Concurrence et parallélisme : Golang est-il plus performant que Java à cet égard ?

L'un des principaux avantages de Golang (ou Go), langage créé par Google, est la gestion de la concurrence, c'est-à-dire la possibilité d'exécuter plusieurs tâches en même temps.

Chaque langage moderne dispose d'outils pour gérer la concurrence. Ce qui distingue Go, c'est que le runtime résume pour nous la plupart des détails sur les threads et le parallélisme, ce qui rend ce traitement beaucoup plus simple. C'est le moteur d'exécution, et non le noyau du système d'exploitation, qui définit comment les goroutines sont attribuées aux threads du système d'exploitation et comment les threads interagissent avec les cœurs de processeur disponibles.

Le développeur peut utiliser simultanément la concurrence (exécution entrelacée) et le parallélisme (exécution simultanée) et il peut même le faire explicitement en déterminant la propriété GOMAXPROCS qui est la limite des threads simultanés dans le programme. Go peut donc mapper des goroutines sur plusieurs cœurs pour obtenir un réel parallélisme, et des machines qui ont cette architecture en traitement. Par défaut, cependant, le runtime fait déjà cette abstraction pour nous.

import (
    "runtime"
)

func main() {
    runtime.GOMAXPROCS(4) // Permitir até 4 threads para paralelismo
}

D'autres langages de programmation proposent également des outils de concurrence et de parallélisme, mais le niveau d'abstraction et de simplicité varie considérablement. En Java, par exemple, nous avons l'API Concurrent (java.util.concurrent) et des outils tels que Thread, ExecutorService et ForkJoinPool pour gérer la concurrence et le parallélisme.

Cependant, le développeur doit configurer manuellement le pool de threads ou utiliser des outils spécifiques comme CompletableFuture pour simplifier les opérations asynchrones.

Java permet également une exécution parallèle sur des machines multicœurs à l'aide de pools de threads. En revanche, les threads en Java sont plus lourds car ils sont directement mappés aux threads du système d'exploitation.

Noyau d'exécution X

Les threads du système d'exploitation sont gérés par le noyau du système. Cela signifie que la création, la destruction, le changement de contexte et la gestion des threads sont des tâches exécutées par le noyau, introduisant une surcharge supplémentaire. Chaque thread du système d'exploitation consomme une quantité importante de mémoire (généralement autour de 1 Mo en Java). Lorsque le système bascule entre les threads, il doit enregistrer et restaurer les états du processeur (registres, pile, etc.), ce qui est un processus coûteux.

Dans Go, c'est le runtime du langage qui fait cette gestion. Go ne crée pas de thread de système d'exploitation pour chaque goroutine. Au lieu de cela, le runtime Go gère plusieurs goroutines sur un nombre beaucoup plus petit de threads du système d'exploitation - techniquement appelé planification M:N (M goroutines sur N threads). Cela permet
des milliers de goroutines avec le même nombre de threads sans surcharger le système d'exploitation.

Et c'est la « grâce » du langage, qui en fait le favori pour gérer des systèmes distribués hautes performances et des applications de traitement de données en temps réel.

Cependant, il est important de souligner que tout langage moderne est capable de fonctionner avec la concurrence et le parallélisme.

La différence réside dans la légèreté et le coût de traitement.

De cette façon, nous n'avons pas besoin de rester dans un FlaxFlu de langues. Chaque langue a sa magie, ses forces et ses faiblesses.

Juste pour montrer comment n'importe quel langage peut effectuer ces tâches, je vais illustrer en Go et Java comment le même programme est codé, chacun avec ses propres particularités. L'idée est simple : simuler une tâche réalisée avec concurrence et parallélisme et imprimer le temps d'exécution et l'utilisation de la mémoire dans les deux cas (les chiffres varient pour chaque machine).

Pour rendre la comparaison plus "exonérée", j'ai demandé à chatgpt de générer les codes, qui sont ci-dessous :

Golang

import (
    "runtime"
)

func main() {
    runtime.GOMAXPROCS(4) // Permitir até 4 threads para paralelismo
}

Temps d'exécution : 141.886206ms
Mémoire utilisée : 43909120 octets

Java

package main

import (
    "fmt"
    "runtime"
    "sync"
    "time"
)

func tarefa(id int) {
    // Simula algum processamento leve
    time.Sleep(10 * time.Millisecond)
}

func main() {
    // Configura a quantidade de tarefas
    numTarefas := 100000

    // Medindo o tempo de execução
    start := time.Now()

    var wg sync.WaitGroup
    wg.Add(numTarefas)

    // Calculando a quantidade de memória usada
    var m runtime.MemStats
    runtime.ReadMemStats(&m)
    initialMemory := m.Sys

    // Criando as goroutines para simular o trabalho
    for i := 0; i < numTarefas; i++ {
        go func(id int) {
            defer wg.Done()
            tarefa(id)
        }(i)
    }

    wg.Wait() // Espera todas as goroutines terminarem

    // Calculando o tempo total de execução e a memória usada
    elapsed := time.Since(start)
    runtime.ReadMemStats(&m)
    finalMemory := m.Sys

    // Printando os resultados
    fmt.Printf("Tempo de execução: %s\n", elapsed)
    fmt.Printf("Memória utilizada: %d bytes\n", finalMemory-initialMemory)
}

Temps d'exécution : 10238 ms
Mémoire utilisée : 106732888 octets

Quoi qu'il en soit, nous pouvons clairement effectuer exactement la même tâche dans les deux langues. Chacun utilisant ses bibliothèques aux fins appropriées. Il est à noter que dans Go, l'exécution était 98,61 % plus rapide et 58,86 % de mémoire en moins était utilisée.

Mais il n’y a pas de meilleure langue qu’une autre.

Ce dont nous avons simplement besoin, c'est de comprendre les avantages et les inconvénients de chacun lors du choix de la langue qui peut nous aider à résoudre les problèmes que nous rencontrons dans nos projets. Et chaque projet aura son lot de problèmes particuliers et uniques qui devront être résolus.

Optimisation en Java

Il est bien entendu possible d'utiliser des stratégies pour tenter d'améliorer les performances du code fourni ci-dessus en Java.

J'ai demandé à nouveau à chatgpt d'incorporer quelques astuces dans son code initial :

import (
    "runtime"
)

func main() {
    runtime.GOMAXPROCS(4) // Permitir até 4 threads para paralelismo
}

Pour réduire la consommation de mémoire, nous utilisons un ForkJoinPool, avec un plus grand nombre de threads (100) pour mieux gérer une forte concurrence. Cela remplace le pool de threads par défaut, garantissant que davantage de tâches peuvent s'exécuter simultanément. Nous appelons également submit et join pour nous assurer que toutes les tâches sont terminées avant de terminer le programme.

Avec ces changements, l'allocation de mémoire a été réduite de 56,21 % :

Temps d'exécution : 11877 ms
Mémoire utilisée : 46733064 octets

Optimiser ce code est un défi intéressant. Nous vous invitons à faire mieux en utilisant Java, ce qui est toujours très possible, car ce langage, nous le savons, est merveilleux quel que soit le détail.

Ce qui précède est le contenu détaillé de. pour plus d'informations, suivez d'autres articles connexes sur le site Web de PHP en chinois!