JMH - Java 代码性能测试的终极利器必须掌握（务必收藏）！

Posted 2021-08-18 king哥Java架构

tags:

篇首语：本文由小常识网(cha138.com)小编为大家整理，主要介绍了JMH - Java 代码性能测试的终极利器必须掌握（务必收藏）！相关的知识，希望对你有一定的参考价值。

Java 性能测试难题

现在的 JVM 已经越来越为智能，它可以在编译阶段、加载阶段、运行阶段对代码进行优化。比如你写了一段不怎么聪明的代码，到了 JVM 这里，它发现几处可以优化的地方，就顺手帮你优化了一把。这对程序的运行固然美妙，却让开发者不能准确了解程序的运行情况。在需要进行性能测试时，如果不知道 JVM 优化细节，可能会导致你的测试结果差之毫厘，失之千里，同样的，Java 诞生之初就有一次编译、随处运行的口号，JVM 提供了底层支持，也提供了内存管理机制，这些机制都会对我们的性能测试结果造成不可预测的影响。

`long start = System.currentTimeMillis();``// ....``long end = System.currentTimeMillis();``System.out.println(end - start);`

上面可能就是你最常见的性能测试了，这样的测试结果真的准确吗？答案是否定的，它有下面几个问题。

时间精度问题，本身获取到的时间戳就是存在误差的，它和操作系统有关。
JVM 在运行时会进行代码预热，说白了就是越跑越快。因为类需要装载、需要准备操作。
JVM 会在各个阶段都有可能对你的代码进行优化处理。
资源回收的不确定性，可能运行很快，回收很慢。

带着这些问题，突然发现进行一次严格的基准测试的难度大大增加。那么如何才能进行一次严格的基准测试呢？

JMH 介绍

那么如何对 Java 程序进行一次精准的性能测试呢？难道需要掌握很多 JVM 优化细节吗？难道要研究如何避免，并进行正确编码才能进行严格的性能测试吗？显然不是，如果是这样的话，未免过于困难了，好在有一款一款官方的微基准测试工具 - JMH.

JMH 的全名是 Java Microbenchmark Harness，它是由 Java 虚拟机团队开发的一款用于 Java 微基准测试工具。用自己开发的工具测试自己开发的另一款工具，以子之矛，攻子之盾果真手到擒来，如臂使指。使用 JMH 可以让你方便快速的进行一次严格的代码基准测试，并且有多种测试模式，多种测试维度可供选择；而且使用简单、增加注解便可启动测试。

JMH 使用

JMH 的使用首先引入 maven 所需依赖，当前最新版为 1.23 版本。

`<!--jmh 基准测试 -->``<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>` `<scope>provided</scope>``</dependency>`

快速测试

下面使用注解的方式指定测试参数，通过一个例子展示 JMH 基准测试的具体用法，先看一次运行效果，然后再了解每个注解的具体含义。

这个例子是使用 JMH 测试，使用加号拼接字符串和使用 StringBuilder 的 append 方法拼接字符串时的速度如何，每次拼接1000个数字进行平均速度比较。

`import java.util.concurrent.TimeUnit;``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;``/**` `* <p>` `* JMH 基准测试入门` `*` `* @author niujinpeng` `* @Date 2020/8/21 1:13` `*/``@BenchmarkMode(Mode.AverageTime)``@State(Scope.Thread)``@Fork(1)``@OutputTimeUnit(TimeUnit.MILLISECONDS)``@Warmup(iterations = 3)``@Measurement(iterations = 5)``public class JmhHello {` `String string = "";` `StringBuilder stringBuilder = new StringBuilder();` `@Benchmark` `public String stringAdd() {` `for (int i = 0; i < 1000; i++) {` `string = string + i;` `}` `return string;` `}` `@Benchmark` `public String stringBuilderAppend() {` `for (int i = 0; i < 1000; i++) {` `stringBuilder.append(i);` `}` `return stringBuilder.toString();` `}` `public static void main(String[] args) throws RunnerException {` `Options opt = new OptionsBuilder()` `.include(JmhHello.class.getSimpleName())` `.build();` `new Runner(opt).run();` `}``}`

代码很简单，不做解释，stringAdd 使用加号拼接字符串 1000次，stringBuilderAppend 使用 append 拼接字符串 1000次。直接运行 main 方法，稍等片刻后可以得到详细的运行输出结果。

如果你觉得自己学习效率低，缺乏正确的指导，可以加入资源丰富，学习氛围浓厚的技术圈一起学习交流吧！
[Java架构群]
群内有许多来自一线的技术大牛，也有在小厂或外包公司奋斗的码农，我们致力打造一个平等，高质量的JAVA交流圈子，不一定能短期就让每个人的技术突飞猛进，但从长远来说，眼光，格局，长远发展的方向才是最重要的。

`// 开始测试 stringAdd 方法``# JMH version: 1.23``# VM version: JDK 1.8.0_181, Java HotSpot(TM) 64-Bit Server VM, 25.181-b13``# VM invoker: D:\\develop\\Java\\jdk8_181\\jre\\bin\\java.exe``# VM options: -javaagent:C:\\ideaIU-2020.1.3.win\\lib\\idea_rt.jar=50363:C:\\ideaIU-2020.1.3.win\\bin -Dfile.encoding=UTF-8``# Warmup: 3 iterations, 10 s each  // 预热运行三次``# Measurement: 5 iterations, 10 s each // 性能测试5次` `# Timeout: 10 min per iteration  // 超时时间10分钟``# Threads: 1 thread, will synchronize iterations  // 线程数量为1``# Benchmark mode: Average time, time/op  // 统计方法调用一次的平均时间``# Benchmark: net.codingme.jmh.JmhHello.stringAdd // 本次执行的方法``# Run progress: 0.00% complete, ETA 00:02:40``# Fork: 1 of 1``# Warmup Iteration   1: 95.153 ms/op  // 第一次预热，耗时95ms``# Warmup Iteration   2: 108.927 ms/op // 第二次预热，耗时108ms``# Warmup Iteration   3: 167.760 ms/op // 第三次预热，耗时167ms``Iteration   1: 198.897 ms/op  // 执行五次耗时度量``Iteration   2: 243.437 ms/op``Iteration   3: 271.171 ms/op``Iteration   4: 295.636 ms/op``Iteration   5: 327.822 ms/op``Result "net.codingme.jmh.JmhHello.stringAdd":` `267.393 ±(99.9%) 189.907 ms/op [Average]` `(min, avg, max) = (198.897, 267.393, 327.822), stdev = 49.318  // 执行的最小、平均、最大、误差值` `CI (99.9%): [77.486, 457.299] (assumes normal distribution)` `// 开始测试 stringBuilderAppend 方法``# Benchmark: net.codingme.jmh.JmhHello.stringBuilderAppend``# Run progress: 50.00% complete, ETA 00:01:21``# Fork: 1 of 1``# Warmup Iteration   1: 1.872 ms/op``# Warmup Iteration   2: 4.491 ms/op``# Warmup Iteration   3: 5.866 ms/op``Iteration   1: 6.936 ms/op``Iteration   2: 8.465 ms/op``Iteration   3: 8.925 ms/op``Iteration   4: 9.766 ms/op``Iteration   5: 10.143 ms/op``Result "net.codingme.jmh.JmhHello.stringBuilderAppend":` `8.847 ±(99.9%) 4.844 ms/op [Average]` `(min, avg, max) = (6.936, 8.847, 10.143), stdev = 1.258` `CI (99.9%): [4.003, 13.691] (assumes normal distribution)``# Run complete. Total time: 00:02:42``REMEMBER: The numbers below are just data. To gain reusable insights, you need to follow up on``why the numbers are the way they are. Use profilers (see -prof, -lprof), design factorial``experiments, perform baseline and negative tests that provide experimental control, make sure``the benchmarking environment is safe on JVM/OS/HW level, ask for reviews from the domain experts.``Do not assume the numbers tell you what you want them to tell.``// 测试结果对比``Benchmark                     Mode  Cnt    Score     Error  Units``JmhHello.stringAdd            avgt    5  267.393 ± 189.907  ms/op``JmhHello.stringBuilderAppend  avgt    5    8.847 ±   4.844  ms/op``Process finished with exit code 0`

上面日志里的 // 注释是我手动增加上去的，其实我们只需要看下面的最终结果就可以了，可以看到 stringAdd 方法平均耗时 267.393ms，而 stringBuilderAppend 方法平均耗时只有 8.847ms，可见 StringBuilder 的 append 方法进行字符串拼接速度快的多，这也是我们推荐使用append 进行字符串拼接的原因。

注解说明

经过上面的示例，想必你也可以快速的使用 JMH 进行基准测试了，不过上面的诸多注解你可能还有疑惑，下面一一介绍。

类上使用了六个注解。

`@BenchmarkMode(Mode.AverageTime)``@State(Scope.Thread)``@Fork(1)``@OutputTimeUnit(TimeUnit.MILLISECONDS)``@Warmup(iterations = 3)``@Measurement(iterations = 5)`

@BenchmarkMode(Mode.AverageTime) 表示统计平均响应时间，不仅可以用在类上，也可用在测试方法上。

除此之外还可以取值：

Throughput：统计单位时间内可以对方法测试多少次。
SampleTime：统计每个响应时间范围内的响应次数，比如 0-1ms，3次；1-2ms，5次。
SingleShotTime：跳过预热阶段，直接进行一次****微基准测试。

@State(Scope.Thread)：每个进行基准测试的线程都会独享一个对象示例。

除此之外还能取值：

Benchmark：多线程共享一个示例。
Group：线程组共享一个示例，在测试方法上使用 @Group 设置线程组。

@Fork(1)：表示开启一个线程进行测试。

**OutputTimeUnit(TimeUnit.MILLISECONDS)：输出的时间单位，这里写的是毫秒。

@Warmup(iterations = 3)：微基准测试前进行三次预热执行，也可用在测试方法上。

@Measurement(iterations = 5)：进行 5 次微基准测试，也可用在测试方法上。

在两个测试方法上只使用了一个注解 @Benchmark，这个注解表示这个方法是要进行基准测试的方法，它类似于 Junit 中的 @Test 注解。上面还提到某些注解还可以用到测试方法上，也就是使用了 @Benchmark 的方法之上，如果类上和测试方法同时存在注解，会以方法上的注解为准。

其实 JMH 也可以把这些参数直接在 main 方法中指定，这时 main 方法中指定的级别最高。

`public static void main(String[] args) throws RunnerException {` `Options opt = new OptionsBuilder()` `.include(JmhHello.class.getSimpleName())` `.forks(1)` `.warmupIterations(5)` `.measurementIterations(10)` `.build();` `new Runner(opt).run();``}`

正确的微基准测试

如果编写的代码本身就存在着诸多问题，那么即使使用正确的测试方法，也不可能得到正确的测试结果。这些测试代码中的问题应该由我们进行主动避免，那么有哪些常见问题呢？下面介绍两种最常见的情况。

无用代码消除（ Dead Code Elimination ）

也有网友形象的翻译成死代码，死代码是指那些 JVM 经过检查发现的根本不会使用到的代码。比如下面这个代码片段。

`import java.util.concurrent.TimeUnit;``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;``/**` `* <p>` `* 测试死代码消除` `*` `* @author niujinpeng` `* @Date 2020/8/21 8:04` `*/``@BenchmarkMode(Mode.AverageTime)``@State(Scope.Thread)``@Fork(1)``@OutputTimeUnit(TimeUnit.MICROSECONDS)``@Warmup(iterations = 3, time = 3)``@Measurement(iterations = 5, time = 3)``public class JmhDCE {` `@Benchmark` `public double test1() {` `return Math.log(Math.PI);` `}` `@Benchmark` `public void test2() {` `double result = Math.log(Math.PI);` `result = Math.log(result);` `}` `public static void main(String[] args) throws RunnerException {` `Options opt = new OptionsBuilder()` `.include(JmhDCE.class.getSimpleName())` `.build();` `new Runner(opt).run();` `}``}`

在这个代码片段里里，test1 方法对圆周率进行对数计算，并返回计算结果；而 test2 中不仅对圆周率进行对数计算，还对计算的结果再次对数计算，看起来复杂一些，但是因为没有用到计算结果，所以 JVM 会自动消除这段代码，因为它没有任何意义。

`Benchmark     Mode  Cnt   Score    Error  Units``JmhDCE.test1  avgt    5   0.002 ±  0.001  us/op``JmhDCE.test2  avgt    5  ≈ 10⁻⁴           us/op`

测试结果里也可以看到 test 平均耗时 0.0004 微秒，而 test1 平均耗时 0.002 微秒。

常量折叠（Constant Folding）

在对 Java 源文件编译的过程中，编译器通过语法分析，可以发现某些能直接得到计算结果而不会再次更改的代码，然后会将计算结果记录下来，这样在执行的过程中就不需要再次运算了。比如这段代码。

`import java.util.concurrent.TimeUnit;``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;``/**` `* <p>` `* 测试常量折叠` `*`` * @author niujinpeng` `* @Date 2020/8/21 8:23` `*/``@BenchmarkMode(Mode.AverageTime)``@State(Scope.Thread)``@Fork(1)``@OutputTimeUnit(TimeUnit.MICROSECONDS)``@Warmup(iterations = 3, time = 3)``@Measurement(iterations = 5, time = 3)``public class JmhConstantFolding {` `final double PI1 = 3.14159265358979323846;` `double PI2 = 3.14159265358979323846;` `@Benchmark` `public double test1() {` `return Math.log(PI1) * Math.log(PI1);` `}` `@Benchmark` `public double test2() {` `return Math.log(PI2) * Math.log(PI2);` `}` `public static void main(String[] args) throws RunnerException {` `Options opt = new OptionsBuilder().include(JmhConstantFolding.class.getSimpleName()).build();` `new Runner(opt).run();` `}``}`

test1 中使用 final 修饰的 PI1 进行对象计算，因为 PI1 不能再次更改，所以 test1 的计算结果必定是不会更改的，所以 JVM 会进行常量折叠优化，而 test2 使用的 PI2 可能会被修改，所以只能每次进行计算。

`Benchmark                 Mode  Cnt  Score    Error  Units``JmhConstantFolding.test1  avgt    5  0.002 ±  0.001  us/op``JmhConstantFolding.test2  avgt    5  0.019 ±  0.001  us/op`

可以看到 test2 耗时要多的多，达到了 0.019 微秒。

其实 JVM 做的优化操作远不止上面这些，还有比如常量传播（Constant Propagation）、循环展开（Loop Unwinding）、循环表达式外提（Loop Expression Hoisting）、消除公共子表达式（Common Subexpression Elimination）、本块重排序（Basic Block Reordering）、范围检查消除（Range Check Elimination）等。

总结

JMH 进行基准测试的使用过程并不复杂，同为 Java 虚拟机团队开发，准确性毋容置疑。但是在进行基准测试时还是要注意自己的代码问题，如果编写的要进行测试的代码本身存在问题，那么测试的结果必定是不准的。掌握了 JMH 基准测试之后，可以尝试测试一些常用的工具或者框架的性能如何，看看哪个工具的性能最好，比如 FastJSON 真的比 GSON 在进行 JSON 转换时更 Fast 吗？Spring 的 BeanUtils 和 Apache 的 BeanUtils 哪个速度更快？

一直想整理出一份完美的面试宝典，但是时间上一直腾不开，这套一千多道面试题宝典，结合今年金三银四各种大厂面试题，以及 GitHub 上 star 数超 30K+ 的文档整理出来的，我上传以后，毫无意外的短短半个小时点赞量就达到了 13k，说实话还是有点不可思议的。

一千道互联网 Java 工程师面试题

内容涵盖：Java、MyBatis、ZooKeeper、Dubbo、Elasticsearch、Memcached、Redis、mysql、Spring、SpringBoot、SpringCloud、RabbitMQ、Kafka、Linux等技术栈（485页）

初级—中级—高级三个级别的大厂面试真题

阿里云——Java 实习生/初级

List 和 Set 的区别 HashSet 是如何保证不重复的

HashMap 是线程安全的吗，为什么不是线程安全的（最好画图说明多线程环境下不安全）?

HashMap 的扩容过程

HashMap 1.7 与 1.8 的区别，说明 1.8 做了哪些优化，如何优化的？

对象的四种引用

Java 获取反射的三种方法

Java 反射机制

Arrays.sort 和 Collections.sort 实现原理和区别

Cloneable 接口实现原理

异常分类以及处理机制

wait 和 sleep 的区别

数组在内存中如何分配

答案展示：

美团——Java 中级

BeanFactory 和 ApplicationContext 有什么区别

Spring Bean 的生命周期

Spring IOC 如何实现

说说 Spring AOP

Spring AOP 实现原理

动态代理（cglib 与 JDK）

Spring 事务实现方式

Spring 事务底层原理

如何自定义注解实现功能

Spring MVC 运行流程

Spring MVC 启动流程

Spring 的单例实现原理

Spring 框架中用到了哪些设计模式

为什么选择 Netty

说说业务中，Netty 的使用场景

原生的 NIO 在 JDK 1.7 版本存在 epoll bug

什么是 TCP 粘包/拆包

TCP 粘包/拆包的解决办法

Netty 线程模型

说说 Netty 的零拷贝

Netty 内部执行流程

答案展示：

蚂蚁金服——Java 高级

题 1：

jdk1.7 到 jdk1.8 Map 发生了什么变化(底层)?

ConcurrentHashMap

并行跟并发有什么区别？

jdk1.7 到 jdk1.8 java 虚拟机发生了什么变化?

如果叫你自己设计一个中间件,你会如何设计?

什么是中间件？

ThreadLock 用过没有,说说它的作用?

Hashcode（）和 equals（）和==区别?

mysql 数据库中,什么情况下设置了索引但无法使用?

mysql 优化会不会,mycat 分库,垂直分库,水平分库?

分布式事务解决方案?

sql 语句优化会不会,说出你知道的?

mysql 的存储引擎了解过没有?

红黑树原理？