當前位置：首頁 > 科技 > 軟件

關于四種獲取當前執行方法名稱方案的基準測試報告

來源：責編：時間：2023-11-13 09:07:27 288觀看

導讀本文是對作者上一篇文章中 Java 面試題之 Logback 打印日志是如何獲取當前方法名稱的？介紹的四種獲取當前執行方法名稱方案的基準測試報告。這四種方法如下，使用 Thread.currentThread().getStackTrace() 方案使用異常

本文是對作者上一篇文章中 Java 面試題之 Logback 打印日志是如何獲取當前方法名稱的？介紹的四種獲取當前執行方法名稱方案的基準測試報告。這四種方法如下，

使用 Thread.currentThread().getStackTrace() 方案
使用異常對象的 getStackTrace() 方案
使用匿名內部類的 getClass().getEnclosingMethod() 方案
Java 9 的 Stack-Walking API 方案

本文將通過使用專業基準測試工具 JMH 來對如上四種方案進行測試。

基準測試，也稱之為性能測試，是一種用于衡量計算機系統，軟件應用或硬件組件性能的測試方法。基準測試旨在通過運行一系列標準化的任務場景來測量系統的性能表現，從而幫助評估系統的各種指標，如響應時間、吞吐量、延遲、資源利用率等。

JMH，即 Java Microbenchmark Harness，是專門用于代碼微基準測試的工具套件。何謂 Micro Benchmark 呢？簡單的來說就是基于方法層面的基準測試，精度可以達到微秒級。其由 Oracle/openjdk 內部開發 JIT 編譯器的大佬們所開發，作為 Java 的方法級性能測試工具可以說是非常合適的。

測試環境是作者 2018 年購買的筆記本，配置如下，

圖片

重點看：

cpu：i7-8759H，6 核 12 線程
內存 16 GB（2667 MHZ）

前置準備

本文不打算做基準測試工具 JMH 的詳細科普文章，有興趣的大家自行百度 JMH 使用。所以我在這里只給大家講解 JMH 的相關概念以及下文會用到的常用注解。

JMH 可以通過注解和配置參數來控制測試的環境和結果，例如預熱次數，迭代次數，線程數，時間單位等。它還可以生成詳細的測試報告，包括最小值，平均值，最大值，標準差，置信區間等。

JMH 相關概念

BeachMark：基準測試，主要用來測試一些方法的性能，可以根據不同的參數以不同的單位進行計算（可以使用平均時間作為單位，也可以使用吞吐量作為單位，可以在 BenchmarkMode 值進行調整）。
MIcro Benchmark：簡單地說就是在 method 層面上的 benchmark，精度可以精確到微秒級。
OPS：Operation Per Second：每秒操作量，是衡量性能的重要指標，數值的性能越好。類似的有：TPS、QPS。
Throughput：吞吐量。
Warmup：預熱，因為 JVM 的 JIT 機制的存儲，如果某個函數被調用多次之后，JVM 會嘗試將其編譯稱為機器碼從而提高執行速度。為了讓結果更加接近真實情況就需要進行預熱。

JMH 注解介紹

@Benchmark：方法級注解，表示該方法是需要進行基準測試的對象，用法和 JUnit 的@Test類似。
@BenchmarkMode：類級或方法級注解，用來指定基準測試的模式。有以下幾種模式可選：

Throughput：整體吞吐量，例如“1 秒內可以執行多少次調用”。

AverageTime：調用的平均時間，例如“每次調用平均耗時 xxx 毫秒”。

SampleTime：隨機取樣，最后輸出取樣結果的分布，例如“99%的調用在 xxx 毫秒以內，99.99%的調用在 xxx 毫秒以內”。

SingleShotTime：單次調用時間，適合用于冷啟動測試，只運行一次，可以設置@Warmup(iterations = 0)來禁用預熱。

All：上述所有模式的綜合。

@OutputTimeUnit：類級或方法級注解，用來指定基準測試結果的時間單位，可選的有NANOSECONDS，MICROSECONDS，MILLISECONDS，SECONDS等。
@Warmup：類級或方法級注解，用來配置預熱的參數，例如預熱的次數，每次預熱的時間，時間單位等。預熱的目的是為了讓 JVM 的 JIT 編譯器對代碼進行優化，使基準測試的結果更加接近真實情況。
@Measurement：類級或方法級注解，用來配置實際執行基準測試的參數，例如測試的輪次，每輪的時間，時間單位等。
@Threads：類級或方法級注解，用來指定每個進程中的測試線程數，可以設置為Threads.MAX來使用所有可用的線程。
@Fork：類級或方法級注解，用來指定進行 fork 的次數。如果 fork 數是 2 的話，則 JMH 會 fork 出兩個進程來進行測試。

1.使用 Thread.currentThread().getStackTrace() 方法

基準測試參數配置，

Warmup: 3 iterations, 10 s eachMeasurement: 5 iterations, 3 s eachTimeout: 10 min per iterationThreads: 8 threads, will synchronize iterationsBenchmark mode: Throughput

測試代碼，

需要說明的是下面的四種測試方法的 JMH 注解配置以及 main 方法都是相同的。所以為了節約篇幅，突出重點，后面三種方案將省去 JMH 注解以及 main 方法配置。

@BenchmarkMode(Mode.Throughput)@Warmup(iterations = 3)@Measurement(iterations = 5, time = 3, timeUnit = TimeUnit.SECONDS)@Threads(8)@Fork(2)@OutputTimeUnit(TimeUnit.MILLISECONDS)public class MethodNameTest {    @Benchmark    @BenchmarkMode({Mode.Throughput})    public void m1() {        // 獲取當前方法名        String methodName = Thread.currentThread().getStackTrace()[1].getMethodName();    }    public static void main(String[] args) throws RunnerException {        Options opt = new OptionsBuilder()                .include(MethodNameTest.class.getSimpleName())                .build();        new Runner(opt).run();    }}

測試結果，

...# Run progress: 0.00% complete, ETA 00:06:00# Fork: 1 of 2# Warmup Iteration   1: 16.946 ops/ms# Warmup Iteration   2: 17.086 ops/ms# Warmup Iteration   3: 17.116 ops/msIteration   1: 17.159 ops/msIteration   2: 17.118 ops/msIteration   3: 17.279 ops/msIteration   4: 17.329 ops/msIteration   5: 17.241 ops/ms# Run progress: 12.50% complete, ETA 00:05:23# Fork: 2 of 2# Warmup Iteration   1: 16.546 ops/ms# Warmup Iteration   2: 17.340 ops/ms# Warmup Iteration   3: 17.431 ops/msIteration   1: 17.331 ops/msIteration   2: 17.099 ops/msIteration   3: 17.280 ops/msIteration   4: 17.511 ops/msIteration   5: 17.323 ops/msResult "ltd.newbee.mall.MethodNameTest.m1":  17.267 ±(99.9%) 0.184 ops/ms [Average]  (min, avg, max) = (17.099, 17.267, 17.511), stdev = 0.122  CI (99.9%): [17.083, 17.451] (assumes normal distribution)

上面一大堆輸出信息，大家直接看重點，在最后 Result "ltd.newbee.mall.MethodNameTest.m1": 這里，平均 ops 是每毫秒 17 次，比較低。

2.使用異常對象的 getStackTrace() 方法

測試代碼，

@Benchmark@BenchmarkMode({Mode.Throughput})public void m2() {    // 獲取當前方法名    String methodName = new Throwable().getStackTrace()[0].getMethodName();}

測試結果，

...# Run progress: 25.00% complete, ETA 00:04:37# Fork: 1 of 2# Warmup Iteration   1: 12.891 ops/ms# Warmup Iteration   2: 12.873 ops/ms# Warmup Iteration   3: 13.023 ops/msIteration   1: 25.617 ops/msIteration   2: 25.840 ops/msIteration   3: 25.301 ops/msIteration   4: 24.839 ops/msIteration   5: 25.930 ops/ms# Run progress: 37.49% complete, ETA 00:03:51# Fork: 2 of 2# Warmup Iteration   1: 12.511 ops/ms# Warmup Iteration   2: 12.329 ops/ms# Warmup Iteration   3: 13.011 ops/msIteration   1: 23.842 ops/msIteration   2: 24.292 ops/msIteration   3: 25.600 ops/msIteration   4: 25.745 ops/msIteration   5: 25.789 ops/msResult "ltd.newbee.mall.MethodNameTest.m2":  25.280 ±(99.9%) 1.088 ops/ms [Average]  (min, avg, max) = (23.842, 25.280, 25.930), stdev = 0.720  CI (99.9%): [24.191, 26.368] (assumes normal distribution)

直接看最后 Result "ltd.newbee.mall.MethodNameTest.m2": 這里，平均 ops 是每毫秒 25 次，也比較低。

3.使用匿名內部類的 getClass().getEnclosingMethod() 方法

測試代碼，

@Benchmark@BenchmarkMode({Mode.Throughput})public void m1() {    // 獲取當前方法名    String methodName = Thread.currentThread().getStackTrace()[1].getMethodName();}

測試結果，

...# Run progress: 49.99% complete, ETA 00:03:04# Fork: 1 of 2# Warmup Iteration   1: 10489.110 ops/ms# Warmup Iteration   2: 9233.590 ops/ms# Warmup Iteration   3: 10504.615 ops/msIteration   1: 10695.898 ops/msIteration   2: 10570.155 ops/msIteration   3: 11089.810 ops/msIteration   4: 10805.448 ops/msIteration   5: 10027.222 ops/ms# Run progress: 62.49% complete, ETA 00:02:18# Fork: 2 of 2# Warmup Iteration   1: 11322.008 ops/ms# Warmup Iteration   2: 10025.593 ops/ms# Warmup Iteration   3: 10808.095 ops/msIteration   1: 10684.594 ops/msIteration   2: 11241.540 ops/msIteration   3: 10742.348 ops/msIteration   4: 9940.437 ops/msIteration   5: 11226.023 ops/msResult "ltd.newbee.mall.MethodNameTest.m3":  10702.347 ±(99.9%) 672.631 ops/ms [Average]  (min, avg, max) = (9940.437, 10702.347, 11241.540), stdev = 444.904  CI (99.9%): [10029.716, 11374.979] (assumes normal distribution)

直接看最后 Result "ltd.newbee.mall.MethodNameTest.m3": 這里，平均 ops 是每毫秒 10702 次。非常夸張，可以看到 ops 對比上面兩種方法一下子從幾十級別提升到上萬級別。

4.Java 9 的 Stack-Walking API

測試代碼，

@Benchmark@BenchmarkMode({Mode.Throughput})public void m1() {    // 獲取當前方法名    String methodName = Thread.currentThread().getStackTrace()[1].getMethodName();}

測試結果，

...# Run progress: 74.99% complete, ETA 00:01:32# Fork: 1 of 2# Warmup Iteration   1: 2191.034 ops/ms# Warmup Iteration   2: 2141.886 ops/ms# Warmup Iteration   3: 2192.843 ops/msIteration   1: 2262.279 ops/msIteration   2: 2263.193 ops/msIteration   3: 2201.354 ops/msIteration   4: 2282.906 ops/msIteration   5: 2130.322 ops/ms# Run progress: 87.48% complete, ETA 00:00:46# Fork: 2 of 2# Warmup Iteration   1: 2207.800 ops/ms# Warmup Iteration   2: 2269.887 ops/ms# Warmup Iteration   3: 2239.005 ops/msIteration   1: 2001.840 ops/msIteration   2: 2047.698 ops/msIteration   3: 2349.138 ops/msIteration   4: 2362.165 ops/msIteration   5: 2305.982 ops/msResult "ltd.newbee.mall.MethodNameTest.m4":  2220.688 ±(99.9%) 186.910 ops/ms [Average]  (min, avg, max) = (2001.840, 2220.688, 2362.165), stdev = 123.629  CI (99.9%): [2033.778, 2407.598] (assumes normal distribution)

直接看最后 Result "ltd.newbee.mall.MethodNameTest.m4": 這里，平均 ops 是每毫秒 2220 次。對比第一種和第二種方案的幾十 ops 來說性能提升也很客觀，但是對比第三種方法的上萬級別 ops 還是不足。

四種方案的最終得分對比

Benchmark           Mode  Cnt      Score     Error   UnitsMethodNameTest.m1  thrpt   10     17.267 ±   0.184  ops/msMethodNameTest.m2  thrpt   10     25.280 ±   1.088  ops/msMethodNameTest.m3  thrpt   10  10702.347 ± 672.631  ops/msMethodNameTest.m4  thrpt   10   2220.688 ± 186.910  ops/msMethodNameTest.m1     ss   10      0.686 ±   0.289   ms/opMethodNameTest.m2     ss   10      0.339 ±   0.287   ms/opMethodNameTest.m3     ss   10      0.031 ±   0.011   ms/opMethodNameTest.m4     ss   10      0.074 ±   0.027   ms/op

根據最后得分可以看出，四種方案中性能最好的方案是基于匿名內部類的 getClass().getEnclosingMethod() 方案，性能第二是的是基于 Java 9 出現的 Stack-Walking API 方案，其他兩種性能過于低下了。

本文鏈接：http://www.www897cc.com/showinfo-26-22486-0.html關于四種獲取當前執行方法名稱方案的基準測試報告

聲明：本網頁內容旨在傳播知識，若有侵權等問題請及時與本網聯系，我們將在第一時間刪除處理。郵件：2376512515@qq.com

上一篇：被 Next.js 的環境變量給坑了一把...

下一篇：基于熵的不確定性預測

標簽：

熱門焦點

2023年Q2用戶偏好榜：12+256G版本成新主流

3月份的性能榜、性價比榜和好評榜之后，就要輪到2023年的第二季度偏好榜了，上半年的新機潮已經過去，最明顯的肯定就是大內存和存儲的機型了，另外部分中端機也取消了屏幕塑料支架
6月iOS設備性能榜：M2穩居榜首 A系列只能等一手3nm來救

沒有新品發布，自然iOS設備性能榜的上榜設備就沒有什么更替，僅僅只有跑分變化而產生的排名變動，畢竟蘋果新品的發布節奏就是這樣的，一年下來也就幾個移動端新品，不會像安卓廠商，一
2023年，我眼中的字節跳動

此時此刻（2023年7月），字節跳動從未上市，也從未公布過任何官方的上市計劃；但是這并不妨礙它成為中國最受關注的互聯網公司之一。從2016-17年的抖音強勢崛起，到2018年的“頭騰
大廠卷向扁平化

來源：新熵作者丨南枝編輯丨月見大廠職級不香了。俗話說，兵無常勢，水無常形，互聯網企業調整職級體系并不稀奇。7月13日，淘寶天貓集團啟動了近年來最大的人力制度改革，目前已形成一
OPPO、vivo、小米等國內廠商Q2在印度智能手機市場份額依舊高達55%

7月20日消息，據外媒報道，研究機構的報告顯示，在全球智能手機出貨量同比仍在下滑的大背景下，印度這一有潛力的市場也未能幸免，出貨量同比也有下滑，多家廠
疑似小米14外觀設計圖曝光：后置相機模組變化不大

下半年的大幕已經開啟，而誰將成為下半年手機圈的主角就成為了大家關注的焦點，其中被傳有望拿下新一代驍龍8 Gen3旗艦芯片的小米14系列更是備受大家矚
四年持續更迭堅持探索行業無人之境，HarmonyOS 4帶來五大升級多項創新

除了華為每年新發布的旗艦手機系列，上億花粉更加期待鴻蒙系統每次的跨版本大更新。8月4日，HarmonyOS 4于HDC 2023正式發布，這也是該系統歷經四年的再
iQOO Neo8 Pro評測：旗艦雙芯加持最強性能游戲旗艦

【Techweb評測】去年10月，iQOO推出了一款Neo7手機，該機搭載了聯發科天璣9000+，配備獨顯芯片Pro+，帶來了同價位段最佳的游戲體驗，一經上市便受到了諸多用
華為舉行春季智慧辦公新品發布會首次推出電子墨水屏平板

北京時間2月27日晚，華為在巴塞羅那舉行春季智慧辦公新品發布會，在海外市場推出之前已經在中國市場上市的筆記本、平板、激光打印機等辦公產品，并首次推出搭載

日韩成人免费在线_国产成人一二_精品国产免费人成电影在线观..._日本一区二区三区久久久久久久久不

關于四種獲取當前執行方法名稱方案的基準測試報告

前置準備

JMH 相關概念

JMH 注解介紹

1.使用 Thread.currentThread().getStackTrace() 方法

2.使用異常對象的 getStackTrace() 方法

3.使用匿名內部類的 getClass().getEnclosingMethod() 方法

4.Java 9 的 Stack-Walking API

四種方案的最終得分對比

2023年Q2用戶偏好榜：12+256G版本成新主流

6月iOS設備性能榜：M2穩居榜首 A系列只能等一手3nm來救

2023年，我眼中的字節跳動

大廠卷向扁平化

OPPO、vivo、小米等國內廠商Q2在印度智能手機市場份額依舊高達55%

疑似小米14外觀設計圖曝光：后置相機模組變化不大

四年持續更迭堅持探索行業無人之境，HarmonyOS 4帶來五大升級多項創新

iQOO Neo8 Pro評測：旗艦雙芯加持最強性能游戲旗艦

華為舉行春季智慧辦公新品發布會首次推出電子墨水屏平板

最新推薦

猜你喜歡

熱門推薦

相關資訊