使用jmh框架进行benchmark测试

性能问题

最近在跑flink社区1.15版本使用json_value函数时，发现其性能很差，通过jstack查看堆栈经常在执行以下堆栈



可以看到这里的逻辑是在等锁，查看jsonpath的LRUCache

//
// Source code recreated from a .class file by IntelliJ IDEA
// (powered by FernFlower decompiler)
//

package org.apache.flink.table.shaded.com.jayway.jsonpath.spi.cache;

import java.util.Deque;
import java.util.LinkedList;
import java.util.Map;
import java.util.concurrent.ConcurrentHashMap;
import java.util.concurrent.locks.ReentrantLock;
import org.apache.flink.table.shaded.com.jayway.jsonpath.JsonPath;

public class LRUCache implements Cache {
    private final ReentrantLock lock = new ReentrantLock();
    private final Map<String, JsonPath> map = new ConcurrentHashMap();
    private final Deque<String> queue = new LinkedList();
    private final int limit;

    public LRUCache(int limit) {
        this.limit = limit;
    }

    public void put(String key, JsonPath value) {
        JsonPath oldValue = (JsonPath)this.map.put(key, value);
        if (oldValue != null) {
            this.removeThenAddKey(key);
        } else {
            this.addKey(key);
        }

        if (this.map.size() > this.limit) {
            this.map.remove(this.removeLast());
        }

    }

    public JsonPath get(String key) {
        JsonPath jsonPath = (JsonPath)this.map.get(key);
        if (jsonPath != null) {
            this.removeThenAddKey(key);
        }

        return jsonPath;
    }

    private void addKey(String key) {
        this.lock.lock();

        try {
            this.queue.addFirst(key);
        } finally {
            this.lock.unlock();
        }

    }

    private String removeLast() {
        this.lock.lock();

        String var2;
        try {
            String removedKey = (String)this.queue.removeLast();
            var2 = removedKey;
        } finally {
            this.lock.unlock();
        }

        return var2;
    }

    private void removeThenAddKey(String key) {
        this.lock.lock();

        try {
            this.queue.removeFirstOccurrence(key);
            this.queue.addFirst(key);
        } finally {
            this.lock.unlock();
        }

    }

    private void removeFirstOccurrence(String key) {
        this.lock.lock();

        try {
            this.queue.removeFirstOccurrence(key);
        } finally {
            this.lock.unlock();
        }

    }

    ...
}

可以看到get操作时，如果获取到的是有值的，那么会更新相应key的数据从双端队列移到首位，借此来实现LRU的功能，但是这样每次get和put操作都是需要加锁的，因此并发情况下吞吐就会比较低，也会导致cpu使用效率较低。

从jsonpath社区查看相应的问题，也有相关的反馈

https://github.com/json-path/JsonPath/issues/740

https://github.com/apache/pinot/pull/7409

比较方便的是，jsonpath 提供了spi的方式可以自定义的设置Cache的实现类，可以通过以下方式来设置新的cache实现。

static {
    CacheProvider.setCache(new JsonPathCache());
}

从pinot的实现中，我们看到他是用了guava的cache来替换了默认的LRUCache实现，那么这样实现性能优化有多少呢，这里我们是用java的性能测试框架jmh来测试下性能提升的情况

性能测试

这里为了方便，直接在flink-benchmark工程里添加了两个benchmark的测试类.

GuavaCache

LRUCache

这里面需要注意，因为cache是进程级别共享的，所以我们需要将设置@State(Benchmark)级别，这样我们构建的cache就是进程级别共享，而不是线程级别共享的。

写的测试是4个线程运行，缓存大小均为400

为了避免在本机运行时受本机的其他程序影响，最好是build jar之后放到服务器上跑

java -jar target/benchmarks.jar -rf csv org.apache.flink.benchmark.GuavaCacheBenchmark

得到一个测试结果

Benchmark                 Mode  Cnt     Score     Error   Units
GuavaCacheBenchmark.get  thrpt   30  4480.563 ± 203.311  ops/ms
GuavaCacheBenchmark.put  thrpt   30  1774.769 ± 119.198  ops/ms

LRUCacheBenchmark.get  thrpt   30  441.239 ±  2.812  ops/ms
LRUCacheBenchmark.put  thrpt   30  350.549 ± 12.285  ops/ms

可以看到使用guava的cache后，get性能提升8倍左右，put性能提升5倍左右。

这块性能提升的主要来源是cache的实现机制上，和caffeine 的作者在github上也简单了解了下相关的推荐实现

后面会写一篇文章来专门分析下caffeine cache的优化实现。

参考

https://github.com/ben-manes/caffeine/wiki/Benchmarks#read-100-1 caffeine benchmark

https://github.com/ben-manes/caffeine/blob/master/caffeine/src/jmh/java/com/github/benmanes/caffeine/cache/GetPutBenchmark.java caffeine benchmark

https://www.jianshu.com/p/ad34c4c8a2a3 jmh 框架常见参数

http://hg.openjdk.java.net/code-tools/jmh/file/tip/jmh-samples/src/main/java/org/openjdk/jmh/samples/ jmh 常见用例