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
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
最新内容推荐
3D动漫渲染与卡通风格实现:Poiyomi Toon Shader全解析7个颠覆性技巧:用Virt-Manager实现虚拟机管理效率倍增告别会议截止日焦虑:AI Deadlines让全球学术日程管理化繁为简3个步骤掌握ESP32音频开发:从硬件连接到物联网音频方案突破设备限制:VR-Reversal解锁3D视频新玩法——普通设备实现自由视角观看的技术方案开源工具G-Helper启动优化与故障解决指南4大维度破解地理空间智能难题:面向研究者与从业者的AI工具指南3步掌握英雄联盟回放深度分析:从安装到战术拆解Windows驱动签名绕过与内核工具实践指南CyberdropBunkrDownloader:多平台文件下载工具全解析
项目优选
收起
暂无描述
Dockerfile
675
4.31 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++
946
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