跳到主要內容

性能調優必備利器之 JMH

if 快還是 switch 快？HashMap 的初始化 size 要不要指定，指定之後性能可以提高多少？各種序列化方法哪個耗時更短？


無論出自何種原因需要進行性能評估，量化指標總是必要的。


在大部分場合，簡單地回答誰快誰慢是遠遠不夠的，如何將程序性能量化呢？


這就需要我們的主角 JMH 登場了！


JMH 簡介


JMH(Java Microbenchmark Harness)是用於代碼微基準測試的工具套件，主要是基於方法層面的基準測試，精度可以達到納秒級。該工具是由 Oracle 內部實現 JIT 的大牛們編寫的，他們應該比任何人都了解 JIT 以及 JVM 對於基準測試的影響。


當你定位到熱點方法，希望進一步優化方法性能的時候，就可以使用 JMH 對優化的結果進行量化的分析。


JMH 比較典型的應用場景如下：



  1. 想準確地知道某個方法需要執行多長時間，以及執行時間和輸入之間的相關性

  2. 對比接口不同實現在給定條件下的吞吐量

  3. 查看多少百分比的請求在多長時間內完成


下面我們以字符串拼接的兩種方法為例子使用 JMH 做基準測試。


加入依賴


因為 JMH 是 JDK9 自帶的，如果是 JDK9 之前的版本需要加入如下依賴（目前 JMH 的最新版本為 1.23）：


<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>
 </dependency>

編寫基準測試


接下來，創建一個 JMH 測試類，用來判斷 + 和 StringBuilder.append() 兩種字符串拼接哪個耗時更短，具體代碼如下所示：


@BenchmarkMode(Mode.AverageTime)
 @Warmup(iterations = 3, time = 1)
 @Measurement(iterations = 5, time = 5)
 @Threads(4)
 @Fork(1)
 @State(value = Scope.Benchmark)
 @OutputTimeUnit(TimeUnit.NANOSECONDS)
 public class StringConnectTest {
 
     @Param(value = {"10", "50", "100"})
     private int length;
 
     @Benchmark
     public void testStringAdd(Blackhole blackhole) {
         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();
     }
 }

其中需要測試的方法用 @Benchmark 註解標識，這些註解的具體含義將在下面介紹。


在 main() 函數中，首先對測試用例進行配置，使用 Builder 模式配置測試，將配置參數存入 Options 對象，並使用 Options 對象構造 Runner 啟動測試。


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/


執行基準測試


準備工作做好了，接下來，運行代碼，等待片刻，測試結果就出來了，下面對結果做下簡單說明：


# JMH version: 1.23
 # VM version: JDK 1.8.0_201, Java HotSpot(TM) 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)

該部分為測試的基本信息，比如使用的 Java 路徑，預熱代碼的迭代次數，測量代碼的迭代次數，使用的線程數量，測試的統計單位等。


# 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

該部分為每一次熱身中的性能指標，預熱測試不會作為最終的統計結果。預熱的目的是讓 JVM 對被測代碼進行足夠多的優化，比如，在預熱后，被測代碼應該得到了充分的 JIT 編譯和優化。


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

該部分显示測量迭代的情況，每一次迭代都显示了當前的執行速率，即一個操作所花費的時間。在進行 5 次迭代后，進行統計，在本例中，length 為 100 的情況下 testStringBuilderAdd 方法的平均執行花費時間為 819.329 ns，誤差為 72.698 ns。


最後的測試結果如下所示：


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

結果表明，在拼接字符次數越多的情況下，StringBuilder.append() 的性能就更好。


生成 jar 包執行


對於一些小測試，直接用上面的方式寫一個 main 函數手動執行就好了。


對於大型的測試，需要測試的時間比較久、線程數比較多，加上測試的服務器需要，一般要放在 Linux 服務器里去執行。


JMH 官方提供了生成 jar 包的方式來執行，我們需要在 maven 里增加一個 plugin，具體配置如下：


<plugins>
     <plugin>
         <groupId>org.apache.maven.plugins</groupId>
         <artifactId>maven-shade-plugin</artifactId>
         <version>2.4.1</version>
         <executions>
             <execution>
                 <phase>package</phase>
                 <goals>
                     <goal>shade</goal>
                 </goals>
                 <configuration>
                     <finalName>jmh-demo</finalName>
                     <transformers>
                         <transformer
                                 implementation="org.apache.maven.plugins.shade.resource.ManifestResourceTransformer">
                             <mainClass>org.openjdk.jmh.Main</mainClass>
                         </transformer>
                     </transformers>
                 </configuration>
             </execution>
         </executions>
     </plugin>
 </plugins>

接着執行 maven 的命令生成可執行 jar 包並執行：


mvn clean install
 java -jar target/jmh-demo.jar StringConnectTest

JMH 基礎


為了能夠更好地使用 JMH 的各項功能，下面對 JMH 的基本概念進行講解：


@BenchmarkMode


用來配置 Mode 選項，可用於類或者方法上，這個註解的 value 是一個數組，可以把幾種 Mode 集合在一起執行，如：@BenchmarkMode({Mode.SampleTime, Mode.AverageTime})，還可以設置為 Mode.All，即全部執行一遍。



  1. Throughput：整體吞吐量，每秒執行了多少次調用，單位為 ops/time

  2. AverageTime：用的平均時間，每次操作的平均時間，單位為 time/op

  3. SampleTime：隨機取樣，最後輸出取樣結果的分佈

  4. SingleShotTime：只運行一次，往往同時把 Warmup 次數設為 0，用於測試冷啟動時的性能

  5. All：上面的所有模式都執行一次


@State


通過 State 可以指定一個對象的作用範圍，JMH 根據 scope 來進行實例化和共享操作。@State 可以被繼承使用，如果父類定義了該註解，子類則無需定義。由於 JMH 允許多線程同時執行測試，不同的選項含義如下：



  1. Scope.Benchmark：所有測試線程共享一個實例，測試有狀態實例在多線程共享下的性能

  2. Scope.Group：同一個線程在同一個 group 里共享實例

  3. Scope.Thread：默認的 State，每個測試線程分配一個實例


@OutputTimeUnit


為統計結果的時間單位，可用於類或者方法註解


@Warmup


預熱所需要配置的一些基本測試參數，可用於類或者方法上。一般前幾次進行程序測試的時候都會比較慢，所以要讓程序進行幾輪預熱，保證測試的準確性。參數如下所示：



  1. iterations：預熱的次數

  2. time：每次預熱的時間

  3. timeUnit：時間的單位，默認秒

  4. batchSize：批處理大小，每次操作調用幾次方法



為什麼需要預熱？


因為 JVM 的 JIT 機制的存在，如果某個函數被調用多次之後，JVM 會嘗試將其編譯為機器碼，從而提高執行速度，所以為了讓 benchmark 的結果更加接近真實情況就需要進行預熱。



@Measurement


實際調用方法所需要配置的一些基本測試參數，可用於類或者方法上，參數和 @Warmup 相同。


@Threads


每個進程中的測試線程，可用於類或者方法上。


@Fork


進行 fork 的次數，可用於類或者方法上。如果 fork 數是 2 的話，則 JMH 會 fork 出兩個進程來進行測試。


@Param


指定某項參數的多種情況，特別適合用來測試一個函數在不同的參數輸入的情況下的性能，只能作用在字段上，使用該註解必須定義 @State 註解。


在介紹完常用的註解后，讓我們來看下 JMH 有哪些陷阱。


JMH 陷阱


在使用 JMH 的過程中，一定要避免一些陷阱。


比如 JIT 優化中的死碼消除，比如以下代碼：


@Benchmark
 public void testStringAdd(Blackhole blackhole) {
     String a = "";
     for (int i = 0; i < length; i++) {
         a += i;
     }
 }

JVM 可能會認為變量 a 從來沒有使用過，從而進行優化把整個方法內部代碼移除掉，這就會影響測試結果。


JMH 提供了兩種方式避免這種問題，一種是將這個變量作為方法返回值 return a，一種是通過 Blackhole 的 consume 來避免 JIT 的優化消除。


其他陷阱還有常量摺疊與常量傳播、永遠不要在測試中寫循環、使用 Fork 隔離多個測試方法、方法內聯、偽共享與緩存行、分支預測、多線程測試等，感興趣的可以閱讀 https://github.com/lexburner/JMH-samples 了解全部的陷阱。


JMH 插件


大家還可以通過 IDEA 安裝 JMH 插件使 JMH 更容易實現基準測試，在 IDEA 中點擊 File->Settings...->Plugins，然後搜索 jmh，選擇安裝 JMH plugin：



這個插件可以讓我們能夠以 JUnit 相同的方式使用 JMH，主要功能如下：



  1. 自動生成帶有 @Benchmark 的方法

  2. 像 JUnit 一樣，運行單獨的 Benchmark 方法

  3. 運行類中所有的 Benchmark 方法


比如可以通過右鍵點擊 Generate...，選擇操作 Generate JMH benchmark 就可以生成一個帶有 @Benchmark 的方法。


還有將光標移動到方法聲明並調用 Run 操作就運行一個單獨的 Benchmark 方法。


將光標移到類名所在行，右鍵點擊 Run 運行，該類下的所有被 @Benchmark 註解的方法都會被執行。


JMH 可視化


除此以外，如果你想將測試結果以圖表的形式可視化，可以試下這些網站：



  • JMH Visual Chart：http://deepoove.com/jmh-visual-chart/

  • JMH Visualizer：https://jmh.morethan.io/


比如將上面測試例子結果的 json 文件導入，就可以實現可視化：



總結


本文主要介紹了性能基準測試工具 JMH，它可以通過一些功能來規避由 JVM 中的 JIT 或者其他優化對性能測試造成的影響。


只需要將待測的業務邏輯用 @Benchmark 註解標識，就可以讓 JMH 的註解處理器自動生成真正的性能測試代碼，以及相應的性能測試配置文件。


最好的關係就是互相成就，大家的在看、轉發、留言三連就是我創作的最大動力。



參考


http://openjdk.java.net/projects/code-tools/jmh/


深入拆解Java虛擬機


《實戰Java高併發程序設計》


本站聲明:網站內容來源於博客園,如有侵權,請聯繫我們,我們將及時處理

【其他文章推薦】



※自行創業缺乏曝光? 網頁設計幫您第一時間規劃公司的形象門面



※網頁設計一頭霧水該從何著手呢? 台北網頁設計公司幫您輕鬆架站!



※想知道最厲害的網頁設計公司"嚨底家"!



※別再煩惱如何寫文案,掌握八大原則!



※產品缺大量曝光嗎?你需要的是一流包裝設計!



Orignal From: 性能調優必備利器之 JMH

留言

張貼留言

這個網誌中的熱門文章

旅館疑有臭蟲 北市府稽查找嘸

有民眾抱怨，日前投宿的北市某旅館疑似出現臭蟲，北市觀傳局與衛生局、環保局聯合稽查，但因為沒有發現蟲屍，無法確認該旅館是否真有臭蟲，市府下周將召開專家會議處理該案，市長蔣萬安則允諾會以最高規格防範臭蟲。 北市某旅館傳出疑有臭蟲，議員陳宥丞23日在市政總質詢詢問市府處理進度，並指出法國、澳洲、韓國的臭蟲，起初都現蹤公車或地鐵卻沒被發現，直到大規模爆發，才付出大量社會成本處理，而且一般殺蟲劑無法殺掉臭蟲，北市是否有因應措施？ 觀傳局主任祕書蕭君杰表示，21日聯合環保局、衛生局到該旅館稽查，但沒有發現臭蟲，也沒有查到蟲卵跡象，只能檢查現場環境是否符合衛生相關規定，但環保局有指導業者如何針對臭蟲清潔消毒。觀傳局長王秋冬指出，下周會與專家學者召開會議，以最高規格處理此案。 想知道購買電動車哪裡補助最多? 台中電動車 補助資訊懶人包彙整 ；推薦評價好的 iphone維修 中心擁有專業的維修技術團隊，同時聘請資深iphone手機維修專家，現場說明手機問題，快速修理，沒修好不收錢住家的頂樓裝 太陽光電 聽說可發揮隔熱功效一線推薦東陽能源擁有核心技術、產品研發、系統規劃設置、專業團隊的太陽能發電廠商。 網頁設計 一頭霧水該從何著手呢? 回頭車 貨運收費標準宇安交通關係企業，自成立迄今，即秉持著「以誠待人」、「以實處事」的企業信念 台中搬家公司 教你幾個打包小技巧,輕鬆整理裝箱!還在煩惱搬家費用要多少哪？台中大展搬家線上試算搬家費用，從此不再擔心「物品怎麼計費」、「多少車才能裝完」 台中搬家 公司費用怎麼算?擁有20年純熟搬遷經驗，提供免費估價且流程透明更是5星評價的搬家公司好山好水 露營車 漫遊體驗露營車x公路旅行的十一個出遊特色。走到哪、玩到哪，彈性的出遊方案，行程跟出發地也可客製 廣告預算用在刀口上， 台北網頁設計 公司幫您達到更多曝光效益； 電動車補助 衛生局疾病管制科長張惠美表示，現場查到與臭蟲無關的多項衛生缺失，包含未提供從業人員體檢報告、簡易外傷藥品及器材超過有效期、紗窗有破損等，已要求業者2周內改善，將擇期複查，如果複查不合格，將依法裁罰3000元至2萬元罰鍰。 但陳宥丞批評，環保局未公告哪些藥劑能殺死臭蟲，很擔心北市會和韓國、法國一樣，把臭蟲防治交給民間恐造成大規模爆發，且北市內的廢棄傢俱回收廠也有可能成為臭蟲孳生的...
張貼留言
閱讀完整內容

必知必會-存儲器層次結構

相信大家一定都用過各種存儲技術，比如mysql，mongodb，redis，mq等，這些存儲服務性能有非常大的區別，其中之一就是底層使用的存儲設備不同。作為一個程序員，你需要理解存儲器的層次結構，這樣才能對程序的性能差別瞭然於心。今天帶大家了解下計算機系統存儲器的層次結構。 存儲技術 首先了解下什麼是存儲器系統？ 實質上就是一個具有不同容量、成本和訪問時間的存儲設備的層次結構。從快到慢依次為：CPU寄存器、高速緩存、主存、磁盤； 這裏給大家介紹一組數據，讓大家有一個更清晰的認識： 如果數據存儲在CPU寄存器，需要0個時鐘周期就能訪問到，存儲在高速緩存中需要4~75個時鐘周期。如果存儲在主存需要上百個周期，而如果存儲在磁盤上，大約需要幾千萬個周期！ -- 出自 CSAPP 接下來一起深入了解下計算機系統涉及的幾個存儲設備： 隨機訪問存儲器 隨機訪問存儲器（RAM）分為靜態RAM （SRAM） 和動態RAM（DRAM）。SRAM的速度更快，但也貴很多，一般不會超過幾兆字節，通常用來做告訴緩存存儲器。DRAM就是就是我們常說的主存。 訪問主存 數據流是通過操作系統中的總線的共享电子電路在處理器和DRAM之間來來回回。每次CPU和主存之間的數據傳送都是通過一系列複雜的步驟完成，這些步驟成為總線事務。讀事務是將主存傳送數據到CPU。寫事務從CPU傳送數據到主存。 總線是一組并行的導線，能攜帶地址、數據和控制信號。下圖展示了CPU芯片是如何與主存DRAM連接的。 那麼我們在加載數據和存儲數據時，CPU和主存到底是怎樣交互實現的呢？ 首先來看一個基本指令，加載內存數據到CPU寄存器中: movq A,%rax 將地址A的內容加載到寄存器%rax中，這個命令會使CPU芯片上稱為總線接口（bus interface）的電路在總線上發起讀事務，具體分為三個步驟： CPU將地址A放到系統總線上，I/O橋將信號傳遞到內存總線。詳情看下下圖a 主存感覺到內存總線上的地址信號，從內存總線讀地址，從DRAM取出數據字，將其寫到內存總線。I/O橋將內存總線信號翻譯成系統總線信號，沿着系統總線傳遞到CPU總線接口。下圖b CPU感覺到系統總線上的數據，從總線上讀數據，並將數據複製到寄存器%rax...
張貼留言
閱讀完整內容

2016年電動車和插電式混合動力車銷量預計將超過70萬輛

中汽協日前預測，2016年全國電動汽車和插電式混合動力車的銷量預計將超過70萬輛，較2015年的銷量增長一倍。 2015年電動車和插電式混合動力車的合併銷量為331092輛，較2014年增長了340%。其中包括247482輛電動車和83610輛插電式混合動力車，在24萬輛多的電動汽車銷量中，包括146719輛乘用車，另有100763輛為商用車。插電式混合動力車的銷量中，60663輛為乘用車，22947輛為商用車。 根據2015年起草的藍圖，政府計畫到2020年在全國範圍內新建12000個充電站和480枚充電樁。2014年年底，全國共有780個充電站共31000枚充電樁。2015年政府還為27個省市自治區設定了電動車的最低銷量目標。 政府預計，這些措施到位後，自主品牌車企的電動車和插電式混合動力車銷量到2020年可達100萬輛，到2025年可達300萬輛。 本站聲明:網站內容來源於EnergyTrend https://www.energytrend.com.tw/ev/,如有侵權,請聯繫我們,我們將及時處理 【其他文章推薦】 ※為什麼 USB CONNECTOR 是電子產業重要的元件? ※ 網頁設計 一頭霧水??該從何著手呢? 找到專業技術的 網頁設計公司 ，幫您輕鬆架站! ※想要讓你的商品成為最夯、最多人討論的話題? 網頁設計公司 讓你強力曝光 ※想知道最厲害的 台北網頁設計公司推薦 、 台中網頁設計公司推薦 專業設計師"嚨底家"!! Orignal From: 2016年電動車和插電式混合動力車銷量預計將超過70萬輛
張貼留言
閱讀完整內容