JMH Gradle 插件使用教程
2024-08-19 10:38:50作者:裴锟轩Denise
1. 项目的目录结构及介绍
JMH Gradle 插件的目录结构如下:
jmh-gradle-plugin/
├── src/
│ ├── main/
│ │ ├── groovy/
│ │ ├── java/
│ │ ├── resources/
│ ├── test/
│ │ ├── groovy/
│ │ ├── java/
│ │ ├── resources/
├── build.gradle
├── settings.gradle
目录结构介绍
src/main/groovy/和src/main/java/:包含插件的主要代码。src/main/resources/:包含插件的资源文件。src/test/groovy/和src/test/java/:包含插件的测试代码。src/test/resources/:包含插件的测试资源文件。build.gradle:Gradle 构建脚本,包含插件的依赖和任务配置。settings.gradle:Gradle 项目设置文件,包含项目名称和子项目配置。
2. 项目的启动文件介绍
JMH Gradle 插件的启动文件主要是 build.gradle 文件。以下是一个示例配置:
plugins {
id 'me.champeau.jmh' version '0.6.5'
}
repositories {
mavenCentral()
}
dependencies {
jmh 'org.openjdk.jmh:jmh-core:1.33'
jmh 'org.openjdk.jmh:jmh-generator-annprocess:1.33'
}
jmh {
fork = 1
iterations = 5
warmupIterations = 5
}
启动文件介绍
plugins块:应用 JMH Gradle 插件。repositories块:配置 Maven 中央仓库。dependencies块:添加 JMH 核心库和注解处理器依赖。jmh块:配置 JMH 运行参数,如 fork 次数、迭代次数和预热迭代次数。
3. 项目的配置文件介绍
JMH Gradle 插件的配置文件主要是 build.gradle 文件中的 jmh 块。以下是一个详细的配置示例:
jmh {
includes = ['com.example.Benchmark.*']
excludes = ['com.example.ExcludeBenchmark.*']
benchmarkMode = ['Throughput', 'AverageTime']
timeUnit = 'ms'
fork = 2
iterations = 10
warmupIterations = 5
warmup = '1s'
timeOnIteration = '1s'
resultFormat = 'CSV'
profilers = ['gc']
jvmArgs = ['-Xms2g', '-Xmx2g']
humanOutputFile = project.file("${project.buildDir}/reports/jmh/human.txt")
resultsFile = project.file("${project.buildDir}/reports/jmh/results.csv")
}
配置文件介绍
includes和excludes:指定包含和排除的基准测试类。benchmarkMode:指定基准测试模式,如吞吐量和平均时间。timeUnit:指定时间单位。fork:指定 fork 次数。iterations和warmupIterations:指定迭代次数和预热迭代次数。warmup和timeOnIteration:指定预热时间和每次迭代时间。resultFormat:指定结果格式,如 CSV。profilers:指定使用的分析器,如 GC。jvmArgs:指定 JVM 参数。humanOutputFile和resultsFile:指定人类可读和结果文件的输出路径。
以上是 JMH Gradle 插件的基本使用教程,涵盖了项目的目录结构、启动文件和配置文件的介绍。希望对您有所帮助。
登录后查看全文
热门项目推荐
相关项目推荐
atomcodeClaude Code 的开源替代方案。连接任意大模型,编辑代码,运行命令,自动验证 — 全自动执行。用 Rust 构建,极致性能。 | An open-source alternative to Claude Code. Connect any LLM, edit code, run commands, and verify changes — autonomously. Built in Rust for speed. Get StartedRust0597- Ddeepseek-harnessDeepSeek Harness: Everything is a Plugin.TypeScript057
MooncakeMooncake 是面向大模型服务的通信与存储基础设施,致力于让解耦式大模型架构真正能够在真实生产环境中稳定运行、持续扩展、灵活组合,由趋境科技、月之暗面 Kimi 、清华大学 MADSys 实验室、9#AISoft、阿里云、蚂蚁集团等产学研力量共同建设的开源分布式大模型推理架构。C++06
OnnxOCR基于PaddleOCR重构,并且脱离PaddlePaddle深度学习训练框架的轻量级OCR,推理速度超快 —— A lightweight OCR system based on PaddleOCR, decoupled from the PaddlePaddle deep learning training framework, with ultra-fast inference speed.Python01
源启盛夏_AtomGit暑期开发者成长计划「源启盛夏」暑期校园开发者成长计划旨在激活校园开源力量,通过积分激励、认证扶持、资源倾斜等形式,引导高校组织和开发者完成「入驻 — 建项目 — 做贡献 — 获认证 — 得资源」的完整闭环。无论你是想带领社团入驻平台的组织者,还是希望用代码贡献证明自己的开发者,都能在这里找到属于你的成长路径。Markdown01
airi💖🧸 自托管、归你拥有的 Grok 风格 AI 伴侣与 waifu / 赛博生命灵魂容器,目标是接近 Neuro-sama 的高度;支持实时语音聊天、Minecraft 和 Factorio 游玩,支持 Web / macOS / Windows。TypeScript06
项目优选
收起
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
515
558
暂无描述
Markdown
862
5.73 K
本项目是CANN提供的transformer类大模型算子库,实现网络在NPU上加速计算。
C++
1.05 K
2.54 K
作为 Ascend for PyTorch 社区的核心组件,TorchNPU 是昇腾专为 PyTorch 打造的深度学习适配插件,使 PyTorch 框架能够直接调用昇腾 NPU,为开发者提供昇腾 AI 处理器的超强算力。
Python
843
1.3 K
本项目是CANN提供的神经网络类计算算子库,实现网络在NPU上加速计算。
C++
858
1.73 K
JiuwenSwarm 是一款基于openJiuwen开发的智能AI Agent,它能够将大语言模型的强大能力,通过你日常使用的各类通讯应用,直接延伸至你的指尖。
Python
3.36 K
878
本仓库fork自上游llvm-project仓,面向openEuler社区提供了前端C/C++语言的支持,中端通用优化能力的增强,以及后端多架构的支持,包括AArch64/X86/LoongArch/RISC-V/SW64等。
C++
159
64
AscendNPU-IR是基于MLIR(Multi-Level Intermediate Representation)构建的,面向昇腾亲和算子编译时使用的中间表示,提供昇腾完备表达能力,通过编译优化提升昇腾AI处理器计算效率,支持通过生态框架使能昇腾AI处理器与深度调优
C++
521
353
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++
1.28 K
1.39 K
deepin linux kernel
C
33
17