Java 代码性能基准测试

1、问题背景

long start = System.currentTimeMillis();
// ....
long end = System.currentTimeMillis();
System.out.println(end - start);

上面可能就是你最常见的性能测试了,这样的测试结果真的准确吗?答案是否定的,它有下面几个问题。

时间精度问题,本身获取到的时间戳就是存在误差的,它和操作系统有关。
JVM 在运行时会进行代码预热,说白了就是越跑越快。因为类需要装载、需要准备操作。
JVM 会在各个阶段都有可能对你的代码进行优化处理。
资源回收的不确定性,可能运行很快,回收很慢。
带着这些问题,突然发现进行一次严格的基准测试的难度大大增加。那么如何才能进行一次严格的基准测试呢?

2、JMH介绍

JMH 的全名是 Java Microbenchmark Harness,它是由 Java 虚拟机团队开发的一款用于 Java 微基准测试工具。用自己开发的工具测试自己开发的另一款工具,使用 JMH 可以让你方便快速的进行一次严格的代码基准测试,并且有多种测试模式,多种测试维度可供选择;而且使用简单、增加注解便可启动测试

3、JMH使用

<!--jmh 基准测试 -->
<dependency>
    <groupId>org.openjdk.jmh</groupId>
    <artifactId>jmh-core</artifactId>
    <version>1.23</version>
</dependency>
<dependency>
    <groupId>org.openjdk.jmh</groupId>
    <artifactId>jmh-generator-annprocess</artifactId>
    <version>1.23</version>
    <scope>provided</scope>
</dependency>

下面使用注解的方式指定测试参数,通过一个例子展示 JMH 基准测试的具体用法,先看一次运行效果,然后再了解每个注解的具体含义。

这个例子是使用 JMH 测试,使用加号拼接字符串和使用 StringBuilder 的 append 方法拼接字符串时的速度如何,每次拼接 1000 个数字进行平均速度比较。

package cn.haochen.jmhdemo;

import java.util.concurrent.TimeUnit;
import org.openjdk.jmh.annotations.*;
import org.openjdk.jmh.runner.Runner;
import org.openjdk.jmh.runner.RunnerException;
import org.openjdk.jmh.runner.options.Options;
import org.openjdk.jmh.runner.options.OptionsBuilder;


@BenchmarkMode(Mode.AverageTime)
@State(Scope.Thread)
@Fork(1)
@OutputTimeUnit(TimeUnit.MILLISECONDS)
@Warmup(iterations = 3)
@Measurement(iterations = 5)
public class JmhHello {

    String string = "";
    StringBuilder stringBuilder = new StringBuilder();

    @Benchmark
    public String stringAdd() {
        for (int i = 0; i < 1000; i++) {
            string = string + i;
        }
        return string;
    }

    @Benchmark
    public String stringBuilderAppend() {
        for (int i = 0; i < 1000; i++) {
            stringBuilder.append(i);
        }
        return stringBuilder.toString();
    }

    public static void main(String[] args) throws RunnerException {
        Options opt = new OptionsBuilder()
                .include(JmhHello.class.getSimpleName())
                .build();
        new Runner(opt).run();
    }
}

```bash
D:\application\java\jdk\bin\java.exe "-javaagent:D:\application\idea\IntelliJ IDEA 2021.2.1\lib\idea_rt.jar=50133:D:\application\idea\IntelliJ IDEA 2021.2.1\bin" -Dfile.encoding=UTF-8 -classpath D:\application\java\jdk\jre\lib\charsets.jar;D:\application\java\jdk\jre\lib\deploy.jar;D:\application\java\jdk\jre\lib\ext\access-bridge-64.jar;D:\application\java\jdk\jre\lib\ext\cldrdata.jar;D:\application\java\jdk\jre\lib\ext\dnsns.jar;D:\application\java\jdk\jre\lib\ext\jaccess.jar;D:\application\java\jdk\jre\lib\ext\jfxrt.jar;D:\application\java\jdk\jre\lib\ext\localedata.jar;D:\application\java\jdk\jre\lib\ext\nashorn.jar;D:\application\java\jdk\jre\lib\ext\sunec.jar;D:\application\java\jdk\jre\lib\ext\sunjce_provider.jar;D:\application\java\jdk\jre\lib\ext\sunmscapi.jar;D:\application\java\jdk\jre\lib\ext\sunpkcs11.jar;D:\application\java\jdk\jre\lib\ext\zipfs.jar;D:\application\java\jdk\jre\lib\javaws.jar;D:\application\java\jdk\jre\lib\jce.jar;D:\application\java\jdk\jre\lib\jfr.jar;D:\application\java\jdk\jre\lib\jfxswt.jar;D:\application\java\jdk\jre\lib\jsse.jar;D:\application\java\jdk\jre\lib\management-agent.jar;D:\application\java\jdk\jre\lib\plugin.jar;D:\application\java\jdk\jre\lib\resources.jar;D:\application\java\jdk\jre\lib\rt.jar;D:\workplace\gitcode\jmhdemo\target\classes;C:\Users\浩宸\.m2\repository\org\openjdk\jmh\jmh-core\1.23\jmh-core-1.23.jar;C:\Users\浩宸\.m2\repository\net\sf\jopt-simple\jopt-simple\4.6\jopt-simple-4.6.jar;C:\Users\浩宸\.m2\repository\org\apache\commons\commons-math3\3.2\commons-math3-3.2.jar cn.haochen.jmhdemo.JmhHello
# JMH version: 1.23
# VM version: JDK 1.8.0_211, Java HotSpot(TM) 64-Bit Server VM, 25.211-b12
# VM invoker: D:\application\java\jdk\jre\bin\java.exe
# VM options: -javaagent:D:\application\idea\IntelliJ IDEA 2021.2.1\lib\idea_rt.jar=50133:D:\application\idea\IntelliJ IDEA 2021.2.1\bin -Dfile.encoding=UTF-8
# Warmup: 3 iterations, 10 s each
# Measurement: 5 iterations, 10 s each
# Timeout: 10 min per iteration
# Threads: 1 thread, will synchronize iterations
# Benchmark mode: Average time, time/op
# Benchmark: cn.haochen.jmhdemo.JmhHello.stringAdd

# Run progress: 0.00% complete, ETA 00:02:40
# Fork: 1 of 1
# Warmup Iteration   1: 116.722 ms/op
# Warmup Iteration   2: 155.600 ms/op
# Warmup Iteration   3: 145.764 ms/op
Iteration   1: 195.496 ms/op
Iteration   2: 251.977 ms/op
Iteration   3: 298.298 ms/op
Iteration   4: 310.489 ms/op
Iteration   5: 347.816 ms/op


Result "cn.haochen.jmhdemo.JmhHello.stringAdd":
  280.815 ±(99.9%) 226.061 ms/op [Average]
  (min, avg, max) = (195.496, 280.815, 347.816), stdev = 58.707
  CI (99.9%): [54.754, 506.876] (assumes normal distribution)


# JMH version: 1.23
# VM version: JDK 1.8.0_211, Java HotSpot(TM) 64-Bit Server VM, 25.211-b12
# VM invoker: D:\application\java\jdk\jre\bin\java.exe
# VM options: -javaagent:D:\application\idea\IntelliJ IDEA 2021.2.1\lib\idea_rt.jar=50133:D:\application\idea\IntelliJ IDEA 2021.2.1\bin -Dfile.encoding=UTF-8
# Warmup: 3 iterations, 10 s each
# Measurement: 5 iterations, 10 s each
# Timeout: 10 min per iteration
# Threads: 1 thread, will synchronize iterations
# Benchmark mode: Average time, time/op
# Benchmark: cn.haochen.jmhdemo.JmhHello.stringBuilderAppend

# Run progress: 50.00% complete, ETA 00:01:22
# Fork: 1 of 1
# Warmup Iteration   1: 1.898 ms/op
# Warmup Iteration   2: 4.408 ms/op
# Warmup Iteration   3: 5.807 ms/op
Iteration   1: 6.832 ms/op
Iteration   2: 7.782 ms/op
Iteration   3: 8.771 ms/op
Iteration   4: 9.465 ms/op
Iteration   5: 10.366 ms/op


Result "cn.haochen.jmhdemo.JmhHello.stringBuilderAppend":
  8.643 ±(99.9%) 5.336 ms/op [Average]
  (min, avg, max) = (6.832, 8.643, 10.366), stdev = 1.386
  CI (99.9%): [3.307, 13.979] (assumes normal distribution)


# Run complete. Total time: 00:02:43

REMEMBER: The numbers below are just data. To gain reusable insights, you need to follow up on
why the numbers are the way they are. Use profilers (see -prof, -lprof), design factorial
experiments, perform baseline and negative tests that provide experimental control, make sure
the benchmarking environment is safe on JVM/OS/HW level, ask for reviews from the domain experts.
Do not assume the numbers tell you what you want them to tell.

Benchmark                     Mode  Cnt    Score     Error  Units
JmhHello.stringAdd            avgt    5  280.815 ± 226.061  ms/op
JmhHello.stringBuilderAppend  avgt    5    8.643 ±   5.336  ms/op

Process finished with exit code 0

4、注解说明

经过上面的示例,想必你也可以快速的使用 JMH 进行基准测试了,不过上面的诸多注解你可能还有疑惑,下面一一介绍。

@BenchmarkMode(Mode.AverageTime)
@State(Scope.Thread)
@Fork(1)
@OutputTimeUnit(TimeUnit.MILLISECONDS)
@Warmup(iterations = 3)
@Measurement(iterations = 5)

@BenchmarkMode(Mode.AverageTime) 表示统计平均响应时间,不仅可以用在类上,也可用在测试方法上。

除此之外还可以取值:

Throughput:统计单位时间内可以对方法测试多少次。
SampleTime:统计每个响应时间范围内的响应次数,比如 0-1ms,3 次;1-2ms,5 次。
SingleShotTime:跳过预热阶段,直接进行一次 **** 微基准测试。
@State(Scope.Thread):每个进行基准测试的线程都会独享一个对象示例。

除此之外还能取值:

Benchmark:多线程共享一个示例。
Group:线程组共享一个示例,在测试方法上使用 @Group 设置线程组。
@Fork(1):表示开启一个线程进行测试。

**OutputTimeUnit (TimeUnit.MILLISECONDS):输出的时间单位,这里写的是毫秒。

@Warmup(iterations = 3):微基准测试前进行三次预热执行,也可用在测试方法上。

@Measurement(iterations = 5):进行 5 次微基准测试,也可用在测试方法上。

在两个测试方法上只使用了一个注解 @Benchmark,这个注解表示这个方法是要进行基准测试的方法,它类似于 Junit 中的 @Test 注解。上面还提到某些注解还可以用到测试方法上,也就是使用了 @Benchmark 的方法之上,如果类上和测试方法同时存在注解,会以方法上的注解为准。

  • 2
    点赞
  • 8
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
测试程序适用于接口类的性能测试,只适用于单交易基准 和 单交易负载测试;支持两种场景: 场景一:模拟LoadRunner/Jmeter的并发策略,根据设定的并发用户,在开始测试时,启动对应并发用户数的线程,每个线程中一直进行发测试交易,但是每个线程中需要等上一笔交易收到响应之后,再发起另外一笔交易; 场景二:根据设定的并发用户,在开始测试时,启动对应并发用户数的线程,每个线程中异步发送交易,发送完成后,等待一秒后,继续异步发起另外一笔交易。 常见的就是场景一;场景二慎用,当交易的平均响应时间会大于1秒的话,系统压力会越来越大。 Script1.java测试场景一的代码; Script2.java测试场景二的代码; 根据场景描述,看一下代码,比较容易理解。 测试方法: (1)、修改property 文件中的配置,vuserNum 对应并发用户数;runTime对应执行时间,单位为秒; (2)、可以将发送交易:sendTrans();方法中的 补充调用交易的代码 注释开始和结束的位置替换一下,模拟一下程序要执行一段时间,例如: //测试代码 // try { // TimeUnit.MILLISECONDS.sleep(200); //休眠200ms // } catch (InterruptedException e) { // e.printStackTrace(); // } 然后再将下面的判断交易状态的判断条件 改成 if(1==1) (3)、执行main方法就可以进行测试了。 测试完成之后,将上面的测试代码,换成自己要测试的接口的业务逻辑即可,最后达成jar包,建议放在与服务器同网段的服务器上运行; 输出结果最后一行的内容,可以直接粘贴在Excel中,到最后处理一下日志,统一粘贴就行了。
Java应用性能优化是一个非常重要的话题,在现代软件开发中扮演着至关重要的角色。为了优化Java应用的性能,可以采取以下几个常用的方法和技巧: 1. 使用Java Profiler进行性能分析:Java Profiler是一种常用的性能分析工具,可以帮助开发者找到应用程序的瓶颈。通过采样和跟踪应用程序的执行过程,可以获取性能数据并分析应用程序的性能问题。选择一个合适的Java Profiler工具,如JProfiler、YourKit Java Profiler等,配置连接参数,然后使用采样功能获取CPU占用率数据,使用跟踪功能监视方法的调用次数、时间等,根据分析结果找到瓶颈并解决问题。\[3\] 2. 进行基准测试:使用JMH进行基准测试是优化Java应用性能的常用方法之一。基准测试可以帮助开发者评估应用程序在不同场景下的性能表现,并找到性能瓶颈。通过编写基准测试代码,模拟真实场景下的应用程序行为,然后使用JMH工具运行基准测试并分析结果,可以发现潜在的性能问题并进行优化。\[1\] 3. 优化JVM参数:JVM参数的优化也是提升Java应用性能的重要手段之一。通过调整JVM参数,可以改变Java应用程序的运行行为,从而提高性能。例如,可以调整堆内存大小、垃圾回收器的选择和配置、线程池的大小等。根据应用程序的特点和需求,合理地配置JVM参数可以显著提升Java应用的性能。\[2\] 综上所述,Java应用性能优化是一个重要的话题,可以通过使用Java Profiler进行性能分析、进行基准测试以及优化JVM参数等方法来提升Java应用的性能。 #### 引用[.reference_title] - *1* *2* *3* [Java性能优化实践:分享Java性能优化的实践经验](https://blog.csdn.net/weixin_46780832/article/details/129558656)[target="_blank" data-report-click={"spm":"1018.2226.3001.9630","extra":{"utm_source":"vip_chatgpt_common_search_pc_result","utm_medium":"distribute.pc_search_result.none-task-cask-2~all~insert_cask~default-1-null.142^v91^control_2,239^v3^insert_chatgpt"}} ] [.reference_item] [ .reference_list ]

“相关推荐”对你有帮助么?

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值