्रकार जावा के समान प्रदर्शन प्रदर्शित करती हैं।

जेवीएम प्रोसेसर विशिष्ट अनुकूलन या इनलाइन विस्तार करने में भी सक्षम है। और, पहले से संकलित या इनलाइन किए गए कोड को डी-ऑप्टिमाइज करने की क्षमता कभी-कभी बाहरी पुस्तकालय कार्यों में शामिल होने पर स्थिर रूप से टाइप की गई भाषाओं द्वारा किए गए अनुकूलन की तुलना में अधिक आक्रामक अनुकूलन करने की अनुमति देती है।[45][46]

जावा और C++ के बीच माइक्रोबेंचमार्क) के परिणाम अत्यधिक निर्भर करते हैं कि किस संचालन की तुलना की जाती है। उदाहरण के लिए, जावा 5.0 के साथ तुलना करते समय:

  • 32 और 64 बिट अंकगणितीय संचालन,[47][48] इनपुट/आउटपुट|फ़ाइल I/O[49] और अपवाद हैंडलिंग,[50] तुलनीय C++ प्रोग्राम के समान प्रदर्शन है
  • ऐरे[51] के संचालन का प्रदर्शन C में बेहतर है।
  • C में त्रिकोणमितीय फलनों का प्रदर्शन काफी बेहतर है।[52]
टिप्पणियाँ
  1. ↑ Contention of this nature can be alleviated in C++ programs at the source code level by employing advanced methods such as custom allocators, exploiting precisely the kind of low-level coding complexity that Java was designed to conceal and encapsulate; however, this approach is rarely practical if not adopted (or at least anticipated) while the program remains under primary development.


मल्टी-कोर प्रदर्शन

मल्टी-कोर सिस्टम पर जावा अनुप्रयोगों की मापनीयता और प्रदर्शन वस्तु आवंटन दर द्वारा सीमित है। इस प्रभाव को कभी-कभी "आवंटन दीवार" कहा जाता है।[53] हालांकि, व्यवहार में, आधुनिक कचरा संग्राहक एल्गोरिदम कचरा संग्रह करने के लिए कई कोर का उपयोग करते हैं, जो कुछ हद तक इस समस्या को कम करता है। कुछ गारबेज संग्राहक प्रति सेकंड एक गीगाबाइट से अधिक की आवंटन दर को बनाए रखने की सूचना देते हैं,[54] और जावा-आधारित सिस्टम मौजूद हैं जिन्हें कई सैकड़ों सीपीयू कोर और ढेर के आकार को कई सौ जीबी तक बढ़ाने में कोई समस्या नहीं है।[55]

जावा में स्वचालित मेमोरी प्रबंधन लॉकलेस और अपरिवर्तनीय डेटा संरचनाओं के कुशल उपयोग की अनुमति देता है जो किसी प्रकार के कचरा संग्रह के बिना लागू करने के लिए अत्यंत कठिन या कभी-कभी असंभव हैं।[citation needed] जावा अपने मानक पुस्तकालय में ऐसी कई उच्च-स्तरीय संरचनाएं प्रदान करता है। java.util.concurrent पैकेज में, जबकि C या C++ जैसी उच्च प्रदर्शन प्रणालियों के लिए ऐतिहासिक रूप से उपयोग की जाने वाली कई भाषाओं में अभी भी उनकी कमी है।[citation needed]

स्टार्टअप समय

जावा स्टार्टअप समय अक्सर C, C++, पर्ल या पायथन सहित कई भाषाओं की तुलना में बहुत धीमा होता है, क्योंकि उपयोग किए जाने से पहले कई कक्षाओं (और सबसे पहले प्लेटफ़ॉर्म क्लास लाइब्रेरी से सभी कक्षाओं) को लोड किया जाना चाहिए।

विंडोज मशीन पर चलने वाले छोटे कार्यक्रमों के समान लोकप्रिय रनटाइम के साथ तुलना करने पर, स्टार्टअप का समय मोनो के समान और .NET की तुलना में थोड़ा धीमा प्रतीत होता है।[56]

ऐसा लगता है कि स्टार्टअप का अधिकांश समय जेवीएम इनिशियलाइज़ेशन या क्लास लोडिंग के बजाय इनपुट-आउटपुट (IO) बाउंड ऑपरेशंस के कारण होता है (rt.jar क्लास डेटा फ़ाइल अकेले 40 एमबी है और JVM को इस बड़ी फ़ाइल में बहुत अधिक डेटा की तलाश करनी चाहिए)[27] कुछ परीक्षणों से पता चला है कि हालांकि नई स्प्लिट बायटेकोड सत्यापन विधि ने क्लास लोडिंग में लगभग 40% सुधार किया है, यह बड़े कार्यक्रमों के लिए केवल 5% स्टार्टअप सुधार का एहसास हुआ।[57]

एक छोटे से सुधार के बावजूद, यह छोटे कार्यक्रमों में अधिक दिखाई देता है जो एक साधारण ऑपरेशन करते हैं और फिर बाहर निकल जाते हैं, क्योंकि जावा प्लेटफॉर्म डेटा लोडिंग वास्तविक प्रोग्राम के संचालन के कई गुना लोड का प्रतिनिधित्व कर सकता है।

जावा एसई 6 अपडेट 10 से शुरू होकर, सन जेआरई एक त्वरित स्टार्टर के साथ आता है जो डिस्क के बजाय डिस्क कैश से डेटा प्राप्त करने के लिए ओएस स्टार्टअप पर क्लास डेटा प्रीलोड करता है।

एक्सेलसियर जेट दूसरी तरफ से समस्या का समाधान करता है। इसका स्टार्टअप ऑप्टिमाइज़र उस डेटा की मात्रा को कम करता है जिसे डिस्क से एप्लिकेशन स्टार्टअप पर पढ़ा जाना चाहिए, और पढ़ने को अधिक अनुक्रमिक बनाता है।

नवंबर 2004 में, नेलगन, एक "क्लाइंट, प्रोटोकॉल, और सर्वर जो कमांड लाइन से बिना JVM स्टार्टअप ओवरहेड के जावा प्रोग्राम चलाने के लिए" सार्वजनिक रूप से जारी किया गया था।[58] बिना JVM स्टार्टअप ओवरहेड के एक या एक से अधिक जावा एप्लिकेशन चलाने के लिए पहली बार स्क्रिप्ट (कंप्यूटिंग) के लिए एक JVM को डेमन (कंप्यूटिंग) के रूप में उपयोग करने का विकल्प पेश करना। नेलगुन डेमन असुरक्षित है: "सभी प्रोग्राम सर्वर के समान अनुमतियों के साथ चलाए जाते हैं"। जहाँ बहु-उपयोगकर्ता सुरक्षा की आवश्यकता होती है, विशेष सावधानियों के बिना नेलगन अनुपयुक्त है। लिपियों जहां प्रति-अनुप्रयोग JVM स्टार्टअप संसाधन उपयोग पर हावी है, परिमाण रनटाइम प्रदर्शन में सुधार के एक से दो क्रम देखें।[59]

मेमोरी उपयोग

जावा मेमोरी का उपयोग C++ के मेमोरी उपयोग से काफी अधिक है क्योंकि:

  • जावा में प्रत्येक वस्तु के लिए 8 बाइट्स और प्रत्येक सरणी [61] के लिए 12 बाइट्स का ओवरहेड है।[60] यदि किसी वस्तु का आकार 8 बाइट्स का एक गुणक नहीं है, तो इसे 8 के अगले गुणक तक गोल किया जाता है। इसका मतलब है कि एक बाइट फ़ील्ड रखने वाली वस्तु 16 बाइट्स रखती है और उसे 4-बाइट संदर्भ की आवश्यकता होती है। C++ प्रत्येक वस्तु के लिए एक सूचक (आमतौर पर 4 या 8 बाइट्स) भी आवंटित करता है जो वर्ग प्रत्यक्ष या अप्रत्यक्ष रूप से आभासी कार्यों की घोषणा करता है।[61]
  • पता अंकगणित का अभाव स्मृति-कुशल कंटेनर बनाता है, जैसे कि कसकर दूरी वाली संरचनाएं और एक्सओआर लिंक्ड सूचियां, वर्तमान में असंभव है (ओपनजेडीके वल्लाह परियोजना का उद्देश्य इन मुद्दों को कम करना है, हालांकि इसका उद्देश्य सूचक अंकगणित को पेश करना नहीं है; यह एक में नहीं किया जा सकता है) कचरा एकत्रित वातावरण)।
  • मॉलोक और नए के विपरीत, ढेर के आकार में वृद्धि के साथ कचरा संग्रह का औसत प्रदर्शन शून्य के करीब पहुंच जाता है (अधिक सटीक रूप से, एक सीपीयू चक्र)।[62]
  • जावा क्लास लाइब्रेरी के कुछ हिस्सों को प्रोग्राम के निष्पादन से पहले लोड करना चाहिए (कम से कम एक प्रोग्राम के भीतर उपयोग की जाने वाली कक्षाएं)।[63] यह छोटे अनुप्रयोगों के लिए एक महत्वपूर्ण मेमोरी ओवरहेड की ओर ले जाता है।[citation needed]
  • जावा बाइनरी और देशी पुनर्संकलन दोनों आमतौर पर स्मृति में होंगे।
  • वर्चुअल मशीन पर्याप्त मेमोरी का उपयोग करती है।
  • जावा में, एक समग्र वस्तु (कक्षा ए जो बी और सी के उदाहरणों का उपयोग करती है) बी और सी के आवंटित उदाहरणों के संदर्भों का उपयोग करके बनाई गई है। C++ में इस प्रकार के संदर्भों की स्मृति और प्रदर्शन लागत से बचा जा सकता है जब बी और सी का उदाहरण /या C, A के भीतर मौजूद है।

ज्यादातर मामलों में जावा की वर्चुअल मशीन, क्लास लोडिंग और स्वचालित मेमोरी रीसाइजिंग के बड़े ओवरहेड के कारण C++ एप्लिकेशन समकक्ष जावा एप्लिकेशन की तुलना में कम मेमोरी का उपभोग करेगा। उन कार्यक्रमों के लिए जिनमें भाषाओं और रनटाइम परिवेशों के बीच चयन करने के लिए मेमोरी एक महत्वपूर्ण कारक है, एक लागत/लाभ विश्लेषण की आवश्यकता है।

त्रिकोणमितीय फलन

त्रिकोणमितीय कार्यों का प्रदर्शन सी की तुलना में खराब है, क्योंकि जावा में गणितीय संचालन के परिणामों के लिए सख्त विनिर्देश हैं, जो अंतर्निहित हार्डवेयर कार्यान्वयन के अनुरूप नहीं हो सकते हैं।[64] x87 फ़्लोटिंग पॉइंट सबसेट पर, 1.4 से जावा सॉफ़्टवेयर में पाप और कॉस के लिए तर्क में कमी करता है,[65] जिससे सीमा के बाहर मूल्यों के लिए एक बड़ा प्रदर्शन प्रभावित होता है।[66][clarification needed]

जावा मूल इंटरफ़ेस

जावा मूल इंटरफ़ेस एक उच्च ओवरहेड का आह्वान करता है, जिससे जेवीएम और देशी कोड पर चलने वाले कोड के बीच की सीमा को पार करना महंगा हो जाता है।[67][68] जावा नेटिव एक्सेस (जेएनए) जावा प्रोग्राम को केवल जावा कोड के माध्यम से देशी साझा पुस्तकालय (विंडोज़ पर डायनेमिक-लिंक लाइब्रेरी (डीएलएल)) तक आसान पहुंच प्रदान करता है, जिसमें कोई जेएनआई या मूल कोड नहीं है। यह कार्यक्षमता विंडोज़ प्लेटफ़ॉर्म/इनवोक और पायथन के ctypes से तुलनीय है। कोड जनरेशन के बिना रनटाइम पर एक्सेस डायनेमिक है। लेकिन इसकी एक कीमत होती है, और JNA आमतौर पर JNI की तुलना में धीमी होती है।[69]

यूजर इंटरफेस

स्विंग (जावा) को देशी विजेट टूलकिट की तुलना में धीमा माना गया है, क्योंकि यह विजेट के प्रतिपादन को शुद्ध जावा 2डी एपीआई को दर्शाता है। हालांकि, स्विंग बनाम मानक विजेट टूलकिट के प्रदर्शन की तुलना करने वाले बेंचमार्क, जो ऑपरेटिंग सिस्टम के मूल जीयूआई पुस्तकालयों को प्रतिपादन का प्रतिनिधित्व करते हैं, कोई स्पष्ट विजेता नहीं दिखाते हैं, और परिणाम काफी हद तक संदर्भ और वातावरण पर निर्भर करते हैं।[70] इसके अतिरिक्त, स्विंग को बदलने के उद्देश्य से नया JavaFX ढांचा, स्विंग के कई अंतर्निहित मुद्दों को संबोधित करता है।

उच्च प्रदर्शन कंप्यूटिंग के लिए प्रयोग

कुछ लोगों का मानना ​​है कि उच्च प्रदर्शन कंप्यूटिंग (एचपीसी) के लिए जावा प्रदर्शन गणना-गहन बेंचमार्क पर फोरट्रान के समान है, लेकिन ग्रिड कंप्यूटिंग नेटवर्क पर गहन संचार करने के लिए जेवीएम में अभी भी मापनीयता के मुद्दे हैं।[71]

हालाँकि, जावा में लिखे गए उच्च प्रदर्शन वाले कंप्यूटिंग अनुप्रयोगों ने बेंचमार्क प्रतियोगिताओं में जीत हासिल की है। 2008,[72] और 2009 में,[73][74] एक अपाचे Hadoop (जावा में लिखा गया एक ओपन-सोर्स हाई परफॉर्मेंस कंप्यूटिंग प्रोजेक्ट) आधारित क्लस्टर एक टेराबाइट और पेटाबाइट पूर्णांकों को सबसे तेजी से सॉर्ट करने में सक्षम था। हालाँकि, प्रतिस्पर्धी प्रणालियों का हार्डवेयर सेटअप निश्चित नहीं था।[75][76]

प्रोग्रामिंग प्रतियोगिता में

जावा में प्रोग्राम अन्य संकलित भाषाओं की तुलना में धीमी गति से शुरू होते हैं।[77][78] इस प्रकार, कुछ ऑनलाइन जज सिस्टम, विशेष रूप से चीनी विश्वविद्यालयों द्वारा होस्ट किए गए, जावा कार्यक्रमों के लिए लंबी समय सीमा का उपयोग करते हैं[79][80][81][82][83] जावा का उपयोग करने वाले प्रतियोगियों के लिए निष्पक्ष होना।

यह भी देखें

संदर्भ

  1. ↑ "Java versus C++ benchmarks".
  2. ↑ 2.0 2.1 "Symantec's Just-In-Time Java Compiler To Be Integrated Into Sun JDK 1.1".
  3. ↑ "Short Take: Apple licenses Symantec's just-in-time compiler". cnet.com. May 12, 1998. Retrieved November 15, 2015.
  4. ↑ "Java gets four times faster with new Symantec just-in-time compiler".
  5. ↑ "Performance Comparison of Java/.NET Runtimes (Oct 2004)".
  6. ↑ Kawaguchi, Kohsuke (March 30, 2008). "Deep dive into assembly code from Java". Archived from the original on April 2, 2008. Retrieved April 2, 2008.
  7. ↑ "Fast, Effective Code Generation in a Just-In-Time Java Compiler" (PDF). Intel Corporation. Retrieved June 22, 2007.
  8. ↑ This article shows that the performance gain between interpreted mode and Hotspot amounts to more than a factor of 10.
  9. ↑ Numeric performance in C, C# and Java
  10. ↑ Algorithmic Performance Comparison Between C, C++, Java and C# Programming Languages Archived March 31, 2010, at the Wayback Machine
  11. ↑ "The Java HotSpot Virtual Machine, v1.4.1". Sun Microsystems. Retrieved April 20, 2008.
  12. ↑ Nutter, Charles (January 28, 2008). "Lang.NET 2008: Day 1 Thoughts". Retrieved January 18, 2011. Deoptimization is very exciting when dealing with performance concerns, since it means you can make much more aggressive optimizations...knowing you'll be able to fall back on a tried and true safe path later on
  13. ↑ IBM DeveloperWorks Library
  14. ↑ For example, the duration of pauses is less noticeable now. See for example this clone of Quake II written in Java: Jake2.
  15. ↑ "New Java SE 6 Feature: Type Checking Verifier". Java.net. Retrieved January 18, 2011.[permanent dead link]
  16. ↑ Brian Goetz (October 18, 2005). "Java theory and practice: Synchronization optimizations in Mustang". IBM. Retrieved January 26, 2013.
  17. ↑ "Java HotSpot Virtual Machine Performance Enhancements". Oracle Corporation. Retrieved January 14, 2014. Escape analysis is a technique by which the Java Hotspot Server Compiler can analyze the scope of a new object's uses and decide whether to allocate it on the Java heap. Escape analysis is supported and enabled by default in Java SE 6u23 and later.
  18. ↑ Bug report: new register allocator, fixed in Mustang (JDK 6) b59
  19. ↑ Mustang's HotSpot Client gets 58% faster! Archived March 5, 2012, at the Wayback Machine in Osvaldo Pinali Doederlein's Blog at java.net
  20. ↑ Class Data Sharing at java.sun.com
  21. ↑ Class Data Sharing in JDK 1.5.0 in Java Buzz Forum at artima developer
  22. ↑ Mckay, Niali. "Java gets four times faster with new Symantec just-in-time compiler".
  23. ↑ Sun overview of performance improvements between 1.4 and 5.0 versions.
  24. ↑ STR-Crazier: Performance Improvements in Mustang Archived January 5, 2007, at the Wayback Machine in Chris Campbell's Blog at java.net
  25. ↑ See here for a benchmark showing a performance boost of about 60% from Java 5.0 to 6 for the application JFreeChart
  26. ↑ Java SE 6 Performance White Paper at http://java.sun.com
  27. ↑ 27.0 27.1 Haase, Chet (May 2007). "Consumer JRE: Leaner, Meaner Java Technology". Sun Microsystems. Retrieved July 27, 2007. At the OS level, all of these megabytes have to be read from disk, which is a very slow operation. Actually, it's the seek time of the disk that's the killer; reading large files sequentially is relatively fast, but seeking the bits that we actually need is not. So even though we only need a small fraction of the data in these large files for any particular application, the fact that we're seeking all over within the files means that there is plenty of disk activity.
  28. ↑ Haase, Chet (May 2007). "Consumer JRE: Leaner, Meaner Java Technology". Sun Microsystems. Retrieved July 27, 2007.
  29. ↑ Haase, Chet (May 2007). "Consumer JRE: Leaner, Meaner Java Technology". Sun Microsystems. Retrieved July 27, 2007.
  30. ↑ Campbell, Chris (April 7, 2007). "Faster Java 2D Via Shaders". Archived from the original on June 5, 2011. Retrieved January 18, 2011.
  31. ↑ Haase, Chet (May 2007). "Consumer JRE: Leaner, Meaner Java Technology". Sun Microsystems. Retrieved July 27, 2007.
  32. ↑ "JSR 292: Supporting Dynamically Typed Languages on the Java Platform". jcp.org. Retrieved May 28, 2008.
  33. ↑ Goetz, Brian (March 4, 2008). "Java theory and practice: Stick a fork in it, Part 2". IBM. Retrieved March 9, 2008.
  34. ↑ Lorimer, R.J. (March 21, 2008). "Parallelism with Fork/Join in Java 7". infoq.com. Retrieved May 28, 2008.
  35. ↑ "New Compiler Optimizations in the Java HotSpot Virtual Machine" (PDF). Sun Microsystems. May 2006. Retrieved May 30, 2008.
  36. ↑ Humble, Charles (May 13, 2008). "JavaOne: Garbage First". infoq.com. Retrieved September 7, 2008.
  37. ↑ Coward, Danny (November 12, 2008). "Java VM: Trying a new Garbage Collector for JDK 7". Archived from the original on December 8, 2011. Retrieved November 15, 2008.
  38. ↑ "Computer Language Benchmarks Game". benchmarksgame.alioth.debian.org. Archived from the original on January 25, 2015. Retrieved June 2, 2011.
  39. ↑ "Computer Language Benchmarks Game". benchmarksgame.alioth.debian.org. Archived from the original on January 13, 2015. Retrieved June 2, 2011.
  40. ↑ "Computer Language Benchmarks Game". benchmarksgame.alioth.debian.org. Archived from the original on January 10, 2015. Retrieved June 2, 2011.
  41. ↑ "Computer Language Benchmarks Game". benchmarksgame.alioth.debian.org. Archived from the original on January 2, 2015. Retrieved June 2, 2011.
  42. ↑ :260/250 frame/s versus 245 frame/s (see benchmark)
  43. ↑ Hundt, Robert. "Loop Recognition in C++/Java/Go/Scala" (PDF). Scala Days 2011. Stanford, California. Retrieved March 23, 2014.
  44. ↑ L. Gherardi; D. Brugali; D. Comotti (2012). "A Java vs. C++ performance evaluation: a 3D modeling benchmark" (PDF). University of Bergamo. Retrieved March 23, 2014. Using the Server compiler, which is best tuned for long-running applications, have instead demonstrated that Java is from 1.09 to 1.91 times slower(...)In conclusion, the results obtained with the server compiler and these important features suggest that Java can be considered a valid alternative to C++
  45. ↑ "The Java HotSpot Performance Engine: Method Inlining Example". Oracle Corporation. Retrieved June 11, 2011.
  46. ↑ Nutter, Charles (May 3, 2008). "The Power of the JVM". Retrieved June 11, 2011. What happens if you've already inlined A's method when B comes along? Here again the JVM shines. Because the JVM is essentially a dynamic language runtime under the covers, it remains ever-vigilant, watching for exactly these sorts of events to happen. And here's the really cool part: when situations change, the JVM can deoptimize. This is a crucial detail. Many other runtimes can only do their optimization once. C compilers must do it all ahead of time, during the build. Some allow you to profile your application and feed that into subsequent builds, but once you've released a piece of code it's essentially as optimized as it will ever get. Other VM-like systems like the CLR do have a JIT phase, but it happens early in execution (maybe before the system even starts executing) and doesn't ever happen again. The JVM's ability to deoptimize and return to interpretation gives it room to be optimistic...room to make ambitious guesses and gracefully fall back to a safe state, to try again later.
  47. ↑ "Microbenchmarking C++, C#, and Java: 32-bit integer arithmetic". Dr. Dobb's Journal. July 1, 2005. Retrieved January 18, 2011.
  48. ↑ "Microbenchmarking C++, C#, and Java: 64-bit double arithmetic". Dr. Dobb's Journal. July 1, 2005. Retrieved January 18, 2011.
  49. ↑ "Microbenchmarking C++, C#, and Java: File I/O". Dr. Dobb's Journal. July 1, 2005. Retrieved January 18, 2011.
  50. ↑ "Microbenchmarking C++, C#, and Java: Exception". Dr. Dobb's Journal. July 1, 2005. Retrieved January 18, 2011.
  51. ↑ "Microbenchmarking C++, C#, and Java: Array". Dr. Dobb's Journal. July 1, 2005. Retrieved January 18, 2011.
  52. ↑ "Microbenchmarking C++, C#, and Java: Trigonometric functions". Dr. Dobb's Journal. July 1, 2005. Retrieved January 18, 2011.
  53. ↑ Yi Zhao, Jin Shi, Kai Zheng, Haichuan Wang, Haibo Lin and Ling Shao, Allocation wall: a limiting factor of Java applications on emerging multi-core platforms, Proceedings of the 24th ACM SIGPLAN conference on Object oriented programming systems languages and applications, 2009.
  54. ↑ C4: The Continuously Concurrent Compacting Collector
  55. ↑ Azul bullies Java with 768 core machine
  56. ↑ "Benchmark start-up and system performance for .Net, Mono, Java, C++ and their respective UI". September 2, 2010.
  57. ↑ "How fast is the new verifier?". 7 February 2006. Archived from the original on 16 May 2006. Retrieved 9 May 2007.
  58. ↑ Nailgun
  59. ↑ The Nailgun Background page demonstrates "best case scenario" speedup of 33 times (for scripted "Hello, World!" programs i.e., short-run programs).
  60. ↑ "How to calculate the memory usage of Java objects".
  61. ↑ "InformIT: C++ Reference Guide > the Object Model". Archived from the original on 21 February 2008. Retrieved 22 June 2009.
  62. ↑ https://www.youtube.com/watch?v=M91w0SBZ-wc : Understanding Java Garbage Collection - a talk by Gil Tene at JavaOne
  63. ↑ ".: ToMMTi-Systems :: Hinter den Kulissen moderner 3D-Hardware".
  64. ↑ "Math (Java Platform SE 6)". Sun Microsystems. Retrieved June 8, 2008.
  65. ↑ Gosling, James (July 27, 2005). "Transcendental Meditation". Archived from the original on August 12, 2011. Retrieved June 8, 2008.
  66. ↑ W. Cowell-Shah, Christopher (January 8, 2004). "Nine Language Performance Round-up: Benchmarking Math & File I/O". Archived from the original on October 11, 2018. Retrieved June 8, 2008.
  67. ↑ Wilson, Steve; Jeff Kesselman (2001). "JavaTM Platform Performance: Using Native Code". Sun Microsystems. Retrieved February 15, 2008.
  68. ↑ Kurzyniec, Dawid; Vaidy Sunderam. "Efficient Cooperation between Java and Native Codes - JNI Performance Benchmark" (PDF). Archived from the original (PDF) on 14 February 2005. Retrieved 15 February 2008.
  69. ↑ "How does JNA performance compare to custom JNI?". Sun Microsystems. Retrieved December 26, 2009.[permanent dead link]
  70. ↑ Igor, Križnar (10 May 2005). "SWT Vs. Swing Performance Comparison" (PDF). cosylab.com. Archived from the original (PDF) on 4 July 2008. Retrieved 24 May 2008. It is hard to give a rule-of-thumb where SWT would outperform Swing, or vice versa. In some environments (e.g., Windows), SWT is a winner. In others (Linux, VMware hosting Windows), Swing and its redraw optimization outperform SWT significantly. Differences in performance are significant: factors of 2 and more are common, in either direction
  71. ↑ Brian Amedro; Vladimir Bodnartchouk; Denis Caromel; Christian Delbe; Fabrice Huet; Guillermo L. Taboada (August 2008). "Current State of Java for HPC". INRIA. Retrieved September 9, 2008. We first perform some micro benchmarks for various JVMs, showing the overall good performance for basic arithmetic operations(...). Comparing this implementation with a Fortran/MPI one, we show that they have similar performance on computation intensive benchmarks, but still have scalability issues when performing intensive communications.
  72. ↑ Owen O'Malley - Yahoo! Grid Computing Team (July 2008). "Apache Hadoop Wins Terabyte Sort Benchmark". Archived from the original on 15 October 2009. Retrieved 21 December 2008. This is the first time that either a Java or an open source program has won.
  73. ↑ "Hadoop Sorts a Petabyte in 16.25 Hours and a Terabyte in 62 Seconds". CNET.com. May 11, 2009. Archived from the original on May 16, 2009. Retrieved September 8, 2010. The hardware and operating system details are:(...)Sun Java JDK (1.6.0_05-b13 and 1.6.0_13-b03) (32 and 64 bit)
  74. ↑ "Hadoop breaks data-sorting world records". CNET.com. May 15, 2009. Retrieved September 8, 2010.
  75. ↑ Chris Nyberg; Mehul Shah. "Sort Benchmark Home Page". Retrieved November 30, 2010.
  76. ↑ Czajkowski, Grzegorz (November 21, 2008). "Sorting 1PB with MapReduce". Retrieved December 1, 2010.
  77. ↑ "TCO10". Archived from the original on 18 October 2010. Retrieved 21 June 2010.
  78. ↑ "How to write Java solutions @ Timus Online Judge".
  79. ↑ "FAQ".
  80. ↑ "FAQ | TJU ACM-ICPC Online Judge". Archived from the original on June 29, 2010. Retrieved May 25, 2010.
  81. ↑ "FAQ | CodeChef".
  82. ↑ "HomePage of Xidian Univ. Online Judge". Archived from the original on 19 February 2012. Retrieved 13 November 2011.
  83. ↑ "FAQ".


बाहरी संबंध


Retrieved from ‘https://www.vigyanwiki.in/index.php?title=जावा-परफॉरमेंस&oldid=209061’