喽，大家好，磊哥的性能优化篇又来了！
其实写这个性能优化类的文章初衷也很简单，第一：目前市面上没有太好的关于性能优化的系列文章，包括一些付费的文章；第二：我需要写一些和别人不同的知识点，比如大家都去写 SpringBoot 了，那我就不会把重点全部放在 SpringBoot 上。而性能优化方面的文章又比较少，因此这就是我写它的理由。
至于能不能用上？是不是刚需？我想每个人都有自己的答案。就像一个好的剑客，终其一生都会对宝剑痴迷，我相信读到此文的你也是一样。
回到今天的主题，这次我们来评测一下局部变量和全局变量的性能差异，首先我们先在项目中先添加 Oracle 官方提供的 JMH（Java Microbenchmark Harness，JAVA 微基准测试套件）测试框架，配置如下：
<dependency> <groupId>org.openjdk.jmh</groupId> <artifactId>jmh-core</artifactId> <version>{version}</version> </dependency>
然后编写测试代码：
import org.openjdk.jmh.annotations.*; import org.openjdk.jmh.runner.Runner; import org.openjdk.jmh.runner.RunnerException; import org.openjdk.jmh.runner.options.Options; import org.openjdk.jmh.runner.options.OptionsBuilder; import java.util.concurrent.TimeUnit; @BenchmarkMode(Mode.AverageTime) // 测试完成时间 @OutputTimeUnit(TimeUnit.NANOSECONDS) @Warmup(iterations = 2, time = 1, timeUnit = TimeUnit.SECONDS) // 预热 2 轮，每次 1s @Measurement(iterations = 5, time = 3, timeUnit = TimeUnit.SECONDS) // 测试 5 轮，每次 3s @Fork(1) // fork 1 个线程 @State(Scope.Thread) // 每个测试线程一个实例 public class VarOptimizeTest { char[] myChars = ("Oracle Cloud Infrastructure Low data networking fees and " + "automated migration Oracle Cloud Infrastructure platform is built for " + "enterprises that are looking for higher performance computing with easy " + "migration of their on-premises applications to the Cloud.").toCharArray(); public static void main(String[] args) throws RunnerException { // 启动基准测试 Options opt = new OptionsBuilder() .include(VarOptimizeTest.class.getSimpleName()) // 要导入的测试类 .build(); new Runner(opt).run(); // 执行测试 } @Benchmark public int globalVarTest() { int count = 0; for (int i = 0; i < myChars.length; i++) { if (myChars[i] == 'c') { count++; } } return count; } @Benchmark public int localityVarTest() { char[] localityChars = myChars; int count = 0; for (int i = 0; i < localityChars.length; i++) { if (localityChars[i] == 'c') { count++; } } return count; } }
其中 globalVarTest 方法使用的是全局变量 myChars 进行循环遍历的，而 localityVarTest 方法使用的是局部变量 localityChars 来进行遍历循环的，使用 JMH 测试的结果如下：
咦，什么鬼？这两个方法的性能不是差不多嘛！为毛，你说差 5 倍？
CPU Cache
上面的代码之所以性能差不多其实是因为，全局变量 myChars 被 CPU 缓存了，每次我们查询时不会直接从对象的实例域（对象的实际存储结构）中查询的，而是直接从 CPU 的缓存中查询的，因此才有上面的结果。
为了还原真实的性能（局部变量和全局变量），因此我们需要使用 volatile 关键来修饰 myChars 全局变量，这样 CPU 就不会缓存此变量了， volatile 原本的语义是禁用 CPU 缓存的，我们修改的代码如下：
import org.openjdk.jmh.annotations.*; import org.openjdk.jmh.runner.Runner; import org.openjdk.jmh.runner.RunnerException; import org.openjdk.jmh.runner.options.Options; import org.openjdk.jmh.runner.options.OptionsBuilder; import java.util.concurrent.TimeUnit; @BenchmarkMode(Mode.AverageTime) // 测试完成时间 @OutputTimeUnit(TimeUnit.NANOSECONDS) @Warmup(iterations = 2, time = 1, timeUnit = TimeUnit.SECONDS) // 预热 2 轮，每次 1s @Measurement(iterations = 5, time = 3, timeUnit = TimeUnit.SECONDS) // 测试 5 轮，每次 3s @Fork(1) // fork 1 个线程 @State(Scope.Thread) // 每个测试线程一个实例 public class VarOptimizeTest { volatile char[] myChars = ("Oracle Cloud Infrastructure Low data networking fees and " + "automated migration Oracle Cloud Infrastructure platform is built for " + "enterprises that are looking for higher performance computing with easy " + "migration of their on-premises applications to the Cloud.").toCharArray(); public static void main(String[] args) throws RunnerException { // 启动基准测试 Options opt = new OptionsBuilder() .include(VarOptimizeTest.class.getSimpleName()) // 要导入的测试类 .build(); new Runner(opt).run(); // 执行测试 } @Benchmark public int globalVarTest() { int count = 0; for (int i = 0; i < myChars.length; i++) { if (myChars[i] == 'c') { count++; } } return count; } @Benchmark public int localityVarTest() { char[] localityChars = myChars; int count = 0; for (int i = 0; i < localityChars.length; i++) { if (localityChars[i] == 'c') { count++; } } return count; } }
最终的测试结果是：
从上面的结果可以看出，局部变量的性能比全局变量的性能快了大约 5.02 倍。
至于为什么局部变量会比全局变量快？咱们稍后再说，我们先来聊聊 CPU 缓存的事。
在计算机系统中，CPU 缓存（CPU Cache）是用于减少处理器访问内存所需平均时间的部件。在金字塔式存储体系中它位于自顶向下的第二层，仅次于 CPU 寄存器，如下图所示：
CPU 缓存的容量远小于内存，但速度却可以接近处理器的频率。当处理器发出内存访问请求时，会先查看缓存内是否有请求数据。如果存在（命中），则不经访问内存直接返回该数据；如果不存在（失效），则要先把内存中的相应数据载入缓存，再将其返回处理器。
CPU 缓存可以分为一级缓存（L1），二级缓存（L2），部分高端 CPU 还具有三级缓存（L3），这三种缓存的技术难度和制造成本是相对递减的，所以其容量也是相对递增的。当 CPU 要读取一个数据时，首先从一级缓存中查找，如果没有找到再从二级缓存中查找，如果还是没有就从三级缓存或内存中查找。
以下是各级缓存和内存响应时间的对比图：
（图片来源：cenalulu）
从上图可以看出内存的响应速度要比 CPU 缓存慢很多。
