编写使用多线程的希尔排序(shell sort)

阅读更多

前几日翻看各种排序算法时,对希尔排序印象深刻:仅仅是将数组分成多份分别排序,就比普通的插入排序快上很多,感慨之余,想到能否用多线程的方式并行的计算希尔排序中不同的分组,如果可行,效率岂不是提升很多,于是花了些时间,写了个多线程的实现,记录在这里。 

 

原版希尔排序

 

原版的Shell排序,来源于《算法(第4版)》

 

 

public class ShellSort {

    public static void sort(Comparable[] a){  
        int key = 1;  
        int length = a.length;  
  
        while(key < length/3){  
            key = key*3 + 1;  
        }  
        while(key != 1) {  
            key = key/3;  
  
            for(int i = 1 ; i<=key; i++){  
                for(int j = i; j=0 && m-key >= 0 && SortingTool.less(a[m], a[m-key]); m= m-key)  
                        SortingTool.exch(a,m,m-key);  
                }  
            }  
        }  
    }  

}

 

 

 

工具类

 

import java.security.SecureRandom;

public class SortingTool {

    private static final SecureRandom RANDOM = new SecureRandom();

    public static boolean less(Comparable v, Comparable w){
        return v.compareTo(w) < 0;
    }

    public static void exch(Comparable[] a, int i , int j){
       Comparable t =  a[i];
       a[i] = a[j];
       a[j] = t;
    }

    public static Integer[] geneIntArr(int size) {
        Integer[] result = new Integer[size];
        for(int i = 0; i 
  

 

 

使用多线程的版本

 

 

public class ParallelShellSort {
    
    public static void sort(Comparable[] a) {

        ExecutorService service = Executors.newWorkStealingPool();
        int k = 1;
        int length = a.length;

        while (k < length / 3) {
            k = k * 3 + 1;
        }
        while (k != 1) {
            k = k / 3;
            /**
             * 对于同一个k值来说,k个线程同时操作数组的不同部分,且没有任何交集,所以不会出现读写不一致的问题,
             * 但是对于不同的k值来说,数组的同一个位置有可能被多个线程同时操作,会出现读写不一致的问题,
             * 例如k=333,某个线程尚未处理完成,这时如果进入下轮迭代k=111,另一个线程就可能和之前没有完成的线程之间出现问题。
             * 所以对于每个k,使用CountDownLatch,保证k个线程都操作完成之后,在进入下一轮迭代。
             */
            CountDownLatch latch = new CountDownLatch(k);
            for (int i = 1; i <= k; i++) {
                service.submit(new ParallelShellSortRunnable(a, i, k, latch));
            }
            try {
                latch.await();
            } catch (InterruptedException e) {
                System.out.println("err.." + e.getMessage());
            }
        }
        service.shutdown();
        try {
            service.awaitTermination(Integer.MAX_VALUE, TimeUnit.MILLISECONDS);
        } catch (InterruptedException e) {
            System.out.println("error...");
        }
    }
}

 

 

 

 

public class ParallelShellSortRunnable implements Runnable{

    private Comparable[] a;
    private int start;
    private int k;
    private CountDownLatch latch;
    public ParallelShellSortRunnable(Comparable[] a , int start, int k, CountDownLatch latch){
        this.a = a;
        this.start = start;
        this.k = k;
        this.latch = latch;
    }
    @Override
    public void run() {
        int length = a.length;

        for(int j = start; j=0 && m- k >= 0 && SortingTool.less(a[m], a[m- k]); m= m- k)
                SortingTool.exch(a,m,m- k);
        }
        latch.countDown();
    }
}

 

 

 

测试和分析

在i7 8核CPU,JDK 1.8的环境上,使用Integer数组测试(bin下有个comparison.sh,运行这个脚本或者使用SortingComparison可以进行测试)。

 

从结果上看,多线程的的版本比原版的希尔算法好很多,比Arrays.sort()也好一些,比较意外的是,在几十万到几百万的数量级上,似乎和Arrays.parallelSort()这个JDK提供的多线程版本排序方法不分伯仲,甚至有时候还能更快些,不过数量更大的时候,JDK的多线程版本就胜出不少了。

 

部分测试数据:

arrayParallelSort,500000数据,耗时200毫秒

arrayParallelSort,500000数据,耗时218毫秒

arrayParallelSort,500000数据,耗时213毫秒

arrayParallelSort,500000数据,耗时231毫秒

arrayParallelSort,500000数据,耗时224毫秒

arrayParallelSort,2000000数据,耗时674毫秒

arrayParallelSort,2000000数据,耗时780毫秒

arrayParallelSort,2000000数据,耗时732毫秒

arrayParallelSort,2000000数据,耗时739毫秒

arrayParallelSort,2000000数据,耗时764毫秒 

parallelShell,500000数据,耗时287毫秒

parallelShell,500000数据,耗时310毫秒

parallelShell,500000数据,耗时313毫秒

parallelShell,500000数据,耗时278毫秒

parallelShell,500000数据,耗时369毫秒

parallelShell,2000000数据,耗时705毫秒

parallelShell,2000000数据,耗时663毫秒

parallelShell,2000000数据,耗时785毫秒

parallelShell,2000000数据,耗时746毫秒

parallelShell,2000000数据,耗时755毫秒

 

然而不用为这点成绩沾沾自喜,因为更多的测试发现事情并非这么简单。

 

运行 mvn test -Dtest=TestArraysParalleSort

结果

300万数据,耗时906毫秒

300万数据,耗时242毫秒

300万数据,耗时256毫秒

300万数据,耗时236毫秒

300万数据,耗时265毫秒

 

运行 mvn test -Dtest=TestParallelShell

结果

300万数据,耗时1189毫秒

300万数据,耗时1131毫秒

300万数据,耗时1086毫秒

300万数据,耗时1076毫秒

300万数据,耗时1133毫秒

 

在JIT的优化下,Array.parallelSort有了近乎妖孽般的提升,而本人的代码,似乎得不到JIT的帮助。。。

 

本文到这里基本就结束了,至于如何写出更容易被JIT优化的程序,已经超出了本人的能力范围,JDK这种API,确实不是谁都能写出来的。。

 

本文中的代码在这里可以找到。

 

你可能感兴趣的:(java,多线程,算法,jit)