还在用new Date计算任务执行时间?强烈建议使用这个API!

简介: 还在用new Date计算任务执行时间?强烈建议使用这个API!

在实践过程中,我们经常需要记录一个任务执行的耗时,这是评价代码好坏,评测代码性能,排查业务执行问题的重要操作。那么,你是如何来获取并计算任务执行耗时的呢?通过new Date获得时间进行换算?还是有更好的方案?本文给你答案。

获取任务耗时通常做法

获取任务耗时,最简单的方式就是打印当前时间与任务开始执行时间的差值,实例代码如下:

@Test
 public void testElapsedTimes() throws InterruptedException {
  long startTime = new Date().getTime();
  // do something
  Thread.sleep(1000);
  System.out.println("执行耗时:" + (new Date().getTime() - startTime) + "ms");
 }

上述方式实现简单,逻辑也比较直观。但如果执行大量测试,测试中还有不同的代码逻辑块,那么需要改动的地方就比较多。

改进做法

在上述代码中,如果IDE安装有代码检查工具,则会提示采用System.currentTimeMillis()来获取时间,而不是new Date().getTime()的方式。

改造之后,实现代码如下:

@Test
 public void testElapsedTimes1() throws InterruptedException {
  long startTime = System.currentTimeMillis();
  // do something
  Thread.sleep(1000);
  System.out.println("执行耗时:" + (System.currentTimeMillis() - startTime) + "ms");
 }

在这样的场景下(无需获取更多Date相关信息)也推荐使用System.currentTimeMillis()来获取时间戳。至于为什么,看一下Date的源码实现就知道了。

Date的构造方法:

public Date() {
    this(System.currentTimeMillis());
}

Date在构造时,本质上也是先获得了System.currentTimeMillis(),然后再初始化其他信息。既然我们只需要时间戳,那就没必要再构建Date对象了。从性能层面来说,能优化则优化。

Spring的StopWatch

上述两种方式虽然性能和写法有所区别,但本质是一样的。下面我们来讲讲Spring提供的StopWatch类,它不仅可实现上述功能,而且还可以做类似任务执行时间控制,也就是封装了一个对开始时间、结束时间记录操作的Java类。

先通过StopWatch类来实现一下上述功能:

@Test
 public void testStopWatch() throws InterruptedException {
  StopWatch sw = new StopWatch();
  sw.start("开始执行业务");
  // do something
  Thread.sleep(1000);
  sw.stop();
  System.out.println(sw.getTotalTimeMillis());
 }

通过创建StopWatch对象,然后调用它的start、stop方法来区分执行任务区间,通过getTotalTimeMillis()方法获得总耗时。

乍一看,代码好像还比之前的方式多了,体现不出来什么优势啊!下面我们再来看一个复杂点的示例:

@Test
 public void testStopWatch1() throws InterruptedException {
  StopWatch sw = new StopWatch();
  sw.start("起床");
  Thread.sleep(1000);
  sw.stop();
  sw.start("洗漱");
  Thread.sleep(2000);
  sw.stop();
  sw.start("锁门");
  Thread.sleep(500);
  sw.stop();
  System.out.println(sw.prettyPrint());
  System.out.println(sw.getTotalTimeMillis());
  System.out.println(sw.getLastTaskName());
  System.out.println(sw.getLastTaskInfo());
  System.out.println(sw.getTaskCount());
 }

执行上述测试示例,打印结果如下:

StopWatch '': running time = 3509166972 ns
---------------------------------------------
ns         %     Task name
---------------------------------------------
1003330360  029%  起床
2001421734  057%  洗漱
504414878  014%  锁门
3509
锁门
org.springframework.util.StopWatch$TaskInfo@12f40c25
3

此时,看到StopWatch的魅力所在了吗?

  • 通过多组start、stop方法,将业务代码块进行区分,可获得不同代码块的执行耗时;
  • 可以通过start方法传入taskName,对每个代码块进行命名;
  • 可以对总任务耗时、每个任务耗时进行统计分析;
  • prettyPrint()方法,可以优雅的打印出统计分析信息;
  • getTotalTimeMillis()方法,打印出总耗时;
  • getLastTaskName()方法,打印最后一个任务名称;
  • getLastTaskInfo()方法,获得最后一个任务的TaskInfo,进而获得更多相关信息;
  • getTaskCount()方法,获得任务数;

现在再看,使用StopWatch是不是可以获得更多有用的信息?

StopWatch的实现原理

最后呢,我们再来看一眼源码,了解一下StopWatch的实现机制。

先看StopWatch的start方法实现:

public void start(String taskName) throws IllegalStateException {
  if (this.currentTaskName != null) {
   throw new IllegalStateException("Can't start StopWatch: it's already running");
  }
  this.currentTaskName = taskName;
  this.startTimeNanos = System.nanoTime();
 }

start方法中记录了任务名称和任务执行的时间,基于System.nanoTime()获得。

stop方法实现如下:

public void stop() throws IllegalStateException {
  if (this.currentTaskName == null) {
   throw new IllegalStateException("Can't stop StopWatch: it's not running");
  }
  long lastTime = System.nanoTime() - this.startTimeNanos;
  this.totalTimeNanos += lastTime;
  this.lastTaskInfo = new TaskInfo(this.currentTaskName, lastTime);
  if (this.keepTaskList) {
   this.taskList.add(this.lastTaskInfo);
  }
  ++this.taskCount;
  this.currentTaskName = null;
 }

在stop方法中,通过两个时间戳相减获得lastTime,也就是一个任务的执行时间;lastTime累计相加获得总的执行时间;同时,记录任务列表、任务数统计。

而其他get方法,则是对start、stop中获取的数据的进一步统计、分析、格式化输出而已。

小结

有些功能当我们使用习惯了,可能就固守于一个实现方式,但如果去参考学习其他框架中类似功能的实现,往往会有些新的突破。如果你在使用Spring的框架,建议你尝试一下StopWatch这个API,可以让你的时间统计日志更加高端大气。

目录
相关文章
|
2月前
|
存储 算法 关系型数据库
实时计算 Flink版产品使用合集之在Flink Stream API中,可以在任务启动时初始化一些静态的参数并将其存储在内存中吗
实时计算Flink版作为一种强大的流处理和批处理统一的计算框架,广泛应用于各种需要实时数据处理和分析的场景。实时计算Flink版通常结合SQL接口、DataStream API、以及与上下游数据源和存储系统的丰富连接器,提供了一套全面的解决方案,以应对各种实时计算需求。其低延迟、高吞吐、容错性强的特点,使其成为众多企业和组织实时数据处理首选的技术平台。以下是实时计算Flink版的一些典型使用合集。
102 4
|
1天前
|
SQL 并行计算 API
Dask是一个用于并行计算的Python库,它提供了类似于Pandas和NumPy的API,但能够在大型数据集上进行并行计算。
Dask是一个用于并行计算的Python库,它提供了类似于Pandas和NumPy的API,但能够在大型数据集上进行并行计算。
19 9
|
1天前
|
自然语言处理 PyTorch API
`transformers`库是Hugging Face提供的一个开源库,它包含了大量的预训练模型和方便的API,用于自然语言处理(NLP)任务。在文本生成任务中,`transformers`库提供了许多预训练的生成模型,如GPT系列、T5、BART等。这些模型可以通过`pipeline()`函数方便地加载和使用,而`generate()`函数则是用于生成文本的核心函数。
`transformers`库是Hugging Face提供的一个开源库,它包含了大量的预训练模型和方便的API,用于自然语言处理(NLP)任务。在文本生成任务中,`transformers`库提供了许多预训练的生成模型,如GPT系列、T5、BART等。这些模型可以通过`pipeline()`函数方便地加载和使用,而`generate()`函数则是用于生成文本的核心函数。
6 0
|
1月前
|
DataWorks 安全 API
DataWorks产品使用合集之有api或者是sdk可以获取到 dataworks 的任务运行的结果吗
DataWorks作为一站式的数据开发与治理平台,提供了从数据采集、清洗、开发、调度、服务化、质量监控到安全管理的全套解决方案,帮助企业构建高效、规范、安全的大数据处理体系。以下是对DataWorks产品使用合集的概述,涵盖数据处理的各个环节。
17 1
|
1月前
|
Java API
JavaSE——常用API进阶二(3/8)-Date、SimpleDateFormat(构造器、常用的方法、用法示例、时间格式的常见符号)
JavaSE——常用API进阶二(3/8)-Date、SimpleDateFormat(构造器、常用的方法、用法示例、时间格式的常见符号)
13 1
|
2月前
|
XML API 数据格式
工作流JBPM操作API组任务
工作流JBPM操作API组任务
26 1
|
2月前
|
SQL Oracle 关系型数据库
实时计算 Flink版产品使用合集之是否可以使用 DataStream API 或 Flink SQL 开发任务
实时计算Flink版作为一种强大的流处理和批处理统一的计算框架,广泛应用于各种需要实时数据处理和分析的场景。实时计算Flink版通常结合SQL接口、DataStream API、以及与上下游数据源和存储系统的丰富连接器,提供了一套全面的解决方案,以应对各种实时计算需求。其低延迟、高吞吐、容错性强的特点,使其成为众多企业和组织实时数据处理首选的技术平台。以下是实时计算Flink版的一些典型使用合集。
|
2月前
|
API 数据库
工作流JBPM操作API办理任务&流程变量
工作流JBPM操作API办理任务&流程变量
22 0
|
2月前
|
API 数据库
工作流JBPM操作API启动实例&查询任务
工作流JBPM操作API启动实例&查询任务
26 0
|
2月前
|
存储 关系型数据库 API
Python 任务自动化工具:nox 的配置与 API
Python 任务自动化工具:nox 的配置与 API
32 0