java - EC2 和 Java : worst performance when using threads

Question

我在使用 Amazon EC2 和 Java 时遇到了一种很难正确理解的行为。我所拥有的是使用 iText 将单个多页 PDF 文件拆分为多个文件(每页一个文件)的代码。我有大约 100 万页要提取(大约 2500 个源文件)，因此我正在 EC2 上进行测试以确定哪种设置最适合此类工作。

我制作了一个小型应用程序(下面的链接)，它可以按顺序处理每个源文件，而不启动任何工作线程，并且还可以通过执行器使用 Java 线程执行相同的任务。

在我的本地 Macbook Pro 上，线程版本的运行速度比顺序版本快 30% 到 40%，但在我尝试过的每个 EC2 实例上，线程版本的性能都比顺序运行差得多。

我尝试了一个小实例、一个大实例和一个高 CPU 特大实例。我想了解的是什么可能导致线程版本出现如此糟糕的结果；如果它与我的代码或 EC2 上的 I/O 有关，或者仅仅是对于这个特定任务，线程确实是一个糟糕的选择？我接受任何线索。

相关代码在这里:https://gist.github.com/1641643 (对于“面向标志的编程”感到抱歉，在测试之间切换更容易)。我为 Executors.newFixedThreadPool 尝试了不同的值(2、4、8 等...)，结果没有任何重大变化。

Answer 1

大胆猜测，但如果所有线程都对单个硬盘进行读写，则会强制磁盘不断更改读写位置。而在单线程方法中，线程可以一次读取整个输入文件，并立即写入结果。