推荐使用 JfrUnit:JUnit 扩展,用于断言 JDK Flight Recorder 事件
性能测试的革新者
在软件开发中,单元测试已经成为保证功能正确性的标准实践。然而,通过自动化测试来发现性能退化(如增加延迟、降低吞吐量)却是一项更具挑战的任务。传统的基于具体请求运行时的断言方法在虚拟化或容器化的 CI 环境中容易受到其他任务并发负载的影响。
JfrUnit 正是为此场景而设计,它是一个 JUnit 的扩展,允许您对应用程序发出的 JDK Flight Recorder(JFR)事件进行断言。这个创新工具提供了一种全新的视角,不仅关注如延迟和吞吐量这样的直接性能指标,而是通过 JFR 事件来间接评估可能影响这些指标的因素,例如内存分配、数据库 I/O 和执行的 SQL 语句数量。从一个基准线出发,如果这些断言在未来失败,就可能是代码变更引入了更高的垃圾收集压力、不必要的数据检索,或者常见的 SQL 问题(如 N+1 个 SELECT 语句)导致的性能退化。
JfrUnit 使您能够在标准 JUnit 测试中以可靠且环境独立的方式识别并分析这些问题,从而在它们成为生产环境中的性能问题之前及时发现。
学习更多资源
以下是一些详细介绍 JfrUnit 及其性能回归测试方法的资源:
- 走向持续性能回归测试
- 推出 JfrUnit 1.0.0.Alpha1
- 使用 JfrUnit 断言 JDK Flight Recorder 事件
- JfrUnit 连续性能回归测试
- 用 Flight Recorder、JMC Agent 和 JfrUnit 保持 SQL 的检查
使用
JfrUnit 需要运行时环境为 OpenJDK 16 或更高版本。支持 JDK 11 的工作已经在路线图上,但在此版本下,JfrUnit 不再依赖 JFR 事件流,而是从磁盘上的记录文件读取 JFR 事件。欢迎贡献这一更改的 Pull Request。
您可以从 Maven 中央仓库获取 JfrUnit;只需将以下依赖添加到您的项目 pom.xml 文件中:
...
<dependency>
<groupId>org.moditect.jfrunit</groupId>
<artifactId>jfrunit-core</artifactId>
<version>1.0.0.Alpha2</version>
<scope>test</scope>
</dependency>
...
或者,您可以从源代码构建 JfrUnit(参见下文),以便拉取最新的变更。
然后,您可以像这样实现期望特定 JFR 事件的测试:
import org.moditect.jfrunit.*;
import static org.moditect.jfrunit.JfrEventsAssert.*;
import static org.moditect.jfrunit.ExpectedEvent.*;
import org.moditect.jfrunit.events.JfrEventTypes;
@JfrEventTest
public class JfrTest {
public JfrEvents jfrEvents = new JfrEvents();
@Test
@EnableEvent(GarbageCollection.EVENT_NAME)
@EnableEvent(ThreadSleep.EVENT_NAME)
public void shouldHaveGcAndSleepEvents() throws Exception {
System.gc();
Thread.sleep(1000);
jfrEvents.awaitEvents();
assertThat(jfrEvents).contains(JfrEventTypes.GARBAGE_COLLECTION);
assertThat(jfrEvents).contains(
JfrEventTypes.THREAD_SLEEP.withTime(Duration.ofMillis(1000)));
}
}
对于使用 @QuarkusTest 注解的 Quarkus 应用程序,不需要(甚至不应)添加 @JfrEventTest 注解。相反,Quarkus 测试框架会自动处理管理 JFR 录制所需的回调。
@EnableEvent 注解用于启用应捕获的一个或多个 JFR 事件类型。星号字符 (*) 可用作通配符匹配多个类型。
@Test
@EnableEvent("jdk.GC*")
@EnableEvent("jdk.G1*")
public void someTest() throws Exception { ... }
这将捕获 jdk.GCHeapSummary、jdk.GCPhasePause、jdk.G1GarbageCollection 等事件。所有内置 JFR 事件类型的完整列表可以在此处找到。
另外,您还可以使用 @EnableConfiguration 注解指定 JFR 配置文件的名称,例如 "default" 或 "profile":
@Test
@EnableConfiguration("default")
public void someTest() throws Exception { ... }
JFR 配置文件位于 $JAVA_HOME/bin/jfr 目录下。
使用 Spock 框架
您也可以使用 Spock 框架 编写 JfrUnit 测试:
import org.moditect.jfrunit.JfrEvents
import spock.lang.Specification
import java.time.Duration
class JfrSpec extends Specification {
JfrEvents jfrEvents = new JfrEvents()
@EnableEvent('jdk.GarbageCollection')
@EnableEvent('jdk.ThreadSleep')
def 'should Have GC And Sleep Events'() {
when:
System.gc()
sleep(1000)
then:
jfrEvents['jdk.GarbageCollection']
jfrEvents['jdk.ThreadSleep'].withTime(Duration.ofMillis(1000))
}
}
正如您所见,您可以使用自定义 DSL 来检查预期状态。
构建
该项目的构建要求 OpenJDK 16 或更高版本。使用 Apache Maven 进行构建。运行以下命令以构建项目:
mvn verify
运行以下命令将 JAR 安装到本地 Maven 仓库:
mvn install
许可证
此代码库遵循 Apache 许可证 2.0 版发布。
JfrUnit 提供了一个强大的工具,可以帮助开发者在早期阶段发现潜在的性能问题,并确保代码质量。结合其易用性和灵活性,无论是 Java 标准测试还是采用 Spock 框架的测试,都值得您的团队尝试。立即加入我们的行列,让性能回归测试变得更加简单和高效!
ERNIE-4.5-VL-28B-A3B-ThinkingERNIE-4.5-VL-28B-A3B-Thinking 是 ERNIE-4.5-VL-28B-A3B 架构的重大升级,通过中期大规模视觉-语言推理数据训练,显著提升了模型的表征能力和模态对齐,实现了多模态推理能力的突破性飞跃Python00
Kimi-K2-ThinkingKimi K2 Thinking 是最新、性能最强的开源思维模型。从 Kimi K2 开始,我们将其打造为能够逐步推理并动态调用工具的思维智能体。通过显著提升多步推理深度,并在 200–300 次连续调用中保持稳定的工具使用能力,它在 Humanity's Last Exam (HLE)、BrowseComp 等基准测试中树立了新的技术标杆。同时,K2 Thinking 是原生 INT4 量化模型,具备 256k 上下文窗口,实现了推理延迟和 GPU 内存占用的无损降低。Python00
MiniMax-M2MiniMax-M2是MiniMaxAI开源的高效MoE模型,2300亿总参数中仅激活100亿,却在编码和智能体任务上表现卓越。它支持多文件编辑、终端操作和复杂工具链调用Python00
HunyuanVideo-1.5暂无简介00
MiniCPM-V-4_5MiniCPM-V 4.5 是 MiniCPM-V 系列中最新且功能最强的模型。该模型基于 Qwen3-8B 和 SigLIP2-400M 构建,总参数量为 80 亿。与之前的 MiniCPM-V 和 MiniCPM-o 模型相比,它在性能上有显著提升,并引入了新的实用功能Python00
Spark-Formalizer-X1-7BSpark-Formalizer 是由科大讯飞团队开发的专用大型语言模型,专注于数学自动形式化任务。该模型擅长将自然语言数学问题转化为精确的 Lean4 形式化语句,在形式化语句生成方面达到了业界领先水平。Python00
GOT-OCR-2.0-hf阶跃星辰StepFun推出的GOT-OCR-2.0-hf是一款强大的多语言OCR开源模型,支持从普通文档到复杂场景的文字识别。它能精准处理表格、图表、数学公式、几何图形甚至乐谱等特殊内容,输出结果可通过第三方工具渲染成多种格式。模型支持1024×1024高分辨率输入,具备多页批量处理、动态分块识别和交互式区域选择等创新功能,用户可通过坐标或颜色指定识别区域。基于Apache 2.0协议开源,提供Hugging Face演示和完整代码,适用于学术研究到工业应用的广泛场景,为OCR领域带来突破性解决方案。00