Java Microbenchmark Harness (JMH) 使用教程
2026-01-17 09:36:27作者:虞亚竹Luna
项目介绍
Java Microbenchmark Harness (JMH) 是一个用于构建、运行和分析基于Java及其他面向JVM的语言的纳米/微/毫/宏基准测试的工具。JMH 是 OpenJDK 的一部分,提供了丰富的功能来帮助开发者准确地进行性能测试。
项目快速启动
环境准备
确保你已经安装了以下工具:
- JDK 8 或更高版本
- Maven
克隆项目
首先,克隆 JMH 项目到本地:
git clone https://github.com/openjdk/jmh.git
cd jmh
构建项目
使用 Maven 构建项目:
mvn clean install
运行基准测试
构建完成后,可以运行一个示例基准测试:
java -jar target/benchmarks.jar
编写自己的基准测试
创建一个新的 Java 文件,例如 MyBenchmark.java,并添加以下内容:
import org.openjdk.jmh.annotations.*;
import java.util.concurrent.TimeUnit;
@State(Scope.Thread)
@BenchmarkMode(Mode.Throughput)
@OutputTimeUnit(TimeUnit.SECONDS)
public class MyBenchmark {
@Benchmark
public void testMethod() {
// 这里写你要测试的代码
}
}
然后,使用 Maven 重新构建并运行:
mvn clean install
java -jar target/benchmarks.jar MyBenchmark
应用案例和最佳实践
应用案例
JMH 广泛应用于以下场景:
- 优化算法性能
- 比较不同实现的性能
- 测试框架或库的性能
最佳实践
- 预热:确保在正式测试前进行足够的预热,以避免 JVM 优化对结果的影响。
- 多模式测试:使用不同的
@BenchmarkMode进行测试,以获得全面的性能数据。 - 状态管理:合理使用
@State注解来管理测试对象的状态。
典型生态项目
JMH 生态系统中包含多个社区支持的项目,这些项目扩展了 JMH 的功能,提供了更多的集成和可视化选项:
- IntelliJ IDEA JMH Plugin:在 IntelliJ IDEA 中直接运行 JMH 测试。
- Jenkins JMH Plugin:在 Jenkins 中集成 JMH 测试结果。
- Teamcity JMH Plugin:在 Teamcity 中集成 JMH 测试结果。
- Visualize JMH Benchmarks:可视化 JMH 测试结果,便于分析和比较。
通过这些生态项目,开发者可以更方便地进行性能测试和结果分析。
登录后查看全文
热门项目推荐
相关项目推荐
GLM-5.1GLM-5.1是智谱迄今最智能的旗舰模型,也是目前全球最强的开源模型。GLM-5.1大大提高了代码能力,在完成长程任务方面提升尤为显著。和此前分钟级交互的模型不同,它能够在一次任务中独立、持续工作超过8小时,期间自主规划、执行、自我进化,最终交付完整的工程级成果。Jinja00
MiniMax-M2.7MiniMax-M2.7 是我们首个深度参与自身进化过程的模型。M2.7 具备构建复杂智能体应用框架的能力,能够借助智能体团队、复杂技能以及动态工具搜索,完成高度精细的生产力任务。Python00- QQwen3.5-397B-A17BQwen3.5 实现了重大飞跃,整合了多模态学习、架构效率、强化学习规模以及全球可访问性等方面的突破性进展,旨在为开发者和企业赋予前所未有的能力与效率。Jinja00
HY-Embodied-0.5这是一套专为现实世界具身智能打造的基础模型。该系列模型采用创新的混合Transformer(Mixture-of-Transformers, MoT) 架构,通过潜在令牌实现模态特异性计算,显著提升了细粒度感知能力。Jinja00
LongCat-AudioDiT-1BLongCat-AudioDiT 是一款基于扩散模型的文本转语音(TTS)模型,代表了当前该领域的最高水平(SOTA),它直接在波形潜空间中进行操作。00
ERNIE-ImageERNIE-Image 是由百度 ERNIE-Image 团队开发的开源文本到图像生成模型。它基于单流扩散 Transformer(DiT)构建,并配备了轻量级的提示增强器,可将用户的简短输入扩展为更丰富的结构化描述。凭借仅 80 亿的 DiT 参数,它在开源文本到图像模型中达到了最先进的性能。该模型的设计不仅追求强大的视觉质量,还注重实际生成场景中的可控性,在这些场景中,准确的内容呈现与美观同等重要。特别是,ERNIE-Image 在复杂指令遵循、文本渲染和结构化图像生成方面表现出色,使其非常适合商业海报、漫画、多格布局以及其他需要兼具视觉质量和精确控制的内容创作任务。它还支持广泛的视觉风格,包括写实摄影、设计导向图像以及更多风格化的美学输出。Jinja00
热门内容推荐
项目优选
收起
暂无描述
Dockerfile
675
4.32 K
deepin linux kernel
C
28
16
Ascend Extension for PyTorch
Python
517
627
本项目是CANN提供的数学类基础计算算子库,实现网络在NPU上加速计算。
C++
947
886
openEuler内核是openEuler操作系统的核心,既是系统性能与稳定性的基石,也是连接处理器、设备与服务的桥梁。
C
398
302
🎉 (RuoYi)官方仓库 基于SpringBoot,Spring Security,JWT,Vue3 & Vite、Element Plus 的前后端分离权限管理系统
Vue
1.56 K
909
暂无简介
Dart
920
228
Oohos_react_native
React Native鸿蒙化仓库
C++
335
381
昇腾LLM分布式训练框架
Python
142
169
华为昇腾面向大规模分布式训练的多模态大模型套件,支撑多模态生成、多模态理解。
Python
133
212