基准测试神器JMH实践-各类map性能对比

背景

最近同事线上提交发布了一个变更,导致平响涨了几ms,仔细看了变更后发现只是一个map的put和get逻辑,这里使用的方式有点奇怪,key为string类型,但是其实是一个枚举转换而来,value是Double类型

验证

这里怀疑map是string类型导致,因为这里key是一个枚举转换而来,所以感觉是使用enummap类来使用性能更好,但是这里毕竟只是猜想,所以需要科学的数据来验证 , 这里就搭了下JMH环境来验证,分别来验证几种类型的性能情况:

  1. Hashmap , key=string, value = Double
  2. HashMap , key=enum,value = Double
  3. EnumMap, key=enum, value = Double

环境搭建可以参考:https://zhuanlan.zhihu.com/p/381283590

具体验证代码:

import com.google.common.collect.Maps;
import org.openjdk.jmh.annotations.Benchmark;
import org.openjdk.jmh.annotations.BenchmarkMode;
import org.openjdk.jmh.annotations.Mode;
import org.openjdk.jmh.annotations.OutputTimeUnit;
import org.openjdk.jmh.annotations.Param;
import org.openjdk.jmh.annotations.Scope;
import org.openjdk.jmh.annotations.State;
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;

import java.util.EnumMap;
import java.util.Map;
import java.util.concurrent.TimeUnit;
@OutputTimeUnit(TimeUnit.MILLISECONDS)
@BenchmarkMode(Mode.AverageTime)
@State(Scope.Benchmark)
public class EnumTests {

    @Param({"1", "100", "10000", "1000000"})
    public int size;

    public static void main(String[] args) throws RunnerException {
        Options opt = new OptionsBuilder()
                .include(EnumTests.class.getSimpleName())
                .warmupIterations(1)
                .measurementIterations(1)
                .forks(1)
                .build();

        new Runner(opt).run();
    }

    @Benchmark
    public void testString() {
        Item item = new Item();
        for (int i = 0; i < size; i++) {
            item.setStirngScores(Maps.newHashMapWithExpectedSize(5));
            item.getStirngScores().put("CTR_SCORE", 0.00312D);
            item.getStirngScores().put("GMV_SCORE", 0.00312D);
            item.getStirngScores().put("CTRCVR_SCORE", 0.00312D);
            item.getStirngScores().put("CPM_SCORE", 0.00312D);
            item.getStirngScores().put("DIVERSITY_SCORE", 0.00312D);
            item.getStirngScores().get("CTR_SCORE");
            item.getStirngScores().get("GMV_SCORE");
            item.getStirngScores().get("CTRCVR_SCORE");
            item.getStirngScores().get("CPM_SCORE");
            item.getStirngScores().get("DIVERSITY_SCORE");
        }
    }

    @Benchmark
    public void testEnum() {
        Item item = new Item();
        for (int i = 0; i < size; i++) {
            item.setScores(Maps.newHashMapWithExpectedSize(5));
            item.getScores().put(ScoreType.CTR_SCORE, 0.00312D);
            item.getScores().put(ScoreType.GMV_SCORE, 0.00312D);
            item.getScores().put(ScoreType.CTRCVR_SCORE, 0.00312D);
            item.getScores().put(ScoreType.CPM_SCORE, 0.00312D);
            item.getScores().put(ScoreType.DIVERSITY_SCORE, 0.00312D);
            item.getScores().get(ScoreType.CTR_SCORE);
            item.getScores().get(ScoreType.GMV_SCORE);
            item.getScores().get(ScoreType.CTRCVR_SCORE);
            item.getScores().get(ScoreType.CPM_SCORE);
            item.getScores().get(ScoreType.DIVERSITY_SCORE);
        }
    }

    @Benchmark
    public void testEnumMap() {
        Item item = new Item();
        for (int i = 0; i < size; i++) {
            item.setEnumScores(new EnumMap<>(ScoreType.class));
            item.getEnumScores().put(ScoreType.CTR_SCORE, 0.00312D);
            item.getEnumScores().put(ScoreType.GMV_SCORE, 0.00312D);
            item.getEnumScores().put(ScoreType.CTRCVR_SCORE, 0.00312D);
            item.getEnumScores().put(ScoreType.CPM_SCORE, 0.00312D);
            item.getEnumScores().put(ScoreType.DIVERSITY_SCORE, 0.00312D);
            item.getEnumScores().get(ScoreType.DIVERSITY_SCORE);
            item.getEnumScores().get(ScoreType.DIVERSITY_SCORE);
            item.getEnumScores().get(ScoreType.DIVERSITY_SCORE);
            item.getEnumScores().get(ScoreType.DIVERSITY_SCORE);
            item.getEnumScores().get(ScoreType.DIVERSITY_SCORE);

        }
    }


    private class Item {
        public Item() {
        }

        Map<ScoreType, Double> scores;
        Map<String, Double> stirngScores;
        EnumMap<ScoreType, Double> enumScores;

        public EnumMap<ScoreType, Double> getEnumScores() {
            return enumScores;
        }

        public void setEnumScores(EnumMap<ScoreType, Double> enumScores) {
            this.enumScores = enumScores;
        }

        public Map<ScoreType, Double> getScores() {
            return scores;
        }

        public void setScores(Map<ScoreType, Double> scores) {
            this.scores = scores;
        }

        public Map<String, Double> getStirngScores() {
            return stirngScores;
        }

        public void setStirngScores(Map<String, Double> stirngScores) {
            this.stirngScores = stirngScores;
        }
    }

    private enum ScoreType {
        GMV_SCORE,
        CTR_SCORE,
        CTRCVR_SCORE,
        CPM_SCORE,
        DIVERSITY_SCORE;
    }
}

最终结果:
在这里插入图片描述

结论

可以看出来,随着操作数的增长, 如果是key为枚举类型的情况下,使用enummap是最优的

注意

test类如果放在test目录下的话,需要如下配置:
testImplementation ‘org.openjdk.jmh:jmh-core:1.33’
testAnnotationProcessor ‘org.openjdk.jmh:jmh-generator-annprocess:1.33’

  • 0
    点赞
  • 0
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
好的,我可以给你一个简单的示例来比较并行流和串行流在 jmh 测试中的性能差异。 假设我们有一个包含 1 百万个整数的列表,并且我们要计算这些数的总和。我们可以使用 Java 8 中的 Stream API 来实现这个任务,而且可以选择使用并行流或串行流来执行计算。 首先,我们来看一下串行流的实现代码: ```java public class SerialStreamBenchmark { private List<Integer> numbers; @Setup public void setup() { numbers = new ArrayList<>(); for (int i = 0; i < 1_000_000; i++) { numbers.add(i); } } @Benchmark public int sum() { return numbers.stream().mapToInt(Integer::intValue).sum(); } } ``` 在上述代码中,我们通过 `@Setup` 注解来初始化包含 1 百万个整数的列表。`@Benchmark` 注解标记了 `sum()` 方法,该方法将列表转换为流,然后通过 `mapToInt()` 方法将流中的元素映射为整数,并最终调用 `sum()` 方法计算它们的总和。 接下来,我们来看一下并行流的实现代码: ```java public class ParallelStreamBenchmark { private List<Integer> numbers; @Setup public void setup() { numbers = new ArrayList<>(); for (int i = 0; i < 1_000_000; i++) { numbers.add(i); } } @Benchmark public int sum() { return numbers.parallelStream().mapToInt(Integer::intValue).sum(); } } ``` 与串行流的实现代码类似,我们只需要将 `stream()` 方法替换为 `parallelStream()` 方法即可将流转换为并行流。 接下来,我们可以使用 jmh 测试这两个实现的性能差异。以下是测试类的代码: ```java public class StreamBenchmarkTest { @BenchmarkMode(Mode.AverageTime) @OutputTimeUnit(TimeUnit.MILLISECONDS) @Warmup(iterations = 5, time = 1, timeUnit = TimeUnit.SECONDS) @Measurement(iterations = 10, time = 1, timeUnit = TimeUnit.SECONDS) @Fork(1) @State(Scope.Thread) public static class SerialStreamBenchmarkTest { SerialStreamBenchmark serialStreamBenchmark = new SerialStreamBenchmark(); @Setup public void setup() { serialStreamBenchmark.setup(); } @Benchmark public int sum() { return serialStreamBenchmark.sum(); } } @BenchmarkMode(Mode.AverageTime) @OutputTimeUnit(TimeUnit.MILLISECONDS) @Warmup(iterations = 5, time = 1, timeUnit = TimeUnit.SECONDS) @Measurement(iterations = 10, time = 1, timeUnit = TimeUnit.SECONDS) @Fork(1) @State(Scope.Thread) public static class ParallelStreamBenchmarkTest { ParallelStreamBenchmark parallelStreamBenchmark = new ParallelStreamBenchmark(); @Setup public void setup() { parallelStreamBenchmark.setup(); } @Benchmark public int sum() { return parallelStreamBenchmark.sum(); } } public static void main(String[] args) throws RunnerException { Options options = new OptionsBuilder() .include(StreamBenchmarkTest.class.getSimpleName()) .build(); new Runner(options).run(); } } ``` 在上述代码中,我们使用了 `@BenchmarkMode`、`@OutputTimeUnit`、`@Warmup`、`@Measurement`、`@Fork` 和 `@State` 注解来配置 jmh 测试。其中,`@State` 注解指定了测试类的状态,`@Setup` 注解用于初始化测试数据。 最后,我们运行测试类,就可以得到并行流和串行流的性能测试结果了。 需要注意的是,实际的测试结果可能因为硬件环境和测试数据的不同而有所不同,这里只是提供了一个简单的示例来比较并行流和串行流在 jmh 测试中的性能差异。

“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