使用jmh框架进行benchmark测试

性能问题

最近在跑flink社区1.15版本使用json_value函数时，发现其性能很差，通过jstack查看堆栈经常在执行以下堆栈

可以看到这里的逻辑是在等锁，查看jsonpath的LRUCache

	//
	// Source code recreated from a .class file by IntelliJ IDEA
	// (powered by FernFlower decompiler)
	//
	package org.apache.flink.table.shaded.com.jayway.jsonpath.spi.cache;
	import java.util.Deque;
	import java.util.LinkedList;
	import java.util.Map;
	import java.util.concurrent.ConcurrentHashMap;
	import java.util.concurrent.locks.ReentrantLock;
	import org.apache.flink.table.shaded.com.jayway.jsonpath.JsonPath;
	public class LRUCache implements Cache {
	private final ReentrantLock lock = new ReentrantLock();
	private final Map<String, JsonPath> map = new ConcurrentHashMap();
	private final Deque<String> queue = new LinkedList();
	private final int limit;
	public LRUCache(int limit) {
	this.limit = limit;
	}
	public void put(String key, JsonPath value) {
	JsonPath oldValue = (JsonPath)this.map.put(key, value);
	if (oldValue != null) {
	this.removeThenAddKey(key);
	} else {
	this.addKey(key);
	}
	if (this.map.size() > this.limit) {
	this.map.remove(this.removeLast());
	}
	}
	public JsonPath get(String key) {
	JsonPath jsonPath = (JsonPath)this.map.get(key);
	if (jsonPath != null) {
	this.removeThenAddKey(key);
	}
	return jsonPath;
	}
	private void addKey(String key) {
	this.lock.lock();
	try {
	this.queue.addFirst(key);
	} finally {
	this.lock.unlock();
	}
	}
	private String removeLast() {
	this.lock.lock();
	String var2;
	try {
	String removedKey = (String)this.queue.removeLast();
	var2 = removedKey;
	} finally {
	this.lock.unlock();
	}
	return var2;
	}
	private void removeThenAddKey(String key) {
	this.lock.lock();
	try {
	this.queue.removeFirstOccurrence(key);
	this.queue.addFirst(key);
	} finally {
	this.lock.unlock();
	}
	}
	private void removeFirstOccurrence(String key) {
	this.lock.lock();
	try {
	this.queue.removeFirstOccurrence(key);
	} finally {
	this.lock.unlock();
	}
	}
	...
	}

可以看到get操作时，如果获取到的是有值的，那么会更新相应key的数据从双端队列移到首位，借此来实现LRU的功能，但是这样每次get和put操作都是需要加锁的，因此并发情况下吞吐就会比较低，也会导致cpu使用效率较低。
从jsonpath社区查看相应的问题，也有相关的反馈
Performance bottlenecks · Issue #740 · json-path/JsonPath · GitHub
Fix JSONPath cache inefficient issue by Ferrari6 · Pull Request #7409 · apache/pinot · GitHub
比较方便的是，jsonpath 提供了spi的方式可以自定义的设置Cache的实现类，可以通过以下方式来设置新的cache实现。

	static {
	CacheProvider.setCache(new JsonPathCache());
	}

从pinot的实现中，我们看到他是用了guava的cache来替换了默认的LRUCache实现，那么这样实现性能优化有多少呢，这里我们是用java的性能测试框架jmh来测试下性能提升的情况

性能测试

这里为了方便，直接在flink-benchmark工程里添加了两个benchmark的测试类.
GuavaCache
LRUCache
这里面需要注意，因为cache是进程级别共享的，所以我们需要将设置@State(Benchmark)级别，这样我们构建的cache就是进程级别共享，而不是线程级别共享的。

写的测试是4个线程运行，缓存大小均为400
为了避免在本机运行时受本机的其他程序影响，最好是build jar之后放到服务器上跑

java -jar target/benchmarks.jar -rf csv org.apache.flink.benchmark.GuavaCacheBenchmark

得到一个测试结果

	Benchmark Mode Cnt Score Error Units
	GuavaCacheBenchmark.get thrpt 30 4480.563 ± 203.311 ops/ms
	GuavaCacheBenchmark.put thrpt 30 1774.769 ± 119.198 ops/ms
	LRUCacheBenchmark.get thrpt 30 441.239 ± 2.812 ops/ms
	LRUCacheBenchmark.put thrpt 30 350.549 ± 12.285 ops/ms

可以看到使用guava的cache后，get性能提升8倍左右，put性能提升5倍左右。
这块性能提升的主要来源是cache的实现机制上，和caffeine 的作者在github上也简单了解了下相关的推荐实现
后面会写一篇文章来专门分析下caffeine cache的优化实现。