java 多线程压测_［转］比较Jmeter、Grinder和JAVA多线程本身压力测试所带来的性能开销...

1. 测试环境

jmeter版本 ：jmeter 2.4

grinder的版本 ： Grinder 3

JAVA的版本：JDK 1.6

2. 测试代码

Jmeter测试代码

public class Sampler {

public void test() {

return;

}

}

public class JmeterTest extends AbstractJavaSamplerClient {

Sampler sampler;

@Override

public SampleResult runTest(JavaSamplerContext context) {

SampleResult results = new SampleResult();

results.sampleStart();

sampler.test();

results.sampleEnd();

results.setSuccessful(true);

return results;

}

@Override

public void setupTest(JavaSamplerContext arg0) {

sampler = new Sampler();

}

}

grinder测试代码

public class Sampler {

public void test() {

return;

}

}

# Test.py

#

# A minimal script that tests The Grinder logging facility.

#

# This script shows the recommended style for scripts, with a

# TestRunner class. The script is executed just once by each worker

# process and defines the TestRunner class. The Grinder creates an

# instance of TestRunner for each worker thread, and repeatedly calls

# the instance for each run of that thread.

from net.grinder.script.Grinder import grinder

from net.grinder.script import Test

from sampler import Sampler

test = Test(1, "Sample")

class TestRunner:

# This method is called for every run.

def __call__(self):

mySampler = test.wrap(Sampler())

mySampler.test()

Java本身多线程

public static void test(int numOfThreads, int times) throws InterruptedException, ExecutionException {

ExecutorService executor = Executors.newFixedThreadPool(numOfThreads);

final Sampler sampler = new Sampler();

List> results = new ArrayList>();

for (int i = 0; i 

results.add(executor.submit(new Callable() {

@Override

public Long call() throws Exception {

long begin = System.currentTimeMillis();

sampler.test();

long end = System.currentTimeMillis();

return end - begin;

}

}));

}

executor.shutdown();

while(!executor.awaitTermination(1, TimeUnit.SECONDS));

long sum = 0;

for (Future result : results) {

sum += result.get();

}

System.out.println("---------------------------------");

System.out.println("number of threads :" + numOfThreads + " times:" + times);

System.out.println("running time: " + sum + "ms");

System.out.println("TPS: " + (double)(100000 * 1000) / (double)(sum));

System.out.println();

}

3. 测试结果

10个线程 100000次运行

--

TPS

Jmeter

50426.10

Grinder

290275.76

Java threads

2.5E7

20个线程 100000次运行

--

TPS

Jmeter

49215.02

Grinder

225402.91

Java threads

2.5E7

50个线程 100000次运行

--

TPS

Jmeter

29312.61

Grinder

212242.13

Java threads

2.5E7

100个线程 100000次运行

--

TPS

Jmeter

29031.03

Grinder

245507.22

Java threads

2.5E7

200个线程 10000次运行(这里减少了一个0)

--

TPS

Jmeter

28039.87

Grinder

232801.77

Java threads

2.5E7

300个线程 10000次运行

--

TPS

Jmeter

27208.16

Grinder

236537.10

Java threads

1818181.81

1000个线程 10000次运行

--

TPS

Jmeter

27208.16

Grinder

236537.10

Java threads

2.5E7

4. 结论

可以看出Jmeter的本身性能开销是很大的，只适合一般应用的性能测试

Grinder在测试的时候发现上下文切换比较严重，而可能是因为内部机制导致的开销较大的，当然如果测试memcache肯定是不适合的，但一般的应用测试基本上没有问题

JAVA多线程本身并发框架性能开销也是有的，但是比较低，适合要求较高的性能测试，如对redis和memcache构建的应用进行压测

转：http://blog.csdn.net/techq/article/details/6628533