这里介绍的工作是作为 Oracle、乌普萨拉大学和 KTH 之间的联合研究项目的一部分进行的。关注 inside.java 上的博客系列，了解更多关于在斯德哥尔摩的 Oracle 开发办公室进行的 JVM 研究。

---

大家好！

我叫 William Sjöblom。在 2020 年下半年，我在 Oracle 撰写了我的硕士论文，结束了我在林雪平大学的五年制计算机工程硕士学位的最后一年。

在我的硕士论文中，我研究了 OpenJDK 中 HotSpot C2 编译器自动向量化的更多机会。具体来说，我研究了具有跨迭代依赖关系的最内层循环的自动向量化，最初的目标是处理 Java 类库中反复出现的多项式哈希函数。也就是说，让 C2 意识到这些哈希函数中的数据并行性，以生成高性能的 SIMD 代码。

为了实现这一点，添加了一个额外的循环优化过程。这个新的过程提取了循环体数据流的基于树的表示，其中节点代表基本操作（例如二元运算和数组加载）。然后根据一组重写规则对这棵树进行修剪，以便如果初始树对应于预定义的习语，则这棵树将被修剪为单个节点。在这种情况下，习语指的是编译器已知其更高效 SIMD 实现的已知计算内核。因此，如果修剪过程产生了一个节点，我们只需将正在优化的循环替换为我们预定义的 SIMD 实现。

在其当前状态下，优化过程了解两个独立的习语：归约和前缀和。归约习语包含各种数组归约（包括之前讨论的多项式哈希函数），并使用 递归加倍 技术来实现其 SIMD 实现。前缀和习语（实现是为了证明该技术的通用性）包含计算数组所有运行总和的循环，并使用 Hillis 和 Steele 提出的并行前缀和算法来实现其 SIMD 实现。

以上是性能评估中两个更有趣的结果，其中包含两个之前提到的多项式哈希函数的性能数据。这些图表显示了基线标量实现和我们自动向量化实现（使用 128 位和 256 位向量长度）的性能数据。如您所见，通过利用这些方法中提供给我们的数据并行性，可以获得性能提升。同样，我们观察到前缀和的加速效果非常显著，这表明对重复出现的计算内核进行向量化确实是一种值得的做法。

我现在已经完成了我的硕士论文和整个教育，我想感谢 Oracle 的 JPG 团队，他们给了我机会以如此高的姿态结束我的学生生涯，既让我有机会参与 HotSpot 这一伟大的工程，又给了我过程中所需的帮助。希望我的贡献有朝一日能合并到 OpenJDK 主线中，这样你也能体验到 String.hashCode 达到惊人速度的巨大喜悦。