Random ve ThreadLocalRandom Sınıflarının Performans Karşılaştırması

Java ortamında rastgele sayılar(tamsayı, kayan noktalı sayı) ve rastgele boolean değerler üretmek için iki tip sınıf bulunuyor. Bunlar Random ve ThreadLocalRandom sınıflarıdır.

Random sınıfı Java 1.0’dan beri hayatımızdayken, ThreadLocalRandom sınıfı Java 7 sürümüyle birlikte kullanıma sunuldu. Bu iki sınıf genel manada aynı işleri yapıyor.

Örneğin;

Random Sınıfının Kullanımı

Random random = new Random(); (1)
int i = random.nextInt(900) + 100; (2)
double d = random.nextDouble(); (3)
float f = random.nextFloat(); (4)
boolean b = random.nextBoolean(); (5)

1	Random nesnesi oluşturuluyor.
2	100 – 1000 arası rastgele tamsayı oluşturuluyor.
3	0.0 – 1.0 arası rastgele 64 bitlik kayan noktalı sayı oluşturuluyor.
4	0.0 – 1.0 arası rastgele 32 bitlik kayan noktalı sayı oluşturuluyor.
5	true veya false değer rastgele üretliyor.

Bu işlerin benzerini Java 7 ile birlikte gelen ThreadLocalRandom sınıfı ile de yapabiliriz.

Örneğin;

int i = ThreadLocalRandom.current().nextInt(100, 1000); (1)
double d = ThreadLocalRandom.current().nextDouble(100, 1000); (2)
float f = ThreadLocalRandom.current().nextFloat(); (3)
boolean b = ThreadLocalRandom.current().nextBoolean(); (4)

1	100 – 1000 arası rastgele tamsayı oluşturuluyor.
2	100.0 – 1000.0 arası rastgele 64 bitlik kayan noktalı sayı oluşturuluyor.
3	0.0 – 1.0 arası rastgele 32 bitlik kayan noktalı sayı oluşturuluyor.
4	true veya false değer rastgele üretliyor.

Her iki sınıf da benzer işleri yapmasına ve her ikisi birden Thread-safe olmasına karşın ThreadLocalRandom sınıfı birden fazla iş parçacığına karşı daha fazla performans sağlamaktadır.

Random sınıfı türünden oluşturulan nesneler Thread-safe’dir fakat, artalan Thread sayısına karşı aynı anda rastgele değer üretiminde performans sıkıntıları yaşatmaktadır. İşte bu sebeple ThreadLocalRandom sınıfı yeniden yazılmış ve artalan Thread sayısına karşı, eşzamanlı rastgele değer üretiminde daha fazla performans imkanı getirilmiştir.

Yukarıda zikrettiğim performans kazancını kanıtlamak için, sizlerle JMH (Java MicroBenchmark Harness) ile yaptığım kıyaslamayı paylaşmak isterim.

Random vs ThreadLocalRandom

JMH ile yapılan kıyaslamada, aşağıdaki niteliklere sahip Amazon EC2 makinası kullanılmıştır.

Example 1. Benchmark’da kullanılan sistem

Amazon EC2 – Compute Optimized (c3.8xlarge)
OS – Ubuntu 14.04 (x64)
CPU – 32 Core
Memory – 60 Gib
Disk – 2 x 320 SSD
Java – JDK 1.8 x64

@OutputTimeUnit(TimeUnit.MILLISECONDS) (1)
@BenchmarkMode({Mode.Throughput}) (2)
public class RandomBenchmark {

 private static final int START = 1; (3)
 private static final int END = 2_000_000; (4)
 private static final int ITERATION_COUNT = 10; (5)
 private static final int WARMUP_COUNT = 10; (6)
 private static final int FORK_COUNT = 3; (7)

 @Benchmark
 @Fork(value = FORK_COUNT)
 @Warmup(iterations = WARMUP_COUNT)
 @Measurement(iterations = ITERATION_COUNT)
 public int classicRandom(Blackhole hole) {

     int result = new Random().nextInt(END) + START;

     return result;
 }

 @Benchmark
 @Fork(value = FORK_COUNT)
 @Warmup(iterations = WARMUP_COUNT)
 @Measurement(iterations = ITERATION_COUNT)
 public int threadLocalRandom() {

     int result = ThreadLocalRandom.current().nextInt(START, END);

     return result;
 }

}

1	Kıyaslama milisaniye cinsinden olacak.
2	Birim zamandaki operasyon sayısı hesaplanacak.
3	1 ile,
4	2 milyon arası sayı üretilecek.
5	Ölçüm 10’ar kere yapılacak.
6	Kızıştırma 10’ar kere yapılacak.
7	3 bağımsız JVM üzerinde ölçüm tekrarlanacak.

JMH ile yapılan bu ölçüm sonucunda aşağıdaki çıktılar elde edilmiştir.

Thread sayısı	Random (opts/ms)	ThreadLocalRandom (opts/ms)
32	8270.143	2730077.416
1	7115.396	157249.189
2	7205.506	314133.412
3	8000.412	470297.996
4	8275.624	620752.000
5	8452.557	782501.105
6	7873.484	919402.607
7	7857.637	1093786.369
8	7832.637	1243093.197
9	7455.326	1332173.002
10	7699.261	1449924.784
11	7446.810	1549539.416
12	7229.389	1647996.988
13	7048.528	1896487.967
14	7207.285	2001561.485
15	7157.251	2049247.241
16	6986.766	2063141.840
17	7244.144	2215793.940
18	7131.116	2253215.543
19	7176.455	2451471.446
20	7158.223	2451664.956
21	7021.781	2495864.934
22	7470.644	2524415.132
23	7377.497	2587504.613
24	7534.796	2606206.115
25	7112.421	2622841.414
26	7818.521	2634819.398
27	7823.749	2636562.658
28	7945.500	2652155.927
29	8159.826	2658746.448
30	8067.420	2690268.717
31	8229.543	2702801.516