（九）JMH的详细使用，以及压测dubbo
HaC
发布于 2022-01-06 06:00:46
发布于 2022-01-06 06:00:46
代码可运行
运行总次数：0
代码可运行
1、JMH简介
JMH即Java Microbenchmark Harness，是Java用来做基准测试的一个工具，该工具由OpenJDK提供并维护，测试结果可信度高。
相对于 Jmeter、ab ，它通过编写代码的方式进行压测，在特定场景下会更能评估某项性能。
本次通过使用JMH来压测Dubbo的性能（官方也是使用JMH压测）
2、使用
只需要引用两个jar即可：
<dependency>
<groupId>org.openjdk.jmh</groupId>
<artifactId>jmh-core</artifactId>
<version>1.29</version>
</dependency>
<dependency>
<groupId>org.openjdk.jmh</groupId>
<artifactId>jmh-generator-annprocess</artifactId>
<version>1.29</version>
</dependency>通过一系列的注解即可使用JMH。
@State
只能用在类上，有三个取值：
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；
@OutputTimeUnit
时间单位，如毫秒 TimeUnit.MILLISECONDS、秒 TimeUnit.SECONDS
@Benchmark
声明一个public方法为基准测试方法。该类下的所有被@Benchmark注解的方法都会执行。
相当于类的main方法
@BenchmarkMode
指定测试某个接口的指标，如吞吐量、平均执行时间，一般我都是选择 ALL
Mode有：
- Throughput: 整体吞吐量，例如“1秒内可以执行多少次调用” (thrpt,参加第5点)
- AverageTime: 调用的平均时间，例如“每次调用平均耗时xxx毫秒”。（avgt）
- SampleTime: 随机取样，最后输出取样结果的分布，例如“99%的调用在xxx毫秒以内，99.99%的调用在xxx毫秒以内”（simple）
- SingleShotTime: 以上模式都是默认一次 iteration 是 1s，唯有 SingleShotTime 是只运行一次。往往同时把 warmup 次数设为0，用于测试冷启动时的性能。（ss）
@BenchmarkMode({Mode.Throughput,Mode.All})
public class StressTestProvider {
}@Measurement
用于控制压测的次数
//测量2次，每次测量的持续时间为20秒
@Measurement(iterations = 2, time = 20 , timeUnit = TimeUnit.SECONDS)@Warmup
预热，预热可以避免首次因为一些其他因素，如CPU波动、类加载耗时这些情况的影响。
@Warmup(iterations = 3, time = 1, timeUnit = TimeUnit.SECONDS)参数解释同上。
@Fork
@Fork用于指定fork出多少个子进程来执行同一基准测试方法。
@Threads
@Threads注解用于指定使用多少个线程来执行基准测试方法，如果使用@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。
3、运行
我这里的例子是压测dubbo，源码链接在文末
完整例子：
@BenchmarkMode({Mode.All})
@Warmup(iterations = 3, time = 5, timeUnit = TimeUnit.SECONDS)
//测量次数,每次测量的持续时间
@Measurement(iterations = 3, time = 10, timeUnit = TimeUnit.SECONDS)
@Threads(32)
@Fork(1)
@State(Scope.Benchmark)
@OutputTimeUnit(TimeUnit.SECONDS)
@Slf4j
public class StressTestProvider {
private final AnnotationConfigApplicationContext annotationConfigApplicationContext;
private final StressTestController stressTestController;
public StressTestProvider() {
annotationConfigApplicationContext = new AnnotationConfigApplicationContext(AnnotationConfig.class);
annotationConfigApplicationContext.start();
stressTestController = annotationConfigApplicationContext.getBean("stressTestController", StressTestController.class);
}
@TearDown
public void close() throws IOException {
annotationConfigApplicationContext.close();
}
@Benchmark
public void string1k() {
stressTestController.string1k();
}
@Benchmark
public void string100k() {
stressTestController.string100k();
}
public static void main(String[] args) throws RunnerException {
log.info("测试开始");
Options opt = new OptionsBuilder()
.include(StressTestProvider.class.getSimpleName())
//可以通过注解注入
// .warmupIterations(3)
// .warmupTime(TimeValue.seconds(10))
//报告输出
.result("result.json")
//报告格式
.resultFormat(ResultFormatType.JSON).build();
new Runner(opt).run();
}
}有两种运行的方式，一般采用打成jar这种。
3.1、main方法运行
如上，只需要 配置Options，运行main方法即可，注意要使用 run模式启动，不要使用debug模式启动。
否则会报错：
transport error 202: connect failed: Connection refused ERROR3.2、打成jar运行
有时候需要放在服务器上运行，就需要打成一个jar，需要使用单独的jar打包插件：
<build>
<plugins>
<plugin>
<groupId>org.apache.maven.plugins</groupId>
<artifactId>maven-shade-plugin</artifactId>
<version>2.2</version>
<executions>
<execution>
<phase>package</phase>
<goals>
<goal>shade</goal>
</goals>
<configuration>
<finalName>jmh-demo</finalName>
<transformers>
<transformer
implementation="org.apache.maven.plugins.shade.resource.ManifestResourceTransformer">
<mainClass>org.openjdk.jmh.Main</mainClass>
</transformer>
<transformer
implementation="org.apache.maven.plugins.shade.resource.ServicesResourceTransformer"/>
</transformers>
</configuration>
</execution>
</executions>
</plugin>
</plugins>
</build>如果不想要这种打包方式，打成jar的时候一定要声明main方法入口对应的类，也就是上面StressTestProvider
还有就是，因为我的是springboot项目，我测试了一下想同时打包springboot和 jmh：
但是运行 jhm-demo.jar 发现报错：not match main class，还是老老实实通过 profile 节点打包吧。
打完包后，通过以下命令即可运行：
java -jar jmh-demo.jar -rf json -rff result.json-rf json 是输出 json的格式
-rff /data/result.json 是输出文件位置和名称
4、结果
执行后，会生成一个汇总结果：
Result "com.dubbo.benchmark.StressTestProvider.string1k":
N = 3
mean = 0.016 ±(99.9%) 0.022 s/op
Histogram, s/op:
[0.014, 0.014) = 0
[0.014, 0.015) = 0
[0.015, 0.015) = 0
[0.015, 0.015) = 1
[0.015, 0.015) = 1
[0.015, 0.016) = 0
[0.016, 0.016) = 0
[0.016, 0.016) = 0
[0.016, 0.016) = 0
[0.016, 0.017) = 0
[0.017, 0.017) = 0
[0.017, 0.017) = 0
[0.017, 0.017) = 1
[0.017, 0.018) = 0
[0.018, 0.018) = 0
[0.018, 0.018) = 0
Percentiles, s/op:
p(0.0000) = 0.015 s/op
p(50.0000) = 0.015 s/op
p(90.0000) = 0.017 s/op
p(95.0000) = 0.017 s/op
p(99.0000) = 0.017 s/op
p(99.9000) = 0.017 s/op
p(99.9900) = 0.017 s/op
p(99.9990) = 0.017 s/op
p(99.9999) = 0.017 s/op
p(100.0000) = 0.017 s/op
# 第36行
# Run complete. Total time: 00:05:12
Benchmark Mode Cnt Score Error Units
StressTestProvider.string100k thrpt 3 759.794 ± 66.300 ops/s
StressTestProvider.string1k thrpt 3 6798.005 ± 6992.093 ops/s
StressTestProvider.string100k avgt 3 0.042 ± 0.002 s/op
StressTestProvider.string1k avgt 3 0.005 ± 0.012 s/op
StressTestProvider.string100k sample 22982 0.042 ± 0.001 s/op
StressTestProvider.string100k:string100k·p0.00 sample 0.017 s/op
StressTestProvider.string100k:string100k·p0.50 sample 0.041 s/op
StressTestProvider.string100k:string100k·p0.90 sample 0.048 s/op
StressTestProvider.string100k:string100k·p0.95 sample 0.050 s/op
StressTestProvider.string100k:string100k·p0.99 sample 0.058 s/op
StressTestProvider.string100k:string100k·p0.999 sample 0.075 s/op
StressTestProvider.string100k:string100k·p0.9999 sample 0.088 s/op
StressTestProvider.string100k:string100k·p1.00 sample 0.092 s/op
StressTestProvider.string1k sample 186906 0.005 ± 0.001 s/op
StressTestProvider.string1k:string1k·p0.00 sample 0.001 s/op
StressTestProvider.string1k:string1k·p0.50 sample 0.005 s/op
StressTestProvider.string1k:string1k·p0.90 sample 0.007 s/op
StressTestProvider.string1k:string1k·p0.95 sample 0.008 s/op
StressTestProvider.string1k:string1k·p0.99 sample 0.011 s/op
StressTestProvider.string1k:string1k·p0.999 sample 0.030 s/op
StressTestProvider.string1k:string1k·p0.9999 sample 0.035 s/op
StressTestProvider.string1k:string1k·p1.00 sample 0.038 s/op
StressTestProvider.string100k ss 3 0.030 ± 0.181 s/op
StressTestProvider.string1k ss 3 0.016 ± 0.022 s/op
Benchmark result is saved to result.json结果分析
简单分析一下：
只需要从第36行开始看，我这里一共压测了2个方法
- StressTestProvider.string100k
- StressTestProvider.string1k
Mode
这一列表示测试的名称，也就是 @BenchmarkMode你选择的测试类型，源码在此：
public enum Mode {
/**
* <p>Throughput: operations per unit of time.</p>
*/
Throughput("thrpt", "Throughput, ops/time"),
/**
* <p>Average time: average time per per operation.</p>
*
*/
AverageTime("avgt", "Average time, time/op"),
/**
* <p>Sample time: samples the time for each operation.</p>
*
*/
SampleTime("sample", "Sampling time"),
/**
* <p>Single shot time: measures the time for a single operation.</p>
*
*/
SingleShotTime("ss", "Single shot invocation time"),thrpt：吞吐量，也可以理解为tps、ops
avgt：每次请求的平均耗时
sample：请求样本数量，这次压测一共发了多少个请求
ss：除去冷启动，一共执行了多少轮
Cnt、Score、Units
单位
Error
误差
如果你配置了输出文件，比如我上面的 resul.json ，但是你打开是看不懂的，可以借助两个网站把文件上传进行分析：
汇总：
以上对dubbo进行了分别传输1k和100k的数据压测。
provider机器：
2核4g
CentOS release 6.4 (Final)
model name : QEMU Virtual CPU version 2.5+
stepping : 3
cpu MHz : 2099.998
cache size : 4096 KBJVM：
jdk1.8
-server -Xmx2g -Xms2g -XX:+UseG1GC dubbo：
版本：2.7.3
序列化：hessian2
使用默认dubbo线程数压测参数：
32并发
1k | 100k | |
|---|---|---|
TPS | 6700 | 760 |
RTT | 95% 8ms | 95% 50ms |
AVGTime/OP | 5ms | 42ms |
OOM | 无 | 无 |
对比了 jmeter、Apache-Benmark（ab）、jmh 这三个压测工具，个人比较推荐使用jmh，原因有：
- jmh压测简单，只需要引入依赖，声明注解
- 准确性高，目前大多数性能压测都是使用jmh
- 缺点就是代码入侵
灵感参考：
- dubbo压测的官方代码：https://github.com/apache/dubbo-benchmark
- 主流RPC框架压测代码：https://github.com/hank-whu/rpc-benchmark
- 压测dubbo的源码已上传到github：https://github.com/DogerRain/dubbo-samples-test
本文参与 腾讯云自媒体同步曝光计划，分享自作者个人站点/博客。
原始发表：2021/12/29 ，如有侵权请联系 cloudcommunity@tencent.com 删除
评论
登录后参与评论
暂无评论
推荐阅读
编辑精选文章
换一批
推荐阅读
相关推荐
JMH探索
更多 >
腾讯云开发者
