Java在JMH(JavaMicrobenchmarkHarness)微基准测试中的运用

简介: 开发者常常想比较两种实现的性能(如ArrayList与LinkedList、序列化框架JSON与Protobuf)。

1.微基准测试的必要性
开发者常常想比较两种实现的性能(如ArrayList与LinkedList、序列化框架JSON与Protobuf)。但是,简单的for循环测试结果不可靠,因为JVM会执行JIT编译、死代码消除、优化掉循环等。JMH(JavaMicrobenchmarkHarness)是OpenJDK官方的微基准测试框架,能够准确地测量Java代码性能。
参考:https://www.xrzqr.cn/category/weather-science.html

2.JMH的核心概念
状态(State):基准测试的状态对象,可定义@State(Scope.Benchmark)(所有线程共享)或@State(Scope.Thread)(每个线程单独)。
基准测试方法:使用@Benchmark标注。
设置/清理:@Setup、@TearDown标注初始化方法。
执行模式:
Throughput(单位时间执行次数)
AverageTime(平均执行时间)
SampleTime(执行时间分布)
SingleShotTime(单次执行,忽略JIT预热)
预热:@Warmup指定迭代次数,让JIT充分优化后再测量。
分叉:@Fork指定独立JVM进程数,避免测试间干扰。

3.编写一个简单基准测试
假设要比较StringBuilder和StringBuffer的append性能。使用JMH:
添加依赖org.openjdk.jmh:jmh-core和jmh-generator-annprocess。
定义@State(Scope.Thread)类,包含StringBuilder和StringBuffer实例。
编写两个@Benchmark方法,分别调用append。
运行JMH的main方法,输出结果。
JMH会输出每个操作的纳秒级别时间,并附带置信区间。
参考:https://www.xrzqr.cn/category/national-weather.html

4.常见陷阱与避免
死代码消除:如果基准方法的结果没有被使用,JVM可能会优化掉整个计算。使用Blackhole.consumeCPU或return结果。
常量折叠:如果输入是常量,JVM可能在编译期计算完。应使用@State参数化输入,或从java.util.concurrent.ThreadLocalRandom获取。
虚假共享:多线程访问相邻缓存行。JMH提供@CompilerControl和@AuxCounters帮助检测。

5.案例:比较JSON序列化库
某项目需要选择JSON库(JacksonvsGsonvsFastjson)。使用JMH编写基准测试:
准备相同复杂度的Java对象。
分别序列化和反序列化,测量吞吐量。
设置不同数据大小(小对象、大数组)。
运行结果表明,Jackson在吞吐量上领先Gson约30%,但Gson启动更快。最终团队根据JMH报告选择了Jackson。

6.集成到CI
JMH可以作为独立的JAR运行,并输出JSON格式的结果,方便CI系统收集并绘制性能趋势图。例如,每次Git提交后自动运行关键基准测试,对比历史数据,如果性能下降超过阈值,则报警。

7.与其他工具对比
System.nanoTime简单循环:不可靠。
JMH:官方标准,处理了JVM预热、死代码消除、分叉等,结果可信。

8.总结
JMH是Java开发者进行性能比较的利器。无论是评估数据结构、库、算法,还是验证优化效果,JMH都能提供可信的数据。学会JMH可以让你摆脱“感觉快”的感性判断,用数据驱动决策。
参考:https://www.xrzqr.cn

目录
相关文章
|
5月前
|
消息中间件 存储 监控
Java在JavaAgent与字节码增强技术中的应用(APM基石)
JavaAgent是一种特殊的JAR包,可以在JVM启动时(-javaagent)或运行时(AttachAPI)修改字节码。它利用Instrumentation接口,通过ClassFileTransformer在类加载前或重定义时替换字节码。
466 0
|
前端开发 JavaScript 开发工具
React Native SDK for OSS
此文主要介绍 React Native SDK for OSS的方方面面,包括相关基本概念、项目背景、项目方案、环境搭建运行、使用姿势、注意事项等。文末的附件可运行Example Zip压缩包和针对新手的入门实用文章《从0开始搭建React Native for OSS项目》。
7978 0
|
1月前
|
人工智能 自然语言处理 数据可视化
阿里云百炼是什么?新手怎么快速上手百炼 AI 模型平台零门槛入门指南
阿里云百炼(Model Studio)是一站式AI大模型服务平台,支持通义千问及主流第三方模型,提供OpenAI兼容API、可视化应用构建与工作流编排能力,助力企业快速开发智能体、知识库问答等AI应用。(239字)
210 0
|
2月前
|
前端开发
告别长连接假死掉线:WebSocket心跳保活、断线重连与消息补偿实践
记录WebSocket长连接稳定性:ping/pong心跳检测假死、指数退避加随机抖动重连、重连前清理旧连接、按seq消息补偿去重,含弱网切后台5个踩坑案例。
|
3月前
|
缓存 边缘计算 安全
新版阿里云CDN深度解析:全球节点+智能调度+安全防护+边缘计算一站式加速实操指南
互联网业务全球化发展背景之下,网页站点、音视频点播直播、APP下载、电商动态接口、游戏实时通信等业务对访问延迟、可用性、安全防护提出越来越高的要求。传统源站直连模式,跨地域、跨运营商访问延迟高,突发流量容易打垮源站,同时缺少配套攻击防护能力。新版CDN完成全方位能力升级,不再只是简单静态内容缓存分发工具,进化为集**全球网络调度、边缘智能缓存、动态内容加速、全链路安全防护、可编程边缘计算、自动化运维**于一体的一体化边缘基础设施。依托全球3200+边缘节点、180Tbps+弹性出口带宽,覆盖70余个国家与地区,同时兼容静态资源、动态API、音视频、四层实时通信各类业务。本文从全球网络与智能调度
329 0
|
9月前
|
消息中间件 Java 关系型数据库
吃透 Java 轻量级流程引擎 Easy Work:从核心原理到生产级落地全指南
Easy Work是一款开源轻量级Java流程引擎,基于状态机设计,摒弃BPMN复杂特性,学习成本降90%、性能提升3倍以上,专为中小微流程场景优化,5分钟即可快速集成上线。
1424 2
|
3月前
|
自然语言处理 监控 算法
流量分配机制解析:抖音中心化与小红书搜索架构的适配逻辑
本文深度拆解抖音与小红书流量机制差异:抖音依赖“瞬时反馈赛马算法”,重前3秒吸引力与完播率;小红书基于“搜索召回模型”,重关键词布局与收藏率。二者对内容的要求几乎相反,需针对性适配——低决策成本产品适配抖音,高决策成本产品深耕小红书。
1096 0
|
3月前
|
自然语言处理 监控 安全
企业大模型接入前的安全评测框架:从红队测试到运行时治理
企业接入大模型前,需要建立覆盖模型、应用、数据、工具和运行时的安全评测框架。红队测试应模拟提示词注入、RAG 污染、敏感数据泄露、违规内容生成、幻觉误导、权限越界和工具调用滥用。评测结果不能停留在报告层面,还应转化为输入输出检测、策略引擎、权限校验、人工复核、审计日志和样本回流机制,形成上线前验证与上线后治理闭环。
|
4月前
|
Web App开发 编解码 前端开发
2026年指纹浏览器防关联技术深度横评——从内核层到行为指纹的全面拆解
浏览器指纹技术已从简单的User-Agent检测演进为覆盖Canvas、WebGL、AudioContext、WebRTC等多维度的深度识别体系。主流电商和社交平台的风控引擎能够从超过120个参数维度构建设备指纹,实现亚秒级的身份判定。