提升测试量
前面的测试代码我们使用了 5 个分支条件来测试了 if 和 switch 的性能，那如果把分支的判断条件增加 3 倍（15 个）时，测试的结果又会怎么呢？
增加至 15 个分支判断的实现代码如下：
package com.example.optimize; import org.openjdk.jmh.annotations.*; import org.openjdk.jmh.runner.Runner; import org.openjdk.jmh.runner.RunnerException; import org.openjdk.jmh.runner.options.Options; import org.openjdk.jmh.runner.options.OptionsBuilder; import java.util.concurrent.TimeUnit; @BenchmarkMode(Mode.AverageTime) // 测试完成时间 @OutputTimeUnit(TimeUnit.NANOSECONDS) @Warmup(iterations = 2, time = 1, timeUnit = TimeUnit.SECONDS) // 预热 2 轮，每次 1s @Measurement(iterations = 5, time = 1, timeUnit = TimeUnit.SECONDS) // 测试 5 轮，每次 3s @Fork(1) // fork 1 个线程 @State(Scope.Thread) // 每个测试线程一个实例 public class SwitchOptimizeTest { static Integer _NUM = 1; public static void main(String[] args) throws RunnerException { // 启动基准测试 Options opt = new OptionsBuilder() .include(SwitchOptimizeTest.class.getSimpleName()) // 要导入的测试类 .output("/Users/admin/Desktop/jmh-switch.log") // 输出测试结果的文件 .build(); new Runner(opt).run(); // 执行测试 } @Benchmark public void switchTest() { int num1; switch (_NUM) { case 1: num1 = 1; break; case 2: num1 = 2; break; case 3: num1 = 3; break; case 4: num1 = 4; break; case 5: num1 = 5; break; case 6: num1 = 6; break; case 7: num1 = 7; break; case 8: num1 = 8; break; case 9: num1 = 9; break; case 10: num1 = 10; break; case 11: num1 = 11; break; case 12: num1 = 12; break; case 13: num1 = 13; break; case 14: num1 = 14; break; case 15: num1 = 15; break; default: num1 = -1; break; } } @Benchmark public void ifTest() { int num1; if (_NUM == 1) { num1 = 1; } else if (_NUM == 2) { num1 = 2; } else if (_NUM == 3) { num1 = 3; } else if (_NUM == 4) { num1 = 4; } else if (_NUM == 5) { num1 = 5; } else if (_NUM == 6) { num1 = 6; } else if (_NUM == 7) { num1 = 7; } else if (_NUM == 8) { num1 = 8; } else if (_NUM == 9) { num1 = 9; } else if (_NUM == 10) { num1 = 10; } else if (_NUM == 11) { num1 = 11; } else if (_NUM == 12) { num1 = 12; } else if (_NUM == 13) { num1 = 13; } else if (_NUM == 14) { num1 = 14; } else if (_NUM == 15) { num1 = 15; } else { num1 = -1; } } }
以上代码的测试结果如下：
从 Score 的值可以看出，当分支判断增加至 15 个，switch 的性能比 if 的性能高出了约 3.7 倍，而之前有 5 个分支判断时的测试结果为，switch 的性能比 if 的性能高出了约 2.3 倍，也就是说分支的判断条件越多，switch 性能高的特性体现的就越明显。
switch 的秘密
对于 switch 来说，他最终生成的字节码有两种形态，一种是 tableswitch，另一种是 lookupswitch，决定最终生成的代码使用那种形态取决于 switch 的判断添加是否紧凑，例如到 case 是 1...2...3...4 这种依次递增的判断条件时，使用的是 tableswitch，而像 case 是 1...33...55...22 这种非紧凑型的判断条件时则会使用 lookupswitch，测试代码如下：
public class SwitchOptimize { static Integer _NUM = 1; public static void main(String[] args) { tableSwitchTest(); lookupSwitchTest(); } public static void tableSwitchTest() { int num1; switch (_NUM) { case 1: num1 = 1; break; case 2: num1 = 2; break; case 3: num1 = 3; break; case 4: num1 = 4; break; case 5: num1 = 5; break; case 6: num1 = 6; break; case 7: num1 = 7; break; case 8: num1 = 8; break; case 9: num1 = 9; break; default: num1 = -1; break; } } public static void lookupSwitchTest() { int num1; switch (_NUM) { case 1: num1 = 1; break; case 11: num1 = 2; break; case 3: num1 = 3; break; case 4: num1 = 4; break; case 19: num1 = 5; break; case 6: num1 = 6; break; case 33: num1 = 7; break; case 8: num1 = 8; break; case 999: num1 = 9; break; default: num1 = -1; break; } } }
对应的字节码如下：
public class com.example.optimize.SwitchOptimize { static java.lang.Integer _NUM; public com.example.optimize.SwitchOptimize(); Code: 0: aload_0 1: invokespecial #1 // Method java/lang/Object."<init>":()V 4: return public static void main(java.lang.String[]); Code: 0: invokestatic #7 // Method tableSwitchTest:()V 3: invokestatic #12 // Method lookupSwitchTest:()V 6: return public static void tableSwitchTest(); Code: 0: getstatic #15 // Field _NUM:Ljava/lang/Integer; 3: invokevirtual #19 // Method java/lang/Integer.intValue:()I 6: tableswitch { // 1 to 9 1: 56 2: 61 3: 66 4: 71 5: 76 6: 81 7: 87 8: 93 9: 99 default: 105 } 56: iconst_1 57: istore_0 58: goto 107 61: iconst_2 62: istore_0 63: goto 107 66: iconst_3 67: istore_0 68: goto 107 71: iconst_4 72: istore_0 73: goto 107 76: iconst_5 77: istore_0 78: goto 107 81: bipush 6 83: istore_0 84: goto 107 87: bipush 7 89: istore_0 90: goto 107 93: bipush 8 95: istore_0 96: goto 107 99: bipush 9 101: istore_0 102: goto 107 105: iconst_m1 106: istore_0 107: return public static void lookupSwitchTest(); Code: 0: getstatic #15 // Field _NUM:Ljava/lang/Integer; 3: invokevirtual #19 // Method java/lang/Integer.intValue:()I 6: lookupswitch { // 9 1: 88 3: 98 4: 103 6: 113 8: 125 11: 93 19: 108 33: 119 999: 131 default: 137 } 88: iconst_1 89: istore_0 90: goto 139 93: iconst_2 94: istore_0 95: goto 139 98: iconst_3 99: istore_0 100: goto 139 103: iconst_4 104: istore_0 105: goto 139 108: iconst_5 109: istore_0 110: goto 139 113: bipush 6 115: istore_0 116: goto 139 119: bipush 7 121: istore_0 122: goto 139 125: bipush 8 127: istore_0 128: goto 139 131: bipush 9 133: istore_0 134: goto 139 137: iconst_m1 138: istore_0 139: return static {}; Code: 0: iconst_1 1: invokestatic #25 // Method java/lang/Integer.valueOf:(I)Ljava/lang/Integer; 4: putstatic #15 // Field _NUM:Ljava/lang/Integer; 7: return }
从上面字节码可以看出 tableSwitchTest 使用的 tableswitch，而 lookupSwitchTest 则是使用的 lookupswitch。
tableswitch VS lookupSwitchTest
当执行一次 tableswitch 时，堆栈顶部的 int 值直接用作表中的索引，以便抓取跳转目标并立即执行跳转。也就是说 tableswitch 的存储结构类似于数组，是直接用索引获取元素的，所以整个查询的时间复杂度是 O(1)，这也意味着它的搜索速度非常快。
而执行 lookupswitch 时，会逐个进行分支比较或者使用二分法进行查询，因此查询时间复杂度是 O(log n)，所以使用 lookupswitch 会比 tableswitch 慢。
接下来我们使用实际的代码测试一下，他们两个之间的性能，测试代码如下：
package com.example.optimize; import org.openjdk.jmh.annotations.*; import org.openjdk.jmh.runner.Runner; import org.openjdk.jmh.runner.RunnerException; import org.openjdk.jmh.runner.options.Options; import org.openjdk.jmh.runner.options.OptionsBuilder; import java.util.concurrent.TimeUnit; @BenchmarkMode(Mode.AverageTime) // 测试完成时间 @OutputTimeUnit(TimeUnit.NANOSECONDS) @Warmup(iterations = 2, time = 1, timeUnit = TimeUnit.SECONDS) // 预热 2 轮，每次 1s @Measurement(iterations = 5, time = 1, timeUnit = TimeUnit.SECONDS) // 测试 5 轮，每次 3s @Fork(1) // fork 1 个线程 @State(Scope.Thread) // 每个测试线程一个实例 public class SwitchOptimizeTest { static Integer _NUM = -1; public static void main(String[] args) throws RunnerException { // 启动基准测试 Options opt = new OptionsBuilder() .include(SwitchOptimizeTest.class.getSimpleName()) // 要导入的测试类 .build(); new Runner(opt).run(); // 执行测试 } @Benchmark public void tableSwitchTest() { int num1; switch (_NUM) { case 1: num1 = 1; break; case 2: num1 = 2; break; case 3: num1 = 3; break; case 4: num1 = 4; break; case 5: num1 = 5; break; case 6: num1 = 6; break; case 7: num1 = 7; break; case 8: num1 = 8; break; case 9: num1 = 9; break; default: num1 = -1; break; } } @Benchmark public void lookupSwitchTest() { int num1; switch (_NUM) { case 1: num1 = 1; break; case 11: num1 = 2; break; case 3: num1 = 3; break; case 4: num1 = 4; break; case 19: num1 = 5; break; case 6: num1 = 6; break; case 33: num1 = 7; break; case 8: num1 = 8; break; case 999: num1 = 9; break; default: num1 = -1; break; } } }
以上代码的测试结果如下：
可以看出在分支判断为 9 个时，tableswitch 的性能比 lookupwitch 的性能快了约 1.3 倍。但即使这样 lookupwitch 依然比 if 查询性能要高很多。
总结
switch 的判断条件是 5 个时，性能比 if 高出了约 2.3 倍，而当判断条件的数量越多时，他们的性能相差就越大。而 switch 在编译为字节码时，会根据 switch 的判断条件是否紧凑生成两种代码：tableswitch（紧凑时生成）和 lookupswitch（非紧凑时生成），其中 tableswitch 是采用类似于数组的存储结构，直接根据索引查询元素；而 lookupswitch 则需要逐个查询或者使用二分法查询，因此 tableswitch 的性能会比 lookupswitch 的性能高，但无论如何 switch 的性能都比 if 的性能要高。
