Question

如何用Java编写（并运行）正确的微基准测试？

我正在寻找一些代码示例和评论，说明需要考虑的各种事项。

示例：基准测试应该测量时间/迭代或迭代/时间，以及为什么？

相关：Is stopwatch benchmarking acceptable?

Answer 1

关于编写微基准的提示from the creators of Java HotSpot：

规则0：阅读有关JVM和微基准测试的着名论文。一个好的是Brian Goetz, 2005。微观基准不要期望太多;它们仅测量有限范围的JVM性能特征。

规则1：始终包含一个完整运行测试内核的预热阶段，足以在计时阶段之前触发所有初始化和编译。（在预热阶段，迭代次数较少。经验法则是数万次内循环迭代。）

规则2：始终使用-XX:+PrintCompilation，-verbose:gc等运行，这样您就可以验证编译器和JVM的其他部分在执行期间没有执行任何意外的工作你的计时阶段。

规则2.1：在计时和预热阶段的开始和结束时打印消息，这样您就可以在计时阶段验证规则2中没有输出。

规则3：请注意-client和-server以及OSR和常规编辑之间的区别。 -XX:+PrintCompilation标志报告带有at符号的OSR编译以表示非初始入口点，例如：Trouble$1::run @ 2 (41 bytes)。如果您追求最佳性能，则首选服务器到客户端，并定期访问OSR。

规则4：请注意初始化效果。在打印加载和初始化类时，不要在计时阶段第一次打印。除非您专门测试类加载（并且在这种情况下只加载测试类），否则不要在预热阶段（或最终报告阶段）之外加载新类。规则2是你抵御这种影响的第一道防线。

规则5：了解去优化和重新编译效果。在计时阶段第一次不要采用任何代码路径，因为编译器可能会破坏并重新编译代码，这是基于先前的乐观假设，即路径根本不会被使用。规则2是你抵御这种影响的第一道防线。

规则6：使用适当的工具来阅读编译器的想法，并期望对它产生的代码感到惊讶。在形成关于什么使得更快或更慢的东西的理论之前，自己检查代码。

规则7：降低测量中的噪音。在安静的机器上运行您的基准测试，并运行几次，丢弃异常值。使用-Xbatch将编译器与应用程序序列化，并考虑设置-XX:CICompilerCount=1以防止编译器与自身并行运行。尽量减少GC开销，设置Xmx（足够大）等于Xms并使用UseEpsilonGC（如果可用）。

规则8：使用库作为基准测试，因为它可能更高效，并且已经针对此唯一目的进行了调试。例如JMH，Caliper或Bill and Paul's Excellent UCSD Benchmarks for Java。

Answer 2

我知道这个问题已被标记为已回答，但我想提及两个帮助我们编写微基准的库

<强> Caliper from Google

入门教程

<强> JMH from OpenJDK

入门教程

Answer 3

Java基准测试的重要内容是：

首先在之前多次运行代码来预热JIT
确保您运行的时间足够长，以便能够在几秒钟或（更好）数十秒内测量结果
虽然你不能在迭代之间调用System.gc()，但在测试之间运行它是个好主意，这样每个测试都有望获得一个“干净”的内存空间。（是的，gc()更多的是暗示而不是保证，但是根据我的经验，它真的很可能它真的会被垃圾收集。）
我喜欢显示迭代和时间，以及可以缩放的时间/迭代分数，使得“最佳”算法得分为1.0，而其他算法以相对方式得分。这意味着您可以长时间运行所有算法，同时改变迭代次数和时间，但仍能获得可比较的结果。

我正在撰写有关.NET基准测试框架设计的博客。我有一个couple的earlier posts可能会给你一些想法 - 当然，并不是所有的一切都是合适的，但有些可能是。

Answer 4

jmh是OpenJDK的最新成员，由Oracle的一些性能工程师编写。当然值得一看。

jmh是一个Java工具，用于构建，运行和分析用Java和其他针对JVM的语言编写的nano / micro / macro基准测试。

非常有趣的信息埋藏在the sample tests comments。

另见：

Answer 5

基准测量应该测量时间/迭代或迭代/时间，为什么？

这取决于您尝试测试的。

如果您对延迟感兴趣，请使用时间/迭代，如果您对吞吐量感兴趣，请使用迭代/时间。

Answer 6

确保以某种方式使用在基准代码中计算的结果。否则，您的代码可以被优化掉。

Answer 7

如果您要比较两种算法，请为每种算法至少执行两个基准测试，以交替顺序。即：

for(i=1..n)
  alg1();
for(i=1..n)
  alg2();
for(i=1..n)
  alg2();
for(i=1..n)
  alg1();

在不同的传递中，我在相同算法的运行时发现了一些明显的差异（有时为5-10％）。

此外，请确保 n 非常大，以便每个循环的运行时间至少为10秒左右。迭代次数越多，基准时间内的数字越重要，数据就越可靠。

Answer 8

在Java中编写微基准测试存在许多可能的缺陷。

首先：您必须计算各种随机时间或多或少随机的事件：垃圾收集，缓存效果（文件操作系统和内存CPU），IO等。

第二：在非常短的时间间隔内，您不能相信测量时间的准确性。

第三：JVM在执行时优化代码。因此，同一JVM实例中的不同运行将变得越来越快。

我的建议：让您的基准测试运行几秒钟，这比运行时间超过毫秒更可靠。预热JVM（意味着至少运行基准测试一次而不进行测量，JVM可以运行优化）。并多次运行您的基准测试（可能是5次）并取中值。在新的JVM实例中运行每个微基准测试（调用每个基准测试新Java），否则JVM的优化效果会影响以后运行的测试。不要执行在预热阶段没有执行的事情（因为这可能会触发类加载和重新编译）。

Answer 9

还应该注意，在比较不同的实现时，分析微基准测试的结果可能也很重要。因此，应该significance test。

这是因为在基准测试的大多数运行期间，实现A可能比实现B更快。但是A可能也有更高的差异，因此与A相比，B衡量的效果优势没有任何意义。

因此，正确编写和运行微基准测试也很重要，但也要正确分析它。

Answer 10

http://opt.sourceforge.net/ Java Micro Benchmark - 控制在不同平台上确定计算机系统的比较性能特征所需的任务。可用于指导优化决策和比较不同的Java实现。

Answer 11

为了增加其他优秀建议，我还要注意以下几点：

对于某些CPU（例如带有TurboBoost的Intel Core i5系列），温度（以及当前使用的内核数量以及其利用率百分比）会影响时钟速度。由于CPU是动态计时的，因此会影响您的结果。例如，如果您有单线程应用程序，则最大时钟速度（使用TurboBoost）高于使用所有核心的应用程序。因此，这可能会干扰某些系统上单线程和多线程性能的比较。请记住，温度和波动也会影响Turbo频率的维持时间。

也许您可以直接控制一个更为根本的重要方面：确保您正确测量正确的事情！例如，如果您使用System.nanoTime()对特定代码进行基准测试，请将调用调用放在有意义的位置，以避免测量您不感兴趣的内容。例如，不要这样做：

long startTime = System.nanoTime();
//code here...
System.out.println("Code took "+(System.nanoTime()-startTime)+"nano seconds");

问题是您在代码完成后没有立即获得结束时间。相反，请尝试以下方法：

final long endTime, startTime = System.nanoTime();
//code here...
endTime = System.nanoTime();
System.out.println("Code took "+(endTime-startTime)+"nano seconds");

如何在Java中编写正确的微基准测试？

11 个答案: