大数据计算优化：Java 反射为什么慢？

起因

最近在看Flink中一个新feature：使用CodeGen来优化序列化器。

Flink中会根据用户定义的输入输出信息，生成相应的序列化器，这种定制化的序列化器比起Kryo性能要高很多，因为不用写类型信息等等。但是对于用户的POJO，序列化仍然是有些场景的瓶颈所在，因为不管这么定制，序列化器仍然需要通过反射来拿到对应字段。

那反射比起getXXX方法来说究竟慢在哪里呢？（这里特别说明对比的是反射中的Field/get）

测试

第一个例子：

public class Test {
    public static void main(String[] args) throws Exception {
        doGet();
        doReflectGet();
    }
    public static void doGet() throws Exception {
        long start = System.currentTimeMillis();
        A a = new A();
        for (int i = 0; i < 100000000; i++) {
            a.getI();
        }
        System.out.println(System.currentTimeMillis() - start);
    }
    public static void doReflectGet() throws Exception {
        long start = System.currentTimeMillis();
        A a = new A();
        Class cls = A.class;
        Field field = cls.getField("i");
        for (int i = 0; i < 100000000; i++) {
            field.get(a);
        }
        System.out.println(System.currentTimeMillis() - start);
    }
}

结果：5ms 923ms

难道反射和普通get相差200倍的性能吗？！！

其实并不是，反射是慢，但慢多少这个例子并不能测试出来，这个例子第二个方法由于反射的存在，导致JVM无法优化。

第一个例子不管循环多少次，结果都是5ms左右，因为JVM直接把这段代码优化了，JVM直接判定循环中的代码没有对外界造成影响，所以直接忽略调用了。

第二个例子：

public class Test {
    public static void main(String[] args) throws Exception {
        doGet();
        doReflectGet();
    }
    public static void doGet() throws Exception {
        long start = System.currentTimeMillis();
        Integer[] arr = new Integer[100000000];
        A a = new A();
        for (int i = 0; i < 100000000; i++) {
            arr[i] = a.getI();
        }
        System.out.println(System.currentTimeMillis() - start);
    }
    public static void doReflectGet() throws Exception {
        long start = System.currentTimeMillis();
        Integer[] arr = new Integer[100000000];
        A a = new A();
        Class cls = A.class;
        Field field = cls.getField("i");
        for (int i = 0; i < 100000000; i++) {
            arr[i] = (Integer) field.get(a);
        }
        System.out.println(System.currentTimeMillis() - start);
    }
}

结果：513ms 2805ms

这才是真正的差距(修改循环次数性能差距变化不大)，前面那个例子证明反射干扰了JVM的优化，这个例子说明在去除干扰优化后(只能说去除了干扰的循环优化)还差了5倍的性能！！为什么呢？

反射Field/get

跟着源码看下，最后是使用FieldAccessor来获取的：

都是写使用Unsafe类来访问的，Unsafe类是Java中可以像C语言中那样使用指针偏移来操作Java对象(还有并发CAS等)的一个工具类，这个类的实现是JNI的C++代码：

jlong
sun::misc::Unsafe::getLong (jobject obj, jlong offset)
{
  jlong *addr = (jlong *) ((char *) obj + offset);
  spinlock lock;
  return *addr;
}

C++中其实就是简单的通过基地址和偏移来指针运算拿到内存值，感觉上没有什么劣势，只有JNI，但Unsafe可是JVM自带的JNI(Intrinsic function?)，性能应该不会差。

但是JNI毕竟是JNI，这让JVM无法预知它的行为带来的影响，本来可以有的很多优化被此JNI调用给隔绝了，而Java本来就是靠动态优化吃饭的(Java是门半编译型半解释型语言，不像C++靠编译优化)，所以性能影响还是蛮大的。

总结

反射缺点：

1.由于是本地方法调用，让JVM无法优化(还有JIT？)。

2.反射方法调用还有验证过程和参数问题，参数需要装箱拆箱、需要组装成Object[]形式、异常的包装等等问题，篇幅问题这里不加以叙述。

解决方法就是前面提到的CodeGen(这边特指Run time code generation)，既然没有getXXX方法，那就通过动态生成代码来生成getXXX方法(Javassist等技术)。

类似的反射其它用法：方法调用、newInstance类都要慢很多，这在业务系统中可以忽略不计(和Http网络延时、数据库访问等等比起来反射消耗的太小了)，但是在大数据计算的场景中，往往性能瓶颈就在这些地方。

CodeGen在Spark中已经运用起来，主要用于消除方法的多态调用(这里主要是因为多态导致分支预测失败带来的性能影响)。

Flink和Spark在其它方面还克服了JVM的其它一些“缺点”(与其说是缺点，其实是妥协)：内存管理来避免Full GC、对象序列化到字节内存中减小对象的内存开销、直接在字节内存上计算以减少不必要序列化同时缓存友好 等等。