我写了一个程序来做一些并行计算，比如：

public void multiThreadedRun(int nThreads) throws InterruptedException {
    Thread [] threads = new Thread[nThreads];
    // create and start nThreads ...
    for (int i = 0; i < nThreads; ++i) {
        // ... where each thread runs a task-grabbing loop in this::work.
        threads[i] = new Thread(this::work);
        threads[i].start();
    }

    System.out.println("all threads started, waiting for them to finish....");
    for(int i = 0; i < nThreads; ++i)
        threads[i].join();
    System.out.println("all threads finished.");
}

在c5.24xlarge ec2示例上运行此程序，该示例具有96个内核和192gb内存，使用 java -Xms150g -Xmx150g -XX:+UseParallelGC （使用aws的corretto-jdk），我已经对上述操作的执行进行了计时 multiThreadedRun 方法 nThreads 等于1，8和96。运行时间（相当一致）：分别为285、63和42秒。
因此，与单线程运行相比，8个线程的加速比为4.5倍，96个线程的加速比仅为6.8倍。我怎么知道是什么限制了加速？
我认为有争议的资源是内存，因为
答。这是一个不启动任何i/o的计算任务，应该可以轻松地放入分配给堆的150gb内存中（因此我不希望有太多虚拟内存i/o）。
b。在96个线程上运行时，我调用了 jstack <pid> 每隔几秒钟，将结果汇总（对于96个执行的线程） work() )：1844个示例发现一个线程处于“runnable”状态，只有76个发现它正在等待监视器。因此，似乎没有多少时间花在等待锁上（但也许 jstack 有取样偏差吗？或者这种排除锁争用的方法可能还有其他问题。
假设这确实是一个内存问题，那么如何诊断内存争用的来源呢？
更具体地说：
“差异分析”（比较在nthreads=96运行和nthreads=1或nthreads=8运行中花费的时间）有用吗？注意，我并不是在问如何使用评测来加速我的代码，而是在试图了解比较评测结果是否有助于找出内存争用的位置，以及如何使用。
是否有工具可以查看不同变量在每个缓存层中花费的时间，以及触发缓存刷新的因素？
对于哪些对象导致内存争用，我有一些猜测。有什么方法可以检验这些假设吗？