为什么与（快速）专用GPU相比，（缓慢的）集成GPU上的Java2D速度更快？

Question

我试图通过从Java2D切换到OpenGL（LWJGL）来优化应用程序的性能。我为自己编写了一些基准测试，以了解这两者之间的性能差异，并一开始对结果感到满意。但是，当我在另一台计算机上运行基准测试时，结果令我震惊。

这是有问题的基准：

public static void main(String[] args) throws InterruptedException {
    //create window
    JFrame frame = new JFrame();
    frame.setSize(1000, 1000);
    frame.setLocation(0, 0);
    frame.setDefaultCloseOperation(JFrame.EXIT_ON_CLOSE);

    //add drawable component
    frame.add(new JComponent() {
        protected void paintComponent(Graphics graphics) {
            Graphics2D g = (Graphics2D) graphics;
            g.setRenderingHint(RenderingHints.KEY_TEXT_ANTIALIASING, RenderingHints.VALUE_TEXT_ANTIALIAS_ON);
            g.setFont(g.getFont().deriveFont(24f));

            long start = System.nanoTime();
            for(int i=0;i<500;i++){
                g.drawString("This is a test string - This is a test string - This is a test string",10, 20+i*2);
            }
            long end = System.nanoTime();
            long nsDuration = (end-start);

            System.out.println("DrawString takes: "+(nsDuration/1_000_000)+" ms");
    }});
    frame.setVisible(true);

    boolean t=true;
    while(t){
        frame.repaint();
        Thread.sleep(1000);
    }
}

我在台式计算机（CPU：i3-3220，GPU：HD7850）上开发了它，并在其中获得了以下输出：

抽绳所需时间：281毫秒

DrawString需要299毫秒

DrawString需要282毫秒

基准测试的OpenGL版本给了我大约4毫秒的时间，因此性能提高了约75倍，这似乎不错。

当我在10岁或更弱的笔记本电脑（CPU：P8600，GPU：Intel GMA 4500MHD）上运行基准测试时，OpenGL版本和Java2D版本的结果约为20ms。所以要注意两件事：

• 旧笔记本电脑上的Java2D运行速度与OpenGL实现一样快
• 我10岁的笔记本电脑使用专用GPU的性能要比台式机好一个数量级！

我曾经而且现在仍然不知所措，并且正在思考潜在的原因。两台计算机上的JRE版本均已关闭（1.8.1xx），它们运行的​​操作系统相同（Windows 8.1）。我也绝对确定，Java没有通过将“ -Dsun.java2d.opengl = false”传递给JVM而没有使用硬件加速，没有任何影响。

因此，我认为笔记本电脑的iGPU可以从内存连接方式中受益匪浅，这或许与某些事实有关。为了验证我的假设，我还配置了台式机使其在iGPU（HD Graphics 2500）上运行。结果是，在激活iGPU的情况下，同一基准测试在我的桌面上执行的时间约为7毫秒。

虽然我找到了为什么笔记本电脑比台式机更快的原因，但我仍然不明白...

• 有人可以向我解释一下，为什么在这种情况下Java2D在iGPU上这么快吗？
• 将价值约4MB的UI（就原始像素数据而言）传输到专用GPU的速度不应该超过290ms吗？
• 这是Java2D中的（性能）错误吗？

编辑：我当时在想，也许iGPU的假设仍然是错误的，这是AMD / ATI的问题...因此，如果有人以不同的结果或在NVIDIA GPU上运行基准测试，共享结果将不胜感激:)