性能分析 - JMH 微基准测试

在各种各样的并发工具类中，如何确定我们代码的并发性能呢？这个时候就需要来聊下 Java 中提供的微基准测试工具 JMH, 它主要是基于方法层面的基准测试，精度可以达到纳秒级。JMH由Oracle内部实现JIT的大牛们编写，他们比任何人都了解JIT以及JVM对于基准测试的影响

在现代Java开发中，性能优化不再是凭直觉猜测的游戏。JMH（官网）作为由Oracle JIT团队开发的专业级微基准测试框架，提供了纳秒级精度的代码性能分析能力，成为衡量方法级性能的黄金标准。本文将全面解析JMH的核心原理、实践技巧与避坑指南。

JMH 有什么用

JMH通过科学控制JVM变量（如JIT编译、垃圾回收）解决传统手工测试的三大痛点：

消除干扰因素：独立的测试进程隔离避免方法间优化干扰
预热机制：通过预热迭代触发JIT编译，使结果反映稳定性能
多维度统计：支持吞吐量(OPS)、平均时间、百分位数(TP99)等丰富指标

典型应用场景：

🔍 量化对比算法实现（如String拼接 vs StringBuilder）
⚡ 检测方法执行时间与输入规模的相关性
📊 验证性能优化效果（如缓存引入前后的吞吐量变化）
🧪 多线程并发场景下的性能压测

JMH核心概念解剖

测试模式（Benchmark Mode）

模式	度量指标	适用场景
Throughput	每秒操作数(ops/s)	高并发接口吞吐评估
AverageTime	单次操作平均耗时	算法效率对比
SampleTime	响应时间分布(TP99)	SLA合规性验证
SingleShotTime	冷启动耗时	初始化性能测试

生命周期控制

预热(Warmup)：触发JIT编译，避免冷启动扭曲结果9


java

@Warmup(iterations = 3, time = 1, timeUnit = TimeUnit.SECONDS)

测量(Measurement)：实际统计阶段


java

@Measurement(iterations = 5, time = 5, timeUnit = TimeUnit.SECONDS)

状态作用域(State Scope)

作用域	实例分配规则	使用场景
Scope.Thread	每线程独立实例	无状态服务测试
Scope.Benchmark	全局共享实例	单例组件性能
Scope.Group	线程组共享实例	生产者-消费者模型

注解

因为我们主要利用JMH提供的注解来进行基准测试，因此我们有必要了解一下JMH一些常用注解

@State: 表明类的所有属性的作用域。只能用于类上。它有如下选项


Scope.Thread： 默认的State，每个测试线程分配一个实例；
  Scope.Benchmark： 所有测试线程共享一个实例，用于测试有状态实例在多线程共享下的性能；
  Scope.Group： 每个线程组共享一个实例；

@BenchmarkMode: 用于指定基准测试的执行模式，如吞吐量、平均执行时间。可用于类或者方法上，它有如下模式


Throughput：整体吞吐量，每秒执行了多少次调用，单位为 ops/time
  AverageTime：用的平均时间，每次操作的平均时间，单位为 time/op
  SampleTime：随机取样，最后输出取样结果的分布
  SingleShotTime：只运行一次，往往同时把 Warmup 次数设为 0，用于测试冷启动时的性能
  All：上面的所有模式都执行一次

@Measurement: 用于控制压测的次数、时间和批处理数量。可用于类或者方法上，它有如下参数


iterations：测量的次数
  time：每次测量持续的时间
  timeUnit：时间的单位，默认秒
  batchSize：批处理大小，每次操作调用几次方法

@Warmup: 预热，可用于类或者方法上


由于JVM会使用JIT对热点代码进行编译，因此同一份代码可能由于执行次数的增加而导致执行时间差异太大，因此我们可以让代码先预热几轮，预热时间不算入测量计时。@WarmUp 的使用和 @Measurement 一致。

@Fork: 用于指定fork出多少个子进程来执行同一基准测试方法，可用于类或者方法上。例如@Fork指定数量为2，则 JMH 会 fork 出两个进程来进行测试
@Threads: 用于指定使用多少个线程来执行基准测试方法，可用于类或者方法上。例如@Threads 指定线程数为 2 ，那么每次测量都会创建两个线程来执行基准测试方法
@OutputTimeUnit: 可以指定输出的时间单位，可用于类或者方法注解
@Param：指定某项参数的多种情况，特别适合用来测试一个函数在不同的参数输入的情况下的性能，只能作用在字段上，使用该注解必须定义 @State 注解。
@Setup：用于基准测试前的初始化动作，只能用于方法
@TearDown 用于基准测试后执行，主要用于资源的回收，只能用于方法

SpringBoot 集成实践

依赖

添加需要添加两个依赖：jmh-core （jmh的核心)、jmh-generator-annprocess（注解处理包）

最新版本可以在Maven仓库 https://mvnrepository.com/ 中找到。


xml

<properties>
    <jmh.version>1.36</jmh.version>
</properties>

<dependencies>
    <dependency>
        <groupId>org.openjdk.jmh</groupId>
        <artifactId>jmh-core</artifactId>
        <version>${jmh.version}</version>
    </dependency>
    <dependency>
        <groupId>org.openjdk.jmh</groupId>
        <artifactId>jmh-generator-annprocess</artifactId>
        <version>${jmh.version}</version>
        <scope>provided</scope>
    </dependency>
</dependencies>


gradle

// Gradle 示例
dependencies {
    implementation 'org.openjdk.jmh:jmh-core:LATEST_VERSION'
    annotationProcessor 'org.openjdk.jmh:jmh-generator-annprocess:LATEST_VERSION'
}

JMH 生态

JMH 是 OpenJDK 项目的一部分，广泛用于 Java 性能测试。以下是一些与 JMH 相关的项目和工具：

JMH Visualizer：一个用于可视化 JMH 测试结果的工具。
jmh-gradle-plugin：一个用于在 Gradle 项目中集成 JMH 的插件。
jmh-compare-gui：一个用于比较不同 JMH 测试结果的图形界面工具。

通过这些工具和插件，可以更全面地进行 Java 性能测试和分析。

Idea 中的 JMH Java Microbenchmark Harness 插件官网

JMH 在去使用的时候，应该将项目构建成jar包，然后在服务器上进行微基准测试，服务器性能上约接近生产越好，如果测试性能完全ok，那到生产服务器上也大致相同。

在开发的过程中，如果说边开发边进行这种微基准的测试实际上是不准确的，毕竟开发环境会对结果产生影响。平时你要想进行一些微基准的测试的话，要是每次打个包来进行正规一个从头到尾的测试，完了之后发现问题不对再去重新改，效率太低了，这个时候就需要用到我们的插件。

JMH 测试陷阱

死代码消除

运行微基准测试时，了解优化非常重要。否则，它们可能会以非常误导的方式影响基准测试结果。

为了使事情更具体一些，让我们考虑一个例子：


java

@Benchmark
@OutputTimeUnit(TimeUnit.NANOSECONDS)
@BenchmarkMode(Mode.AverageTime)
public void doNothing() {
}

@Benchmark
@OutputTimeUnit(TimeUnit.NANOSECONDS)
@BenchmarkMode(Mode.AverageTime)
public void objectCreation() {
    new Object();
}

我们期望对象分配的成本高于什么都不做。但是，如果我们运行基准测试：


text

Benchmark                 Mode  Cnt  Score   Error  Units
BenchMark.doNothing       avgt   40  0.609 ± 0.006  ns/op
BenchMark.objectCreation  avgt   40  0.613 ± 0.007  ns/op

显然，在 TLAB 中找到一个位置，创建和初始化一个对象几乎是免费的！仅通过查看这些数字，我们应该知道这里有些东西并没有完全加起来。

在这里，我们是死代码消除的受害者。编译器非常擅长优化冗余代码。事实上，这正是 JIT 编译器在这里所做的。

为了防止这种优化，我们应该以某种方式欺骗编译器并使其认为代码被其他组件使用。实现此目的的一种方法是返回创建的对象：


java

@Benchmark
@OutputTimeUnit(TimeUnit.NANOSECONDS)
@BenchmarkMode(Mode.AverageTime)
public Object pillarsOfCreation() {
    return new Object();
}

此外，我们可以让黑洞消耗它：


java

@Benchmark
@OutputTimeUnit(TimeUnit.NANOSECONDS)
@BenchmarkMode(Mode.AverageTime)
public void blackHole(Blackhole blackhole) {
    blackhole.consume(new Object());
}

让黑洞使用对象是说服 JIT 编译器不应用死代码消除优化的一种方法。无论如何，如果我们再次运行这些基准测试，这些数字将更有意义：


text

Benchmark                    Mode  Cnt  Score   Error  Units
BenchMark.blackHole          avgt   20  4.126 ± 0.173  ns/op
BenchMark.doNothing          avgt   20  0.639 ± 0.012  ns/op
BenchMark.objectCreation     avgt   20  0.635 ± 0.011  ns/op
BenchMark.pillarsOfCreation  avgt   20  4.061 ± 0.037  ns/op

恒定折叠

让我们考虑另一个例子：


java

@Benchmark
public double foldedLog() {
    int x = 8;

    return Math.log(x);
}

基于常量的计算可能会返回完全相同的输出，而不管执行次数如何。因此，JIT 编译器很有可能将对其结果替换对数函数调用：


java

@Benchmark
public double foldedLog() {
    return 2.0794415416798357;
}

这种形式的部分评估称为恒定折叠。在这种情况下，不断折叠完全避免了 Math.log 调用，这是基准测试的重点。

为了防止常量折叠，我们可以将常量状态封装在一个状态对象中：


java

@State(Scope.Benchmark)
public static class Log {
    public int x = 8;
}

@Benchmark
public double log(Log input) {
     return Math.log(input.x);
}

如果我们相互运行这些基准：


text

Benchmark             Mode  Cnt          Score          Error  Units
BenchMark.foldedLog  thrpt   20  449313097.433 ± 11850214.900  ops/s
BenchMark.log        thrpt   20   35317997.064 ±   604370.461  ops/s

创建JMH测试

字符串拼接性能对决

测试+拼接 vs StringBuilder在不同数据量下的性能：


java

@State(Scope.Benchmark)
@BenchmarkMode(Mode.AverageTime)
@OutputTimeUnit(TimeUnit.NANOSECONDS)
public class StringConnectTest {
    @Param({"10", "100", "1000"})
    private int length;

    @Benchmark
    public void testStringAdd(Blackhole bh) {
        String a = "";
        for (int i = 0; i < length; i++) {
            a += i;
        }
        bh.consume(a);
    }

    @Benchmark
    public void testStringBuilder(Blackhole bh) {
        StringBuilder sb = new StringBuilder();
        for (int i = 0; i < length; i++) {
            sb.append(i);
        }
        bh.consume(sb.toString());
    }
}

典型结果分析


text

Benchmark               (length)   Mode   Cnt     Score    Error  Units
testStringAdd               10     avgt    5     161.5 ±  17.1  ns/op
testStringBuilder           10     avgt    5      34.2 ±   0.7  ns/op
testStringAdd              100     avgt    5   14768.9 ± 452.3  ns/op
testStringBuilder          100     avgt    5     317.5 ±   5.2  ns/op

数据表明：超过100次拼接时，StringBuilder比+快46倍以上，也就是指标 14768.9 / 317.5 = 46, 揭示性能差距随数据量指数级扩大。

测试Spring Bean性能

通过@Setup初始化Spring上下文，实现真实环境下的组件性能验证


java

@State(Scope.Benchmark)
public class ServiceBenchmark {
    private ConfigurableApplicationContext context;
    private UserService userService;

    @Setup
    public void init() {
        context = SpringApplication.run(MainApp.class);
        userService = context.getBean(UserService.class);
    }

    @Benchmark
    public void testUserQuery() {
        userService.findById(1L); // 测试DAO方法性能
    }

    @TearDown
    public void close() {
        context.close();
    }
}

运行测试类，如果遇到下面的错误


java

ERROR: org.openjdk.jmh.runner.RunnerException: ERROR: Exception while trying to acquire the JMH lock (C:\WINDOWS\/jmh.lock): C:\WINDOWS\jmh.lock (拒绝访问。), exiting. Use -Djmh.ignoreLock=true to forcefully continue.
    at org.openjdk.jmh.runner.Runner.run(Runner.java:216)
    at org.openjdk.jmh.Main.main(Main.java:71)

这个错误是因为JMH运行需要访问系统的TMP目录，解决办法是：打开 RunConfiguration -> Environment Variables -> include system environment viables

官方样例

如果说大家对JMH有兴趣，你们在工作中可能会有用的上大家去读一下官方的例子，官方大概有好几十个例子程序，你可以自己一个一个的去研究。

总结

JMH 将性能测试从“经验猜测”提升到科学度量层面，使用时需注意：

测试策略：

优先使用Throughput模式评估服务容量
用SampleTime分析长尾请求

配置原则：

预热迭代≥3次，持续≥1秒19
测量迭代≥5次确保统计显著性

结果解读：

关注Score而非绝对时间
误差值(Error)超过10%需增加测试迭代7

性能优化应遵循 “测量-优化-验证” 闭环。JMH提供了这个闭环中最可靠的测量工具，让每一次优化都有据可循。真正的性能洞察始于精确测量，而非直觉猜测。掌握JMH，让性能调优从玄学走向科学。