Java 性能调优必备利器——JMH，Java多线程实现方式及并发与同步

String a = “”;

for (int i = 0; i < length; i++) {

a += i;

}

blackhole.consume(a);

}

@Benchmark

public void testStringBuilderAdd(Blackhole blackhole) {

StringBuilder sb = new StringBuilder();

for (int i = 0; i < length; i++) {

sb.append(i);

}

blackhole.consume(sb.toString());

}

public static void main(String[] args) throws RunnerException {

Options opt = new OptionsBuilder()

.include(StringConnectTest.class.getSimpleName())

.result(“result.json”)

.resultFormat(ResultFormatType.JSON).build();

new Runner(opt).run();

}

}

其中需要测试的方法用 @Benchmark 注解标识，这些注解的具体含义将在下面介绍。最新面试题整理好了，点击Java面试库小程序在线刷题。

在 main() 函数中，首先对测试用例进行配置，使用 Builder 模式配置测试，将配置参数存入 Options 对象，并使用 Options 对象构造 Runner 启动测试。

另外大家可以看下官方提供的 jmh 示例 demo：http://hg.openjdk.java.net/code-tools/jmh/file/tip/jmh-samples/src/main/java/org/openjdk/jmh/samples/

执行基准测试

准备工作做好了，接下来，运行代码，等待片刻，测试结果就出来了，下面对结果做下简单说明：

JMH version: 1.23

VM version: JDK 1.8.0_201, Java HotSpot™ 64-Bit Server VM, 25.201-b09

VM invoker: D:\Software\Java\jdk1.8.0_201\jre\bin\java.exe

VM options: -javaagent:D:\Software\JetBrains\IntelliJ IDEA 2019.1.3\lib\idea_rt.jar=61018:D:\Software\JetBrains\IntelliJ IDEA 2019.1.3\bin -Dfile.encoding=UTF-8

Warmup: 3 iterations, 1 s each

Measurement: 5 iterations, 5 s each

Timeout: 10 min per iteration

Threads: 4 threads, will synchronize iterations

Benchmark mode: Average time, time/op

Benchmark: com.wupx.jmh.StringConnectTest.testStringBuilderAdd

Parameters: (length = 100)

该部分为测试的基本信息，比如使用的 Java 路径，预热代码的迭代次数，测量代码的迭代次数，使用的线程数量，测试的统计单位等。

Warmup Iteration 1: 1083.569 ±(99.9%) 393.884 ns/op

Warmup Iteration 2: 864.685 ±(99.9%) 174.120 ns/op

Warmup Iteration 3: 798.310 ±(99.9%) 121.161 ns/op

该部分为每一次热身中的性能指标，预热测试不会作为最终的统计结果。预热的目的是让 JVM 对被测代码进行足够多的优化，比如，在预热后，被测代码应该得到了充分的 JIT 编译和优化。

Iteration 1: 810.667 ±(99.9%) 51.505 ns/op

Iteration 2: 807.861 ±(99.9%) 13.163 ns/op

Iteration 3: 851.421 ±(99.9%) 33.564 ns/op

Iteration 4: 805.675 ±(99.9%) 33.038 ns/op

Iteration 5: 821.020 ±(99.9%) 66.943 ns/op

Result “com.wupx.jmh.StringConnectTest.testStringBuilderAdd”:

819.329 ±(99.9%) 72.698 ns/op [Average]

(min, avg, max) = (805.675, 819.329, 851.421), stdev = 18.879

CI (99.9%): [746.631, 892.027] (assumes normal distribution)

Benchmark (length) Mode Cnt Score Error Units

StringConnectTest.testStringBuilderAdd 100 avgt 5 819.329 ± 72.698 ns/op

该部分显示测量迭代的情况，每一次迭代都显示了当前的执行速率，即一个操作所花费的时间。在进行 5 次迭代后，进行统计，在本例中，length 为 100 的情况下 testStringBuilderAdd 方法的平均执行花费时间为 819.329 ns，误差为 72.698 ns。

最后的测试结果如下所示：

Benchmark (length) Mode Cnt Score Error Units

StringConnectTest.testStringAdd 10 avgt 5 161.496 ± 17.097 ns/op

StringConnectTest.testStringAdd 50 avgt 5 1854.657 ± 227.902 ns/op

StringConnectTest.testStringAdd 100 avgt 5 6490.062 ± 327.626 ns/op

StringConnectTest.testStringBuilderAdd 10 avgt 5 68.769 ± 4.460 ns/op

StringConnectTest.testStringBuilderAdd 50 avgt 5 413.021 ± 30.950 ns/op

StringConnectTest.testStringBuilderAdd 100 avgt 5 819.329 ± 72.698 ns/op

结果表明，在拼接字符次数越多的情况下，StringBuilder.append() 的性能就更好。

生成 jar 包执行

对于一些小测试，直接用上面的方式写一个 main 函数手动执行就好了。

对于大型的测试，需要测试的时间比较久、线程数比较多，加上测试的服务器需要，一般要放在 Linux 服务器里去执行。

JMH 官方提供了生成 jar 包的方式来执行，我们需要在 maven 里增加一个 plugin，具体配置如下：

org.apache.maven.plugins

maven-shade-plugin

2.4.1

package

shade

jmh-demo

<transformer

implementation=“org.apache.maven.plugins.shade.resource.ManifestResourceTransformer”>

org.openjdk.jmh.Main

接着执行 maven 的命令生成可执行 jar 包并执行：

mvn clean install

java -jar target/jmh-demo.jar StringConnectTest

JMH 基础

---

为了能够更好地使用 JMH 的各项功能，下面对 JMH 的基本概念进行讲解：

@BenchmarkMode

用来配置 Mode 选项，可用于类或者方法上，这个注解的 value 是一个数组，可以把几种 Mode 集合在一起执行，如：@BenchmarkMode({Mode.SampleTime, Mode.AverageTime})，还可以设置为 Mode.All，即全部执行一遍。

1. Throughput：整体吞吐量，每秒执行了多少次调用，单位为 ops/time

2. AverageTime：用的平均时间，每次操作的平均时间，单位为 time/op

3. SampleTime：随机取样，最后输出取样结果的分布

4. SingleShotTime：只运行一次，往往同时把 Warmup 次数设为 0，用于测试冷启动时的性能

5. All：上面的所有模式都执行一次

点击关注公众号，Java干货****及时送达

@State

通过 State 可以指定一个对象的作用范围，JMH 根据 scope 来进行实例化和共享操作。@State 可以被继承使用，如果父类定义了该注解，子类则无需定义。由于 JMH 允许多线程同时执行测试，不同的选项含义如下：

1. Scope.Benchmark：所有测试线程共享一个实例，测试有状态实例在多线程共享下的性能

2. Scope.Group：同一个线程在同一个 group 里共享实例

3. Scope.Thread：默认的 State，每个测试线程分配一个实例

@OutputTimeUnit

为统计结果的时间单位，可用于类或者方法注解

@Warmup

预热所需要配置的一些基本测试参数，可用于类或者方法上。一般前几次进行程序测试的时候都会比较慢，所以要让程序进行几轮预热，保证测试的准确性。参数如下所示：

1. iterations：预热的次数

2. time：每次预热的时间

3. timeUnit：时间的单位，默认秒

4. batchSize：批处理大小，每次操作调用几次方法

自我介绍一下，小编13年上海交大毕业，曾经在小公司待过，也去过华为、OPPO等大厂，18年进入阿里一直到现在。

深知大多数Java工程师，想要提升技能，往往是自己摸索成长或者是报班学习，但对于培训机构动则几千的学费，着实压力不小。自己不成体系的自学效果低效又漫长，而且极易碰到天花板技术停滞不前！

因此收集整理了一份《2024年Java开发全套学习资料》，初衷也很简单，就是希望能够帮助到想自学提升又不知道该从何学起的朋友，同时减轻大家的负担。

既有适合小白学习的零基础资料，也有适合3年以上经验的小伙伴深入学习提升的进阶课程，基本涵盖了95%以上Java开发知识点，真正体系化！

由于文件比较大，这里只是将部分目录大纲截图出来，每个节点里面都包含大厂面经、学习笔记、源码讲义、实战项目、讲解视频，并且后续会持续更新
如果你觉得这些内容对你有帮助，可以添加V：vip1024b 备注Java获取（资料价值较高，非无偿）

总结：绘上一张Kakfa架构思维大纲脑图（xmind）

其实关于Kafka，能问的问题实在是太多了，扒了几天，最终筛选出44问：基础篇17问、进阶篇15问、高级篇12问，个个直戳痛点，不知道如果你不着急看答案，又能答出几个呢？

若是对Kafka的知识还回忆不起来，不妨先看我手绘的知识总结脑图（xmind不能上传，文章里用的是图片版）进行整体架构的梳理

梳理了知识，刷完了面试，如若你还想进一步的深入学习解读kafka以及源码，那么接下来的这份《手写“kafka”》将会是个不错的选择。

• Kafka入门

• 为什么选择Kafka

• Kafka的安装、管理和配置

• Kafka的集群

• 第一个Kafka程序

• Kafka的生产者

• Kafka的消费者

• 深入理解Kafka

• 可靠的数据传递

• Spring和Kafka的整合

• SpringBoot和Kafka的整合

• Kafka实战之削峰填谷

• 数据管道和流式处理(了解即可)

，文章里用的是图片版）进行整体架构的梳理

梳理了知识，刷完了面试，如若你还想进一步的深入学习解读kafka以及源码，那么接下来的这份《手写“kafka”》将会是个不错的选择。

• Kafka入门

• 为什么选择Kafka

• Kafka的安装、管理和配置

• Kafka的集群

• 第一个Kafka程序

• Kafka的生产者

• Kafka的消费者

• 深入理解Kafka

• 可靠的数据传递

• Spring和Kafka的整合

• SpringBoot和Kafka的整合

• Kafka实战之削峰填谷

• 数据管道和流式处理(了解即可)

[外链图片转存中…(img-kOyf0oeZ-1711552324057)]

[外链图片转存中…(img-QQ6kFqxU-1711552324058)]