用JMeter对使用Guava-BloomFilter的简易项目的性能测试（github带代码、测试文件等）

最新推荐文章于 2025-07-30 11:18:28 发布

原创最新推荐文章于 2025-07-30 11:18:28 发布 · 375 阅读

0 ·

CC 4.0 BY-SA版权

文章标签：

#BloomFilter

java 专栏收录该内容

3 篇文章

订阅专栏

本文通过JMeter对一个使用Guava-BloomFilter的简单项目进行了性能测试，对比了Redis无缓存、有缓存及配合BloomFilter的情况。测试结果显示，Redis缓存能显著提升响应速度，而BloomFilter进一步增强了性能。项目代码和测试文件已上传至GitHub。

用JMeter对使用Guava-BloomFilter的简易项目的性能测试（带github代码）

Jmeter查看QPS和响应时间随着时间的变化曲线（转载）
A component required a bean of type ‘redis. clients. jedis. JedisPool’ that could not be found.
SpringBoot高级篇Redis之Jedis配置
 Guava教程-BloomFilter
…

0. github测试代码demo项目

先贴上对应的github项目链接(项目很粗糙)。
这个项目里包括

docker-compose文件
JMeter的测试项目jmx文件
MySQL的sql文件
以及Java代码

1. 前言

这里不对Guava进行介绍了，完全不了解的可以网上查查相关的内容。Guava粗糙的理解就是bit版本的hashmap，但仅用于判断XX数据是否存在，并不能用于读取实际对应的数据。
这篇文章主要是自己正好想试试BloomFilter，姑且做下超粗略的测试，记录一下过程。

2. 测试环境

操作系统：MacOS 10.50.7
CPU：2.4GHZ 8核-i9
内存：32GB 2667MHz DDR4
测试工具：JMeter 5.3
数据库：MySQL 8.0.19、Redis 6.0.8
SpringBoot 2.3.4.RELEASE

3. 项目测试大致介绍

MySQL简单的一张表，仅含有id和name字段的myuser表，100W条记录的SQL文件，但是不想压榨自己的电脑，实际只用了约1W条数据。（毕竟代码也就测试代码，没有考虑各种高并发优化等策略）
比较三种情况的耗时
- 120s内1W线程，初次查询，Redis无缓存
- 120s内1W线程，Redis已有缓存（将近一般数据命中缓存的情况）
- 120s内1W线程，Reids有缓存（近一半），且配有BloomFilter
JMeter设置

4. 部分代码

（1）BloomFilter代码

这里让BloomFilter记住数据库的那100W条模拟数据

@Configuration
public class BloomFilterConfig {

    @Bean
    public BloomFilter<String> bloomFilter(){
        BloomFilter<String> bloomFilter = BloomFilter.create(new Funnel<String>() {
            @Override
            public void funnel(String from, PrimitiveSink into) {
                into.putString(from, Charsets.UTF_8);
            }
        },100_0000,0.01);
        // 初始化bloom-fliter。
        for(int i = 1;i<=100_0000;++i){
            bloomFilter.put("name_"+i);
        }
        return bloomFilter;
    }
}

（2）测试用的Controller方法

第一个，即localhost:8089/api/test/name01的方法，只有Redis和MySQL；
第二个，即localhost:8089/api/test/name02的方法，在第一个之前新增BloomFilter事先判断数据是否存在；

@Slf4j
@RestController
@RequestMapping("/test")
public class TestController extends ApiController {

    /**
     * 服务对象
     */
    @Resource
    private MyuserDao myuserDao;

    @Resource
    private RedisUtil redisUtil;

    @Resource
    private BloomFilter bloomFilter;

    /**
     * 通过名称name查询单条数据
     *
     * 没有bloom-fliter，无对应数据时，Redis无->MySQL无
     *
     * @param name 名称
     * @return 单条数据
     */
    @Transactional(propagation = Propagation.SUPPORTS)
    @GetMapping("/name01")
    public R selectOneV1(@RequestParam("name") String name) {
        // (1) Redis尝试获取数据
        String json = redisUtil.getVal(name);
        if (json != null) {
            return success(new Gson().fromJson(json, Myuser.class));
        } else {
            // (2) Redis无数据，从MySQL获取数据，若存在数据则缓存到Redis
            Myuser myuser = myuserDao.getUserByName(name);
            if (myuser != null) {
                json = new Gson().toJson(myuser);
                redisUtil.setVal(name, json);
            }
            return success(myuser);
        }
    }

    /**
     * 通过名称name查询单条数据
     *
     * 有bloom-fliter，无对应数据时，直接返回null
     *
     * @param name 名称
     * @return 单条数据
     */
    @Transactional(propagation = Propagation.SUPPORTS)
    @GetMapping("/name02")
    public R selectOneV2(@RequestParam("name") String name) {
        // (0) 先bloom-filter判断是否存在对应的数据，存在则继续查找，否则返回null
        if(!bloomFilter.mightContain(name)){
            logger.debug("不存在name为 "+ name +" 的数据");
            return success(null);
        }

        // (1) Redis尝试获取数据
        String json = redisUtil.getVal(name);
        if (json != null) {
            return success(new Gson().fromJson(json, Myuser.class));
        } else {
            // (2) Redis无数据，从MySQL获取数据，若存在数据则缓存到Redis
            Myuser myuser = myuserDao.getUserByName(name);
            if (myuser != null) {
                json = new Gson().toJson(myuser);
                redisUtil.setVal(name, json);
            }
            return success(myuser);
        }
    }


}