588 lines
24 KiB
Markdown
588 lines
24 KiB
Markdown
|
||
|
||
因收到Google相关通知，网站将会择期关闭。相关通知内容
|
||
|
||
|
||
20 结束语：Sentinel 对应用的性能影响如何？
|
||
“引入 Sentinel 带来的性能损耗非常小，只有在业务单机量级超过 25W QPS 的时候才会有一些显著的影响（5%~10% 左右），单机 QPS 不太大的时候损耗几乎可以忽略不计。”
|
||
|
||
这是官方文档写的一段话，那么性能到底如何呢？本篇我们回顾 Sentinel 的源码，看看 Sentinel 在性能方面所做出的努力，最后使用 JMH 做个简单的基准测试，看看 Sentinel 表现如何，在此之前也会详细介绍 JMH 的使用。
|
||
|
||
Sentinel 在性能方面做出了哪些努力？
|
||
|
||
滑动窗口指标数据统计
|
||
|
||
Sentinel 统计指标数据使用的是滑动窗口：时间窗口+Bucket，通过循环复用 Bucket 以减少 Bucket 的创建和销毁。在统计指标数据时，利用当前时间戳定位 Bucket，使用 LongAdder 统计时间窗口内的请求成功数、失败数、总耗时等指标数据优化了并发锁。Sentinel 通过定时任务递增时间戳以获取当前时间戳，避免了每次获取时间戳都使用 System 获取的性能消耗。
|
||
|
||
使用 Map 而不使用 ConcurrentMap
|
||
|
||
Sentinel 中随处可见的加锁重新创建 Map，例如：
|
||
|
||
ProcessorSlotChain chain = chainMap.get(resourceWrapper);
|
||
if (chain == null) {
|
||
synchronized (LOCK) {
|
||
chain = chainMap.get(resourceWrapper);
|
||
if (chain == null) {
|
||
chain = SlotChainProvider.newSlotChain();
|
||
// 创建新的 map
|
||
Map<ResourceWrapper, ProcessorSlotChain> newMap = new HashMap<ResourceWrapper, ProcessorSlotChain>(
|
||
chainMap.size() + 1);
|
||
// 插入当前 map 存储的数据
|
||
newMap.putAll(chainMap);
|
||
// 插入新创建的 key-value
|
||
newMap.put(resourceWrapper, chain);
|
||
// 替换旧的
|
||
chainMap = newMap;
|
||
}
|
||
}
|
||
}
|
||
return chain;
|
||
|
||
|
||
|
||
Sentinel 使用 Map 而非 ConcurrentMap 是为了尽量避免加锁，大多数场景都是读多写少，以上面代码为例，ProcessorSlotChain 的新增只在资源第一次被访问时，例如接口第一次被调用，而后续都不会再写。假设有 10 个接口，这 10 个接口在应用启动起来就都被访问过了，那么这个 Map 后续就不会再出现写的情况，既然不会再有写操作，就没有必须加锁了，所以使用 Map 而不是使用 ConcurrentMap。
|
||
|
||
流量效果控制
|
||
|
||
RateLimiterController 匀速限流控制器的实现只支持最大 1000QPS，这是因为 Sentinel 获取的当前时间戳是通过定时任务累加的，每毫秒一次，所以 Sentinel 在实现匀速限流或冷启动限流使用的时间戳最小单位都是毫秒。以毫秒为最小单位，那么 1 秒钟最大能通过的请求数当然也就只有 1000，这是出于性能方面的考虑。
|
||
|
||
可能很多人在使用 Sentinel 的过程中都发现了，RateLimiterController 实现的匀速并不那么严格，例如想要限制每 5 毫秒通过一个请求，但实际上可能每 5 毫秒通过好几个请求，这与 CPU 核心线程数有关，因为 Sentinel 并不严格控制并发下的排队计时，这也是出于性能的考虑。实现项目中，我们也并不对匀速要求那么严格，所以这些缺点是可以接受的。
|
||
|
||
WarmUpController 冷启动限流效果的实现并不控制每个请求的通过时间间隔，只是每秒钟生产一次令牌，并且在生产令牌后扣减与上一秒通过的请求数相等数量的令牌，Sentinel 的作者称这个行为叫令牌自动掉落，这些也都是出于性能方面的考虑。
|
||
|
||
仅从以上这些细节我们也能看到 Sentinel 在性能方面所做出的努力，Sentinel 尽最大可能降低自身对应用的影响，这些是值得称赞的地方。
|
||
|
||
基准测试工具 JMH
|
||
|
||
基准测试 Benchmark 是测量、评估软件性能指标的一种测试，对某个特定目标场景的某项性能指标进行定量的和可对比的测试。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。
|
||
|
||
我们可以将 JMH 直接用在需要进行基准测试的项目中，以单元测试方式使用，需要在项目中引入 JMH 的 jar 包，依赖配置如下。
|
||
|
||
<dependencies>
|
||
<dependency>
|
||
<groupId>org.openjdk.jmh</groupId>
|
||
<artifactId>jmh-core</artifactId>
|
||
<version>1.23</version>
|
||
</dependency>
|
||
<dependency>
|
||
<groupId>org.openjdk.jmh</groupId>
|
||
<artifactId>jmh-generator-annprocess</artifactId>
|
||
<version>1.23</version>
|
||
</dependency>
|
||
</dependencies>
|
||
|
||
|
||
|
||
注：1.23 版本是 JMH 目前最新的版本。
|
||
|
||
注解方式使用
|
||
|
||
在运行时，注解配置被用于解析生成 BenchmarkListEntry 配置类实例。一个方法对应一个 @Benchmark 注解，一个 @Benchmark 注解对应一个基准测试方法。注释在类上的注解，或者注释在类的字段上的注解，则是类中所有基准测试方法共用的配置。
|
||
|
||
@Benchmark
|
||
|
||
@Benchmark 注解用于声明一个 public 方法为基准测试方法，如下代码所示。
|
||
|
||
public class MyTestBenchmark {
|
||
|
||
@Benchmark
|
||
@Test
|
||
public void testFunction() {
|
||
//
|
||
}
|
||
|
||
}
|
||
|
||
|
||
|
||
@BenchmarkMode
|
||
|
||
通过 JMH 我们可以轻松的测试出某个接口的吞吐量、平均执行时间等指标的数据。假设我们想测试某个方法的平均耗时，那么可以使用 @BenchmarkMode 注解指定测试维度为 Mode.AverageTime，代码如下。
|
||
|
||
public class MyTestBenchmark {
|
||
|
||
@BenchmarkMode(Mode.AverageTime)
|
||
@Benchmark
|
||
@Test
|
||
public void testFunction() {
|
||
//
|
||
}
|
||
|
||
}
|
||
|
||
|
||
|
||
@Measurement
|
||
|
||
假设我们需要测量五次，那么可以使用 @Measurement 注解，代码如下。
|
||
|
||
public class MyTestBenchmark {
|
||
|
||
@Measurement(iterations = 5, time = 1, timeUnit = TimeUnit.SECONDS)
|
||
@BenchmarkMode(Mode.AverageTime)
|
||
@Benchmark
|
||
@Test
|
||
public void testFunction() {
|
||
//
|
||
}
|
||
|
||
}
|
||
|
||
|
||
|
||
@Measurement 注解有三个配置项：
|
||
|
||
|
||
iterations：测量次数。
|
||
time 与 timeUnit：测量一次的持续时间，timeUnit 指定时间单位，本例中每次测量持续 1 秒，1 秒内执行的 testFunction 方法的次数是不固定的，由方法执行耗时和 time 决定。
|
||
|
||
|
||
@Warmup
|
||
|
||
为了数据准确，我们可能需要让被测试的方法做下热身运动，一定的预热次数可提升测试结果的准备度。可使用 @Warmup 注解声明需要预热的次数、每次预热的持续时间，代码如下。
|
||
|
||
public class MyTestBenchmark {
|
||
|
||
@Warmup(iterations = 5, time = 1, timeUnit = TimeUnit.SECONDS)
|
||
@Measurement(iterations = 5, time = 1, timeUnit = TimeUnit.SECONDS)
|
||
@BenchmarkMode(Mode.AverageTime)
|
||
@Benchmark
|
||
@Test
|
||
public void testFunction() {
|
||
//
|
||
}
|
||
|
||
}
|
||
|
||
|
||
|
||
@Warmup 注解有三个配置项：
|
||
|
||
|
||
iterations：预热次数。
|
||
time 与 timeUnit：预热一次的持续时间，timeUnit 指定时间单位。
|
||
|
||
|
||
假设 @Measurement 指定 iterations 为 100，time 为 10s，则：每个线程实际执行基准测试方法的次数等于 time 除以基准测试方法单次执行的耗时，假设基准测试方法执行耗时为 1s，那么一次测量最多只执行 10（time 为 10s / 方法执行耗时 1s）次基准测试方法，而 iterations 为 100 指的是测试 100 次（不是执行 100 次基准测试方法）。
|
||
|
||
@OutputTimeUnit
|
||
|
||
@OutputTimeUnit 注解用于指定输出的方法执行耗时的单位。
|
||
|
||
如果方法执行耗时为毫秒级别，为了便于观察结果，我们可以使用 @OutputTimeUnit 指定输出的耗时时间单位为毫秒，否则使用默认的秒做单位，会输出 10 的负几次方这样的数字，不太直观。
|
||
|
||
public class MyTestBenchmark {
|
||
|
||
@OutputTimeUnit(TimeUnit.NANOSECONDS)
|
||
@Warmup(iterations = 5, time = 1, timeUnit = TimeUnit.SECONDS)
|
||
@Measurement(iterations = 5, time = 1, timeUnit = TimeUnit.SECONDS)
|
||
@BenchmarkMode(Mode.AverageTime)
|
||
@Benchmark
|
||
@Test
|
||
public void testFunction() {
|
||
//
|
||
}
|
||
|
||
}
|
||
|
||
|
||
|
||
@Fork
|
||
|
||
@Fork 注解用于指定 fork 出多少个子进程来执行同一基准测试方法。
|
||
|
||
假设我们不需要多个进程，那么可以使用 @Fork 指定进程数为 1，如下代码所示。
|
||
|
||
public class MyTestBenchmark {
|
||
|
||
@Fork(1)
|
||
@OutputTimeUnit(TimeUnit.NANOSECONDS)
|
||
@Warmup(iterations = 5, time = 1, timeUnit = TimeUnit.SECONDS)
|
||
@Measurement(iterations = 5, time = 1, timeUnit = TimeUnit.SECONDS)
|
||
@BenchmarkMode(Mode.AverageTime)
|
||
@Benchmark
|
||
@Test
|
||
public void testFunction() {
|
||
//
|
||
}
|
||
|
||
}
|
||
|
||
|
||
|
||
@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。
|
||
|
||
public class MyTestBenchmark {
|
||
|
||
@Threads(2)
|
||
@Fork(1)
|
||
@OutputTimeUnit(TimeUnit.NANOSECONDS)
|
||
@Measurement(iterations = 5, time = 1, timeUnit = TimeUnit.SECONDS)
|
||
@BenchmarkMode(Mode.AverageTime)
|
||
@Benchmark
|
||
@Test
|
||
public void testFunction() {
|
||
//
|
||
}
|
||
|
||
}
|
||
|
||
|
||
|
||
如果 @Measurement 注解指定 time 为 1s，基准测试方法的执行耗时为 1s，那么如果只使用单个线程，一次测量只会执行一次基准测试方法，如果使用 10 个线程，一次测量就能执行 10 次基准测试方法。
|
||
|
||
公共注解
|
||
|
||
假设我们需要在 MyTestBenchmark 类中创建两个基准测试方法，一个是 testFunction1，另一个是 testFunction2，这两个方法分别调用不同的支付接口，用于对比两个接口的性能。那么我们可以将除 @Benchmark 注解外的其它注解都声明到类上，让两个基准测试方法都使用同样的配置，代码如下。
|
||
|
||
@BenchmarkMode(Mode.AverageTime)
|
||
@Fork(1)
|
||
@Threads(2)
|
||
@OutputTimeUnit(TimeUnit.NANOSECONDS)
|
||
@Warmup(iterations = 5, time = 1, timeUnit = TimeUnit.SECONDS)
|
||
@Measurement(iterations = 5, time = 1, timeUnit = TimeUnit.SECONDS)
|
||
public class MyTestBenchmark {
|
||
|
||
@Benchmark
|
||
@Test
|
||
public void testFunction1() {
|
||
//
|
||
}
|
||
|
||
@Benchmark
|
||
@Test
|
||
public void testFunction2() {
|
||
//
|
||
}
|
||
}
|
||
|
||
|
||
|
||
下面我们以测试 Gson、Jackson 两个 JSON 解析框架的性能对比为例。
|
||
|
||
@BenchmarkMode(Mode.AverageTime)
|
||
@Fork(1)
|
||
@Threads(2)
|
||
@OutputTimeUnit(TimeUnit.NANOSECONDS)
|
||
@Warmup(iterations = 5, time = 1, timeUnit = TimeUnit.SECONDS)
|
||
@Measurement(iterations = 5, time = 1, timeUnit = TimeUnit.SECONDS)
|
||
@State(Scope.Benchmark)
|
||
public class JsonBenchmark {
|
||
|
||
private GsonParser gsonParser = new GsonParser();
|
||
private JacksonParser jacksonParser = new JacksonParser();
|
||
|
||
@Benchmark
|
||
@Test
|
||
public void testGson() {
|
||
gsonParser.fromJson("{\"startDate\":\"2020-04-01 16:00:00\",\"endDate\":\"2020-05-20 13:00:00\",\"flag\":true,\"threads\":5,\"shardingIndex\":0}", JsonTestModel.class);
|
||
}
|
||
|
||
@Benchmark
|
||
@Test
|
||
public void testJackson() {
|
||
jacksonParser.fromJson("{\"startDate\":\"2020-04-01 16:00:00\",\"endDate\":\"2020-05-20 13:00:00\",\"flag\":true,\"threads\":5,\"shardingIndex\":0}", JsonTestModel.class);
|
||
}
|
||
}
|
||
|
||
|
||
|
||
我们可以使用 @State 注解指定 gsonParser、jacksonParser 这两个字段的共享域。
|
||
|
||
在本例中，我们使用 @Threads 注解声明创建两个线程来执行基准测试方法，假设我们配置 @State(Scope.Thread)，那么在不同线程中，gsonParser、jacksonParser 这两个字段都是不同的实例。
|
||
|
||
以 testGson 方法为例，我们可以认为 JMH 会为每个线程克隆出一个 gsonParser 对象。如果在 testGson 方法中打印 gsonParser 对象的 hashCode，你会发现，相同线程打印的结果相同，不同线程打印的结果不同。例如：
|
||
|
||
@BenchmarkMode(Mode.AverageTime)
|
||
@Fork(1)
|
||
@Threads(2)
|
||
@OutputTimeUnit(TimeUnit.NANOSECONDS)
|
||
@Warmup(iterations = 5, time = 1, timeUnit = TimeUnit.SECONDS)
|
||
@Measurement(iterations = 5, time = 1, timeUnit = TimeUnit.SECONDS)
|
||
@State(Scope.Thread)
|
||
public class JsonBenchmark {
|
||
|
||
private GsonParser gsonParser = new GsonParser();
|
||
private JacksonParser jacksonParser = new JacksonParser();
|
||
|
||
@Benchmark
|
||
@Test
|
||
public void testGson() {
|
||
System.out.println("current Thread:" + Thread.currentThread().getName() + "==>" + gsonParser.hashCode());
|
||
gsonParser.fromJson("{\"startDate\":\"2020-04-01 16:00:00\",\"endDate\":\"2020-05-20 13:00:00\",\"flag\":true,\"threads\":5,\"shardingIndex\":0}", JsonTestModel.class);
|
||
}
|
||
|
||
@Benchmark
|
||
@Test
|
||
public void testJackson() {
|
||
jacksonParser.fromJson("{\"startDate\":\"2020-04-01 16:00:00\",\"endDate\":\"2020-05-20 13:00:00\",\"flag\":true,\"threads\":5,\"shardingIndex\":0}", JsonTestModel.class);
|
||
}
|
||
}
|
||
|
||
|
||
|
||
执行 testGson 方法输出的结果如下：
|
||
|
||
current Thread:com.msyc.common.JsonBenchmark.testGson-jmh-worker-1==>2063684770
|
||
current Thread:com.msyc.common.JsonBenchmark.testGson-jmh-worker-2==>1629232880
|
||
current Thread:com.msyc.common.JsonBenchmark.testGson-jmh-worker-1==>2063684770
|
||
current Thread:com.msyc.common.JsonBenchmark.testGson-jmh-worker-2==>1629232880
|
||
current Thread:com.msyc.common.JsonBenchmark.testGson-jmh-worker-1==>2063684770
|
||
current Thread:com.msyc.common.JsonBenchmark.testGson-jmh-worker-2==>1629232880
|
||
current Thread:com.msyc.common.JsonBenchmark.testGson-jmh-worker-1==>2063684770
|
||
current Thread:com.msyc.common.JsonBenchmark.testGson-jmh-worker-2==>1629232880
|
||
......
|
||
|
||
|
||
|
||
@Param
|
||
|
||
使用 @Param 注解可指定基准方法执行参数，@Param 注解只能指定 String 类型的值，可以是一个数组，参数值将在运行期间按给定顺序遍历。假设 @Param 注解指定了多个参数值，那么 JMH 会为每个参数值执行一次基准测试。
|
||
|
||
例如，我们想测试不同复杂度的 JSON 字符串使用 Gson 框架与使用 Jackson 框架解析的性能对比，代码如下。
|
||
|
||
@BenchmarkMode(Mode.AverageTime)
|
||
@Fork(1)
|
||
@Threads(2)
|
||
@OutputTimeUnit(TimeUnit.NANOSECONDS)
|
||
@Warmup(iterations = 5, time = 1, timeUnit = TimeUnit.SECONDS)
|
||
@Measurement(iterations = 5, time = 1, timeUnit = TimeUnit.SECONDS)
|
||
@State(Scope.Thread)
|
||
public class JsonBenchmark {
|
||
|
||
private GsonParser gsonParser = new GsonParser();
|
||
private JacksonParser jacksonParser = new JacksonParser();
|
||
|
||
// 指定参数有三个值
|
||
@Param(value =
|
||
{"{\"startDate\":\"2020-04-01 16:00:00\",\"endDate\":\"2020-05-20 13:00:00\",\"flag\":true,\"threads\":5,\"shardingIndex\":0}",
|
||
"{\"startDate\":\"2020-04-01 16:00:00\",\"endDate\":\"2020-05-20 14:00:00\"}",
|
||
"{\"flag\":true,\"threads\":5,\"shardingIndex\":0}"})
|
||
private String jsonStr;
|
||
|
||
@Benchmark
|
||
@Test
|
||
public void testGson() {
|
||
gsonParser.fromJson(jsonStr, JsonTestModel.class);
|
||
}
|
||
|
||
@Benchmark
|
||
@Test
|
||
public void testJackson() {
|
||
jacksonParser.fromJson(jsonStr, JsonTestModel.class);
|
||
}
|
||
|
||
}
|
||
|
||
|
||
|
||
测试结果如下：
|
||
|
||
Benchmark (jsonStr) Mode Cnt Score Error Units
|
||
JsonBenchmark.testGson {"startDate":"2020-04-01 16:00:00","endDate":"2020-05-20 13:00:00","flag":true,"threads":5,"shardingIndex":0} avgt 5 12180.763 ± 2481.973 ns/op
|
||
|
||
JsonBenchmark.testGson {"startDate":"2020-04-01 16:00:00","endDate":"2020-05-20 14:00:00"} avgt 5 8154.709 ± 3393.881 ns/op
|
||
|
||
JsonBenchmark.testGson {"flag":true,"threads":5,"shardingIndex":0} avgt 5 9994.171 ± 5737.958 ns/op
|
||
|
||
JsonBenchmark.testJackson {"startDate":"2020-04-01 16:00:00","endDate":"2020-05-20 13:00:00","flag":true,"threads":5,"shardingIndex":0} avgt 5 15663.060 ± 9042.672 ns/op
|
||
|
||
JsonBenchmark.testJackson {"startDate":"2020-04-01 16:00:00","endDate":"2020-05-20 14:00:00"} avgt 5 13776.828 ± 11006.412 ns/op
|
||
|
||
JsonBenchmark.testJackson {"flag":true,"threads":5,"shardingIndex":0} avgt 5 9824.283 ± 311.555 ns/op
|
||
|
||
|
||
|
||
非注解方式使用
|
||
|
||
通过使用 OptionsBuilder 构造一个 Options，并创建一个 Runner，调用 Runner 的 run 方法就能执行基准测试。
|
||
|
||
使用非注解方式实现上面的例子，代码如下。
|
||
|
||
public class BenchmarkTest{
|
||
|
||
@Test
|
||
public void test() throws RunnerException {
|
||
Options options = new OptionsBuilder()
|
||
.include(JsonBenchmark.class.getSimpleName())
|
||
.exclude("testJackson")
|
||
.forks(1)
|
||
.threads(2)
|
||
.timeUnit(TimeUnit.NANOSECONDS)
|
||
.warmupIterations(5)
|
||
.warmupTime(TimeValue.seconds(1))
|
||
.measurementIterations(5)
|
||
.measurementTime(TimeValue.seconds(1))
|
||
.mode(Mode.AverageTime)
|
||
.build();
|
||
new Runner(options).run();
|
||
}
|
||
|
||
}
|
||
|
||
|
||
|
||
|
||
include：导入一个基准测试类。调用方法传递的是类的简单名称，不含包名。
|
||
exclude：排除哪些方法。默认 JMH 会为 include 导入的类的每个 public 方法都当成是基准测试方法，这时我们就可以使用 exclude 排除不需要参与基准测试的方法。如本例中使用 exclude 排除了 testJackson 方法。
|
||
|
||
|
||
使用注解与不使用注解其实都是一样，只不过使用注解更加方便。在运行时，注解配置被用于解析生成 BenchmarkListEntry 配置类实例，而在代码中使用 Options 配置也是被解析成一个个 BenchmarkListEntry 配置类实例（每个方法对应一个）。
|
||
|
||
打 jar 包放服务器上执行
|
||
|
||
对于 JSON 解析框架性能对比我们可以使用单元测试，而如果想要测试 Web 服务的某个接口性能，需要对接口进行压测，就不能使用简单的单元测试方式去测，我们可以独立创建一个接口测试项目，将基准测试代码写在该项目中，然后将写好的基准测试项目打包成 jar 包丢到 Linux 服务器上执行，测试结果会更准确一些，硬件、系统贴近线上环境、也不受本机开启的应用数、硬件配置等因素影响。
|
||
|
||
使用 Java 命令即可运行一个基准测试应用：
|
||
|
||
java -jar my-benchmarks.jar
|
||
|
||
|
||
|
||
在 IDEA 中执行
|
||
|
||
在 IDEA 中，我们可以编写一个单元测试方法，在单元测试方法中创建一个 org.openjdk.jmh.runner.Runner，调用 Runner 的 run 方法执行基准测试。但 JMH 不会去扫描包，不会执行每个基准测试方法，这需要我们通过配置项来告知 JMH 需要执行哪些基准测试方法。
|
||
|
||
public class BenchmarkTest{
|
||
|
||
@Test
|
||
public void test() throws RunnerException {
|
||
Options options = null; // 创建 Options
|
||
new Runner(options).run();
|
||
}
|
||
|
||
}
|
||
|
||
|
||
|
||
完整例子如下：
|
||
|
||
public class BenchmarkTest{
|
||
@Test
|
||
public void test() throws RunnerException {
|
||
Options options = new OptionsBuilder()
|
||
.include(JsonBenchmark.class.getSimpleName())
|
||
// .output("/tmp/json_benchmark.log")
|
||
.build();
|
||
new Runner(options).run();
|
||
}
|
||
}
|
||
|
||
|
||
|
||
Options 在前面已经介绍过了，由于本例中 JsonBenchmark 这个类已经使用了注解，因此 Options 只需要配置需要执行基准测试的类。如果需要执行多个基准测试类，include 方法可以多次调用。如果需要将测试结果输出到文件，可调用 output 方法配置文件路径，不配置则输出到控制台。
|
||
|
||
在 IDEA 中使用插件 JMH Plugin 执行
|
||
|
||
插件源码地址：
|
||
|
||
|
||
https://github.com/artyushov/idea-jmh-plugin
|
||
|
||
|
||
安装：在 IDEA 中搜索 JMH Plugin，安装后重启即可使用。
|
||
|
||
1. 只执行单个 Benchmark 方法
|
||
|
||
在方法名称所在行，IDEA 会有一个▶️执行符号，右键点击运行即可。如果写的是单元测试方法，IDEA 会提示你选择执行单元测试还是基准测试。
|
||
|
||
2. 执行一个类中的所有 Benchmark 方法
|
||
|
||
在类名所在行，IDEA 会有一个▶️执行符号，右键点击运行，该类下的所有被 @Benchmark 注解注释的方法都会执行。如果写的是单元测试方法，IDEA 会提示你选择执行单元测试还是基准测试。
|
||
|
||
使用 JMH 对 Sentinel 做压测
|
||
|
||
要测试 Sentinel 对应用性能的影响，我们需要测试两组数据进行对比，分别是不使用 Sentinel 的情况下方法的吞吐量、使用 Sentinel 保护方法后方法的吞吐量。
|
||
|
||
下面是 Sentinel 提供的基准测试类部分源码。
|
||
|
||
@Fork(1)
|
||
@Warmup(iterations = 10)
|
||
@BenchmarkMode(Mode.Throughput)
|
||
@OutputTimeUnit(TimeUnit.SECONDS)
|
||
@State(Scope.Thread)
|
||
public class SentinelEntryBenchmark {
|
||
|
||
@Param({"25", "50", "100", "200", "500", "1000"})
|
||
private int length;
|
||
private List<Integer> numbers;
|
||
|
||
@Setup
|
||
public void prepare() {
|
||
numbers = new ArrayList<>();
|
||
for (int i = 0; i < length; i++) {
|
||
numbers.add(ThreadLocalRandom.current().nextInt());
|
||
}
|
||
}
|
||
|
||
@Benchmark
|
||
@Threads(8)
|
||
public void doSomething() {
|
||
Collections.shuffle(numbers);
|
||
Collections.sort(numbers);
|
||
}
|
||
|
||
@Benchmark
|
||
@Threads(8)
|
||
public void doSomethingWithEntry() {
|
||
Entry e0 = null;
|
||
try {
|
||
e0 = SphU.entry("benchmark");
|
||
doSomething();
|
||
} catch (BlockException e) {
|
||
} finally {
|
||
if (e0 != null) {
|
||
e0.exit();
|
||
}
|
||
}
|
||
}
|
||
|
||
}
|
||
|
||
|
||
|
||
该基准测试类使用 @State 指定每个线程使用不同的 numbers 字段的实例，所以 @Setup 注解的方法也会执行 8 次，分别是在每个线程开始执行基准测试方法之前执行，用于完成初始化工作，与 Junit 中的 @Before 注解功能相似。
|
||
|
||
doSomething 方法用于模拟业务方法，doSomethingWithEntry 方法用于模拟使用 Sentinel 保护业务方法，分别对这两个方法进行基准测试。将基准测试模式配置为吞吐量模式，使用 @Warmup 注解配置预热次数为 10，使用 @OutputTimeUnit 指定输出单位为秒，使用 @Fork 指定进程数为 1，使用 @Threads 指定线程数为 8。
|
||
|
||
doSomething 方法吞吐量测试结果如下：
|
||
|
||
Result "com.alibaba.csp.sentinel.benchmark.SentinelEntryBenchmark.doSomething":
|
||
300948.682 ±(99.9%) 33237.428 ops/s [Average]
|
||
(min, avg, max) = (295869.456, 300948.682, 316089.624), stdev = 8631.655
|
||
CI (99.9%): [267711.254, 334186.110] (assumes normal distribution)
|
||
|
||
|
||
|
||
最小 ops/s 为 295869.456，平均 ops/s 为 300948.682，最大 ops/s 为 316089.624。
|
||
|
||
doSomethingWithEntry 方法吞吐量测试结果如下：
|
||
|
||
Result "com.alibaba.csp.sentinel.benchmark.SentinelEntryBenchmark.doSomethingWithEntry":
|
||
309934.827 ±(99.9%) 98910.540 ops/s [Average]
|
||
(min, avg, max) = (280835.799, 309934.827, 337712.803), stdev = 25686.753
|
||
CI (99.9%): [211024.287, 408845.366] (assumes normal distribution)
|
||
|
||
|
||
|
||
最小 ops/s 为 280835.799，平均 ops/s 为 309934.827，最大 ops/s 为 337712.803。
|
||
|
||
|
||
OPS：每秒执行的操作次数，或每秒执行的方法次数。
|
||
|
||
|
||
从本次测试结果可以看出，doSomething 方法的平均吞吐量与 doSomethingWithEntry 方法平均吞吐量相差约为 3%，也就是说，在超过 28w OPS（QPS）的情况下，Sentinel 对应用性能的影响只有 3%不到。实际项目场景，一个服务节点所有接口总的 QPS 也很难达到 25W 这个值，而 QPS 越低，Sentinel 对应用性能的影响也越低。
|
||
|
||
但这毕竟是在没有配置任何限流规则的情况下，只有一个资源且调用链路的深度（调用树的深度）为 1 的情况下，这个结果只能算个理想的参考值，还是以实际项目中的使用测试为准。
|
||
|
||
总结
|
||
|
||
到此，我们基本把 Sentinel 的核心实现源码大致都分析了一遍。我们也能从 Sentinel 源码的一些细节上看出 Sentinel 为性能所作出的努力，并也使用 JMH 对 Sentinel 做了一次简单的基准测试，得出 Sentinel 对应用性能影响非常小结论。
|
||
|
||
Sentinel 支持丰富的流控功能、扩展性极强，以及性能方面的优势，才是 Sentinel 被广泛使用的原因。
|
||
|
||
|
||
|
||
|