JMH,即Java Microbenchmark Harness,這是專門用於進行代碼的微基準測試的一套工具API。
JMH 由 OpenJDK/Oracle 裏面那羣開發了 Java 編譯器的大牛們所開發 。何謂 Micro Benchmark 呢? 簡單地說就是在 method 層面上的 benchmark,精度可以精確到微秒級。
Java的基準測試需要注意的幾個點:
- 測試前需要預熱。
- 防止無用代碼進入測試方法中。
- 併發測試。
- 測試結果呈現
比較典型的使用場景:
- 當你已經找出了熱點函數,而需要對熱點函數進行進一步的優化時,就可以使用 JMH 對優化的效果進行定量的分析。
- 想定量地知道某個函數需要執行多長時間,以及執行時間和輸入 n 的相關性
- 一個函數有兩種不同實現(例如JSON序列化/反序列化有Jackson和Gson實現),不知道哪種實現性能更好
儘管 JMH 是一個相當不錯的 Micro Benchmark Framework,但很無奈的是網上能夠找到的文檔比較少,而官方也沒有提供比較詳細的文檔,對使用造成了一定的障礙。 但是有個好消息是官方的 Code Sample 寫得非常淺顯易懂, 推薦在需要詳細瞭解 JMH 的用法時可以通讀一遍——本文則會介紹 JMH 最典型的用法和部分常用選項。
第一個例子
添加maven依賴:
<!-- JMH-->
<dependency>
<groupId>org.openjdk.jmh</groupId>
<artifactId>jmh-core</artifactId>
<version>1.19</version>
</dependency>
<dependency>
<groupId>org.openjdk.jmh</groupId>
<artifactId>jmh-generator-annprocess</artifactId>
<version>1.19</version>
<scope>provided</scope>
</dependency>
編寫性能測試
接下來我寫一個比較字符串連接操作的時候,直接使用字符串相加和使用StringBuilder的append方式的性能比較測試:
/**
* 比較字符串直接相加和StringBuilder的效率
*
* @author XiongNeng
* @version 1.0
* @since 2018/1/7
*/
@BenchmarkMode(Mode.Throughput)
@Warmup(iterations = 3)
@Measurement(iterations = 10, time = 5, timeUnit = TimeUnit.SECONDS)
@Threads(8)
@Fork(2)
@OutputTimeUnit(TimeUnit.MILLISECONDS)
public class StringBuilderBenchmark {
@Benchmark
public void testStringAdd() {
String a = "";
for (int i = 0; i < 10; i++) {
a += i;
}
print(a);
}
@Benchmark
public void testStringBuilderAdd() {
StringBuilder sb = new StringBuilder();
for (int i = 0; i < 10; i++) {
sb.append(i);
}
print(sb.toString());
}
private void print(String a) {
}
}
執行方式
這個代碼裏面有好多註解,你第一次見可能不知道什麼意思。先不用管,我待會一一介紹。
我們來運行這個測試,運行JMH基準測試有多種方式,一個是生成jar文件執行, 一個是直接寫main函數或寫單元測試執行。
一般對於大型的測試,需要測試時間比較久,線程比較多的話,就需要去寫好了丟到linux程序裏執行, 不然本機執行很久時間什麼都幹不了了。
mvn clean package
java -jar target/benchmarks.jar
先編譯打包之後,然後執行就可以了。當然在執行的時候可以輸入-h參數來看幫助。
另外如果對於一些小的測試,比如我寫的上面這個小例子,在IDE裏面就可以完成了,丟到linux上去太麻煩。 這時候可以在裏面添加一個main函數如下:
public static void main(String[] args) throws RunnerException {
Options options = new OptionsBuilder()
.include(StringBuilderBenchmark.class.getSimpleName())
.output("E:/Benchmark.log")
.build();
new Runner(options).run();
}
這裏其實也比較簡單,new個Options,然後傳入要運行哪個測試,選擇基準測試報告輸出文件地址,然後通過Runner的run方法就可以跑起來了。
報告結果
我們跑一下這個基準測試,完成後打開E:/Benchmark.log,結果如下:
# JMH version: 1.20
# VM version: JDK 1.8.0_131, VM 25.131-b11
# VM invoker: C:\Program Files\Java\jdk1.8.0_131\jre\bin\java.exe
# VM options: -javaagent:E:\Program Files\JetBrains\IntelliJ IDEA 2017.3\lib\idea_rt.jar=62744:E:\Program Files\JetBrains\IntelliJ IDEA 2017.3\bin -Dfile.encoding=UTF-8
# Warmup: 3 iterations, 1 s each
# Measurement: 10 iterations, 5 s each
# Timeout: 10 min per iteration
# Threads: 16 threads, will synchronize iterations
# Benchmark mode: Throughput, ops/time
# Benchmark: com.xncoding.benchmark.string.StringBuilderBenchmark.testStringAdd
# Run progress: 0.00% complete, ETA 00:03:32
# Fork: 1 of 2
# Warmup Iteration 1: 7332.410 ops/ms
# Warmup Iteration 2: 8758.506 ops/ms
# Warmup Iteration 3: 9078.783 ops/ms
Iteration 1: 8824.713 ops/ms
Iteration 2: 9084.977 ops/ms
Iteration 3: 9412.712 ops/ms
Iteration 4: 8843.631 ops/ms
Iteration 5: 9030.556 ops/ms
Iteration 6: 9090.677 ops/ms
Iteration 7: 9493.148 ops/ms
Iteration 8: 8664.593 ops/ms
Iteration 9: 8835.227 ops/ms
Iteration 10: 8570.212 ops/ms
# Run progress: 25.00% complete, ETA 00:03:15
# Fork: 2 of 2
# Warmup Iteration 1: 5350.686 ops/ms
# Warmup Iteration 2: 8862.238 ops/ms
# Warmup Iteration 3: 8086.594 ops/ms
Iteration 1: 9105.306 ops/ms
Iteration 2: 8288.588 ops/ms
Iteration 3: 9307.902 ops/ms
Iteration 4: 9195.150 ops/ms
Iteration 5: 8715.555 ops/ms
Iteration 6: 9075.069 ops/ms
Iteration 7: 9041.037 ops/ms
Iteration 8: 9187.099 ops/ms
Iteration 9: 9145.134 ops/ms
Iteration 10: 9124.229 ops/ms
Result "com.xncoding.benchmark.string.StringBuilderBenchmark.testStringAdd":
9001.776 ±(99.9%) 253.496 ops/ms [Average]
(min, avg, max) = (8288.588, 9001.776, 9493.148), stdev = 291.926
CI (99.9%): [8748.280, 9255.272] (assumes normal distribution)
# JMH version: 1.20
# VM version: JDK 1.8.0_131, VM 25.131-b11
# VM invoker: C:\Program Files\Java\jdk1.8.0_131\jre\bin\java.exe
# VM options: -javaagent:E:\Program Files\JetBrains\IntelliJ IDEA 2017.3\lib\idea_rt.jar=62744:E:\Program Files\JetBrains\IntelliJ IDEA 2017.3\bin -Dfile.encoding=UTF-8
# Warmup: 3 iterations, 1 s each
# Measurement: 10 iterations, 5 s each
# Timeout: 10 min per iteration
# Threads: 16 threads, will synchronize iterations
# Benchmark mode: Throughput, ops/time
# Benchmark: com.xncoding.benchmark.string.StringBuilderBenchmark.testStringBuilderAdd
# Run progress: 50.00% complete, ETA 00:02:07
# Fork: 1 of 2
# Warmup Iteration 1: 27202.528 ops/ms
# Warmup Iteration 2: 26500.586 ops/ms
# Warmup Iteration 3: 27190.346 ops/ms
Iteration 1: 27891.257 ops/ms
Iteration 2: 28704.541 ops/ms
Iteration 3: 27785.951 ops/ms
Iteration 4: 26841.454 ops/ms
Iteration 5: 26024.288 ops/ms
Iteration 6: 25592.494 ops/ms
Iteration 7: 25626.875 ops/ms
Iteration 8: 25302.248 ops/ms
Iteration 9: 25519.780 ops/ms
Iteration 10: 25275.334 ops/ms
# Run progress: 75.00% complete, ETA 00:01:02
# Fork: 2 of 2
# Warmup Iteration 1: 30376.008 ops/ms
# Warmup Iteration 2: 25131.064 ops/ms
# Warmup Iteration 3: 25622.342 ops/ms
Iteration 1: 25386.845 ops/ms
Iteration 2: 25825.139 ops/ms
Iteration 3: 26029.607 ops/ms
Iteration 4: 25531.748 ops/ms
Iteration 5: 25374.934 ops/ms
Iteration 6: 25204.530 ops/ms
Iteration 7: 22934.211 ops/ms
Iteration 8: 23907.677 ops/ms
Iteration 9: 24337.963 ops/ms
Iteration 10: 24660.626 ops/ms
Result "com.xncoding.benchmark.string.StringBuilderBenchmark.testStringBuilderAdd":
25687.875 ±(99.9%) 1167.955 ops/ms [Average]
(min, avg, max) = (22934.211, 25687.875, 28704.541), stdev = 1345.019
CI (99.9%): [24519.920, 26855.830] (assumes normal distribution)
# Run complete. Total time: 00:04:08
Benchmark Mode Cnt Score Error Units
StringBuilderBenchmark.testStringAdd thrpt 20 9001.776 ± 253.496 ops/ms
StringBuilderBenchmark.testStringBuilderAdd thrpt 20 25687.875 ± 1167.955 ops/ms
仔細看,三大部分,第一部分是字符串用加號連接執行的結果,第二部分是StringBuilder執行的結果,第三部分就是兩個的簡單結果比較。這裏注意我們forks傳的2,所以每個測試有兩個fork結果。
前兩部分是一樣的,簡單說下。首先會寫出每部分的一些參數設置,然後是預熱迭代執行(Warmup Iteration), 然後是正常的迭代執行(Iteration),最後是結果(Result)。這些看看就好,我們最關注的就是第三部分, 其實也就是最終的結論。千萬別看歪了,他輸出的也確實很不爽,error那列其實沒有內容,score的結果是xxx ± xxx,單位是每毫秒多少個操作。可以看到,StringBuilder的速度還確實是要比String進行文字疊加的效率好太多。
註解介紹:
好了,當你對JMH有了一個基本認識後,現在來詳細解釋一下前面代碼中的各個註解含義。
@BenchmarkMode
基準測試類型。這裏選擇的是Throughput也就是吞吐量。根據源碼點進去,每種類型後面都有對應的解釋,比較好理解,吞吐量會得到單位時間內可以進行的操作數。
- Throughput: 整體吞吐量,例如“1秒內可以執行多少次調用”。
- AverageTime: 調用的平均時間,例如“每次調用平均耗時xxx毫秒”。
- SampleTime: 隨機取樣,最後輸出取樣結果的分佈,例如“99%的調用在xxx毫秒以內,99.99%的調用在xxx毫秒以內”
- SingleShotTime: 以上模式都是默認一次 iteration 是 1s,唯有 SingleShotTime 是隻運行一次。往往同時把 warmup 次數設爲0,用於測試冷啓動時的性能。
- All(“all”, “All benchmark modes”);
@Warmup
上面我們提到了,進行基準測試前需要進行預熱。一般我們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。其中的參數iterations也就非常好理解了,就是預熱輪數。
爲什麼需要預熱?因爲 JVM 的 JIT 機制的存在,如果某個函數被調用多次之後,JVM 會嘗試將其編譯成爲機器碼從而提高執行速度。所以爲了讓 benchmark 的結果更加接近真實情況就需要進行預熱。
@Measurement
度量,其實就是一些基本的測試參數。
- iterations 進行測試的輪次
- time 每輪進行的時長
- timeUnit 時長單位
都是一些基本的參數,可以根據具體情況調整。一般比較重的東西可以進行大量的測試,放到服務器上運行。
@Threads
每個進程中的測試線程,這個非常好理解,根據具體情況選擇,一般爲cpu乘以2。
@Fork
進行 fork 的次數。如果 fork 數是2的話,則 JMH 會 fork 出兩個進程來進行測試。
@OutputTimeUnit
這個比較簡單了,基準測試結果的時間類型。一般選擇秒、毫秒、微秒。
@Benchmark
方法級註解,表示該方法是需要進行 benchmark 的對象,用法和 JUnit 的 @Test 類似。
@Param
屬性級註解,@Param 可以用來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。
@Setup
方法級註解,這個註解的作用就是我們需要在測試之前進行一些準備工作,比如對一些數據的初始化之類的。
@TearDown
方法級註解,這個註解的作用就是我們需要在測試之後進行一些結束工作,比如關閉線程池,數據庫連接等的,主要用於資源的回收等。
@State
當使用@Setup參數的時候,必須在類上加這個參數,不然會提示無法運行。
State 用於聲明某個類是一個“狀態”,然後接受一個 Scope 參數用來表示該狀態的共享範圍。 因爲很多 benchmark 會需要一些表示狀態的類,JMH 允許你把這些類以依賴注入的方式注入到 benchmark 函數裏。Scope 主要分爲三種。
- Thread: 該狀態爲每個線程獨享。
- Group: 該狀態爲同一個組裏面所有線程共享。
- Benchmark: 該狀態在所有線程間共享。
關於State的用法,官方的 code sample 裏有比較好的 例子。
第二個例子
再來看一個更常規一點性能測試的例子,
計算 1 ~ n 之和,比較串行算法和並行算法的效率,看 n 在大約多少時並行算法開始超越串行算法
首先定義一個表示這兩種實現的接口:
/**
* Calculator
*
* @author XiongNeng
* @version 1.0
* @since 2018/1/7
*/
public interface Calculator {
/**
* calculate sum of an integer array
*
* @param numbers
* @return
*/
public long sum(int[] numbers);
/**
* shutdown pool or reclaim any related resources
*/
public void shutdown();
}
具體的兩種實現代碼我就不貼了,主要說明一下串行算法和並行算法實現原理:
- 串行算法:使用 for-loop 來計算 n 個正整數之和。
- 並行算法:將所需要計算的 n 個正整數分成 m 份,交給 m 個線程分別計算出和以後,再把它們的結果相加。
進行 benchmark 的代碼如下:
/**
* 自然數求和的串行和並行算法性能測試
*
* @author XiongNeng
* @version 1.0
* @since 2018/1/7
*/
@BenchmarkMode(Mode.AverageTime)
@OutputTimeUnit(TimeUnit.MICROSECONDS)
@State(Scope.Benchmark)
public class SecondBenchmark {
@Param({"10000", "100000", "1000000"})
private int length;
private int[] numbers;
private Calculator singleThreadCalc;
private Calculator multiThreadCalc;
public static void main(String[] args) throws Exception {
Options opt = new OptionsBuilder()
.include(SecondBenchmark.class.getSimpleName())
.forks(1)
.warmupIterations(5)
.measurementIterations(2)
.build();
Collection<RunResult> results = new Runner(opt).run();
ResultExporter.exportResult("單線程與多線程求和性能", results, "length", "微秒");
}
@Benchmark
public long singleThreadBench() {
return singleThreadCalc.sum(numbers);
}
@Benchmark
public long multiThreadBench() {
return multiThreadCalc.sum(numbers);
}
@Setup
public void prepare() {
numbers = IntStream.rangeClosed(1, length).toArray();
singleThreadCalc = new SinglethreadCalculator();
multiThreadCalc = new MultithreadCalculator(Runtime.getRuntime().availableProcessors());
}
@TearDown
public void shutdown() {
singleThreadCalc.shutdown();
multiThreadCalc.shutdown();
}
}
我在自己的筆記本電腦上跑下來的結果,總數在10000時並行算法不如串行算法, 總數達到100000時並行算法開始和串行算法接近,總數達到1000000時並行算法所耗時間約是串行算法的一半左右。