Java多线程文件下载性能

Posted

技术标签:

【中文标题】Java多线程文件下载性能【英文标题】：Java multithreaded file downloading performance 【发布时间】：2011-03-25 11:43:29 【问题描述】：

最近参与了一个需要比以往更多的 IO 交互的项目，我觉得我想超越常规库（尤其是 Commons IO）并解决一些更深入的 IO 问题。

作为一项学术测试，我决定实现一个基本的多线程 HTTP 下载器。这个想法很简单：提供一个 URL 来下载，代码将下载文件。为了提高下载速度，文件被分块并同时下载每个块（使用 HTTP Range: bytes=x-xheader）以使用尽可能多的带宽。

我有一个工作原型，但正如您可能已经猜到的那样，它并不完全理想。目前我手动启动 3 个“下载器”线程，每个线程下载文件的 1/3。这些线程使用一个通用的、同步的“文件写入器”实例将文件实际写入磁盘。当所有线程都完成后，“文件写入器”就完成了，所有打开的流都被关闭了。一些sn-ps的代码给你一个想法：

线程启动：

ExecutorService downloadExecutor = Executors.newFixedThreadPool(3);
...
downloadExecutor.execute(new Downloader(fileWriter, download, start1, end1));
downloadExecutor.execute(new Downloader(fileWriter, download, start2, end2));
downloadExecutor.execute(new Downloader(fileWriter, download, start3, end3));

每个“下载器”线程下载一个块（缓冲）并使用“文件写入器”写入磁盘：

int bytesRead = 0;
byte[] buffer = new byte[1024*1024];
InputStream inStream = entity.getContent();
long seekOffset = chunkStart;
while ((bytesRead = inStream.read(buffer)) != -1)

    fileWriter.write(buffer, bytesRead, seekOffset);
    seekOffset += bytesRead;

“文件写入器”使用RandomAccessFile 到seek() 和write() 将块写入磁盘：

public synchronized void write(byte[] bytes, int len, long start) throws IOException

      output.seek(start);
      output.write(bytes, 0, len);

考虑到所有因素，这种方法似乎有效。但是，它的效果不是很好。对于以下几点，我将不胜感激一些建议/帮助/意见。非常感谢。

    此代码的 CPU 使用率 已经达到了顶峰。它使用了我一半的 CPU（两个内核各占 50%）来执行此操作，这比几乎不会对 CPU 造成压力的同类下载工具成倍增加。我对这个 CPU 使用率的来源有点迷惑，因为我没想到会这样。 通常，3 个线程中似乎有 1 个线程明显落后。其他 2 个线程将完成，之后第三个线程（似乎主要是第一个线程的第一个线程）需要 30 秒或更长时间才能完成。我可以从任务管理器中看到 javaw 进程仍在进行小 IO 写入，但我真的不知道为什么会发生这种情况（我猜是竞态条件？）。 尽管我选择了相当大的缓冲区 (1MB)，但我感觉InputStream 几乎从未真正填满缓冲区，这导致 IO 写入超出我的预期。我的印象是，在这种情况下，最好将 IO 访问保持在最低限度，但我不确定这是否是最佳方法。 我意识到 Java 可能不是执行此类操作的理想语言，但我确信与我当前的实现相比，它的性能要高得多。在这种情况下，蔚来汽车值得探索吗？

注意：我使用 Apache HTTPClient 进行 HTTP 交互，这就是 entity.getContent() 的来源（以防有人想知道）。

【问题讨论】：

在这里找到了一个很好的相关主题：***.com/questions/921262/… 今晚回家后可能会尝试一下:) 更新：高 CPU 使用率是由于 ExecutorService isTerminated() 方法调用上的 while() 循环造成的。哇！ 我认为很大程度上取决于网络配置以及网络接口卡（物理）。即使您有多个线程在下载同一个文件，但负责序列化字节的 NIC 可能会成为瓶颈！ 【参考方案1】：

回答我自己的问题：

    CPU 使用率增加是由于 while() 循环正在等待线程完成。事实证明，awaitTermination 是等待Executor 完成的更好选择:) （以及 3 和 4）这似乎是野兽的本性；最后，我通过仔细同步不同线程来实现我想做的事情，每个线程都下载一个数据块（嗯，特别是这些块写回磁盘）。

【讨论】：

【参考方案2】：

大概 Apache HTTP 客户端将使用较小的缓冲区进行一些缓冲。它将需要一个缓冲区来合理地读取 HTTP 标头，并可能处理分块编码。

【讨论】：

【参考方案3】：

我在 Windows 上获得最佳性能的直接想法是使用 IO completions ports。我不知道的是（a）其他操作系统中是否有类似的概念，以及（b）是否有合适的 Java 包装器？不过，如果可移植性对您来说并不重要，那么您可以使用 JNI 推出自己的包装器。

【讨论】：

【参考方案4】：

设置一个非常大的套接字接收缓冲区。但实际上，您的性能将受到网络带宽的限制，而不是 CPU 带宽。您实际上所做的只是将 1/3 的网络带宽分配给每个下载器。如果你得到很多好处，我会感到惊讶。

【讨论】：

三个连接可能比一个快，在传输开始时短暂。 TCP 需要花一点时间才能找到最佳窗口大小，所以如果使用并行连接，这个过程会快 3 倍！ 这就是我首先进行分块的原因，将文件分成 3 个块可以让我下载同一个文件的速度快 3 倍，假设单个块太慢而无法使连接饱和。但是下载速度已经达到最大值，所以这不是问题。我担心的是CPU使用率。会不会与代码在 Eclipse 中执行有关？ 好吧，您正在执行 N-1 次冗余搜索，而我上次查看它时，那是几十年前，搜索是一项非常昂贵的操作。每个作家只需要寻找一次；之后它只是顺序 I/O。

以上是关于Java多线程文件下载性能的主要内容，如果未能解决你的问题，请参考以下文章

Java多线程文件下载性能

jAVA基础 提高文件复制性能之多线程复制文件

java多线程

Java多线程性能优化

Java：Java多线程实现性能测试

Java：Java多线程实现性能测试