Эта статья посвящена JMH (Java Microbenchmark Harness). Сначала познакомимся с API и изучим его основы. Затем рассмотрим несколько лучших практик, которые должны учитывать при написании микротестов.
Проще говоря, JMH заботится о таких вещах, как подготовка JVM и способы оптимизации кода, максимально упрощая тестирование.
Начало работы
Для начала определим зависимости:
<dependency>
<groupId>org.openjdk.jmh</groupId>
<artifactId>jmh-core</artifactId>
<version>1.35</version>
</dependency>
<dependency>
<groupId>org.openjdk.jmh</groupId>
<artifactId>jmh-generator-annprocess</artifactId>
<version>1.35</version>
</dependency>
Последние версии JMH Core и JMH Annotation Processor можно найти в Maven Central.
Затем создадим простой тест, используя аннотацию @Benchmark (в любом public классе):
@Benchmark
public void init() {
// Ничего не делать
}
Затем добавим класс main, запускающий процесс тестирования:
public class BenchmarkRunner {
public static void main(String[] args) throws Exception {
org.openjdk.jmh.Main.main(args);
}
}
BenchmarkRunner запустит, возможно, несколько бесполезный тест. После завершения прогона появится сводная таблица:
# Run complete. Total time: 00:06:45
Benchmark Mode Cnt Score Error Units
BenchMark.init thrpt 200 3099210741.962 ± 17510507.589 ops/s
Типы тестов
JMH поддерживает несколько тестов: Throughput, AverageTime, SampleTime и SingleShotTime. Их можно настроить с помощью аннотации @BenchmarkMode:
@Benchmark
@BenchmarkMode(Mode.AverageTime)
public void init() {
// Ничего не делать
}
В результирующей таблице будет метрика среднего времени (вместо пропускной способности):
# Run complete. Total time: 00:00:40
Benchmark Mode Cnt Score Error Units
BenchMark.init avgt 20 ≈ 10⁻⁹ s/op
Настройка подготовки и выполнения
Используя аннотацию @Fork, можно настроить, как происходит выполнение теста: параметр value определяет, сколько раз будет выполняться тест, а параметр warmup определяет, сколько раз тест будет выполняться в пробном режиме, прежде чем, например, будут собраны результаты:
@Benchmark
@Fork(value = 1, warmups = 2)
@BenchmarkMode(Mode.Throughput)
public void init() {
// Ничего не делать
}
Это указывает JMH запустить два подготовительных варианта и отбросить результаты, прежде чем переходить к тестированию в реальном времени.
Кроме того, аннотацию @Warmup можно использовать для управления количеством итераций подготовки. Например, @Warmup(iterations = 5) сообщает JMH, что будет достаточно пяти итераций подготовки, а не 20 по умолчанию.
Состояние
Теперь рассмотрим, как можно выполнить менее тривиальную и более показательную задачу тестирования алгоритма хеширования с использованием State. Предположим, что мы решили добавить дополнительную защиту от словарных атак на базу паролей, хэшировав пароль несколько сотен раз.
Можно исследовать влияние на производительность с помощью объекта State:
@State(Scope.Benchmark)
public class ExecutionPlan {
@Param({ "100", "200", "300", "500", "1000" })
public int iterations;
public Hasher murmur3;
public String password = "4v3rys3kur3p455w0rd";
@Setup(Level.Invocation)
public void setUp() {
murmur3 = Hashing.murmur3_128().newHasher();
}
}
Тогда эталонный метод будет выглядеть так:
@Fork(value = 1, warmups = 1)
@Benchmark
@BenchmarkMode(Mode.Throughput)
public void benchMurmur3_128(ExecutionPlan plan) {
for (int i = plan.iterations; i > 0; i--) {
plan.murmur3.putString(plan.password, Charset.defaultCharset());
}
plan.murmur3.hash();
}
Здесь поле iterations будет заполнено соответствующими значениями из аннотации @Param с помощью JMH, когда они будут переданы методу эталонного теста. Аннотированный метод @Setup вызывается перед каждым вызовом эталонного теста и создает новый Hasher, обеспечивающий изоляцию.
Когда выполнение будет завершено, получим результат, аналогичный приведенному ниже:
# Run complete. Total time: 00:06:47
Benchmark (iterations) Mode Cnt Score Error Units
BenchMark.benchMurmur3_128 100 thrpt 20 92463.622 ± 1672.227 ops/s
BenchMark.benchMurmur3_128 200 thrpt 20 39737.532 ± 5294.200 ops/s
BenchMark.benchMurmur3_128 300 thrpt 20 30381.144 ± 614.500 ops/s
BenchMark.benchMurmur3_128 500 thrpt 20 18315.211 ± 222.534 ops/s
BenchMark.benchMurmur3_128 1000 thrpt 20 8960.008 ± 658.524 ops/s
Удаление мертвого кода
При выполнении микротестов очень важно помнить об оптимизации. В противном случае результаты тестов могут ввести в заблуждение.
Рассмотрим конкретный пример:
@Benchmark
@OutputTimeUnit(TimeUnit.NANOSECONDS)
@BenchmarkMode(Mode.AverageTime)
public void doNothing() {
}
@Benchmark
@OutputTimeUnit(TimeUnit.NANOSECONDS)
@BenchmarkMode(Mode.AverageTime)
public void objectCreation() {
new Object();
}
Мы ожидаем, что размещение объектов обходится дороже, чем вообще ничего не делать. Однако, если запустим тесты, то получим следующее:
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
Судя по результату, найти место в TLAB, создать и инициализировать объект почти бесплатно! Взглянув на эти цифры, необходимо понять, что здесь что-то не сходится.
В данном случае мы стали жертвой удаления мертвого кода. Компиляторы очень хорошо оптимизируют избыточный код. На самом деле именно это и сделал JIT-компилятор.
Чтобы предотвратить эту оптимизацию, необходимо как-то обмануть компилятор и заставить его думать, что код используется другим компонентом. Один из способов добиться этого – вернуть созданный объект:
@Benchmark
@OutputTimeUnit(TimeUnit.NANOSECONDS)
@BenchmarkMode(Mode.AverageTime)
public Object pillarsOfCreation() {
return new Object();
}
Кроме того, можно позволить Blackhole поглотить его:
@Benchmark
@OutputTimeUnit(TimeUnit.NANOSECONDS)
@BenchmarkMode(Mode.AverageTime)
public void blackHole(Blackhole blackhole) {
blackhole.consume(new Object());
}
Использование объекта Blackhole – это способ убедить JIT-компилятор не применять оптимизацию удаления мертвого кода. В любом случае, если снова запустим эти тесты, цифры будут иметь больше смысла:
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
Свертка констант
Рассмотрим еще один пример:
@Benchmark
public double foldedLog() {
int x = 8;
return Math.log(x);
}
Вычисления, основанные на константах, могут возвращать одни и те же выходные данные независимо от количества выполнений. Поэтому есть довольно большая вероятность, что JIT-компилятор заменит вызов функции логарифмирования ее результатом:
@Benchmark
public double foldedLog() {
return 2.0794415416798357;
}
Эта форма частичного вычисления называется свертка констант. В этом случае свертки констант полностью исключает вызов Math.log, в котором и заключался весь смысл теста.
Чтобы предотвратить светку констант, можно инкапсулировать постоянное состояние внутри объекта состояния:
@State(Scope.Benchmark)
public static class Log {
public int x = 8;
}
@Benchmark
public double log(Log input) {
return Math.log(input.x);
}
Запустим эти тесты для сравнения:
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
Судя по всему, эталонный тест log проделывает серьезную работу по сравнению со foldedLog, что вполне разумно.
Заключение
В этой статье основное внимание было уделено системе микротестирования Java.
Примеры кода можно найти на GitHub.