之前给模块做性能优化的时候，需要将性能调到毫秒级，使用了System.nanoTime()和System.currentTimeMillis()对代码分片计时分析耗时操作，后发现在串行情况下性能达到毫秒级，但是一旦在并发压测的时候，性能急剧下降，后经多方排查，发现原因出在System.nanoTime()和System.currentTimeMillis()这两个api上，其在并发情况下耗时会急剧上升，当然在整体上看依然很快，但是在高性能场景下就有很显著的影响。特此记录一下。
测试代码:
package cord;
import java.util.concurrent.CountDownLatch;
/**
* Created by cord on 2018/5/7.
*/
public class SystemApiPerfTest {
public static void main(String[] args) throws InterruptedException {
int count = 100;
/**并发*/
long interval = concurrentTest(count, ()->{System.nanoTime();});
System.out.format("[%s] thread concurrent test <nanoTime> cost total time [%s]ns, average time [%s]ns.
", count, interval, interval/count);
/**串行循环*/
interval = serialNanoTime(count);
System.out.format("[%s] count serial test <nanoTime> cost total time [%s]ns, average time [%s]ns.
", count, interval, interval/count);
System.out.println("-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-");
/**并发*/
interval = concurrentTest(count, ()->{System.currentTimeMillis();});
System.out.format("[%s] thread concurrent test <currentTimeMillis> cost total time [%s]ns, average time [%s]ns.
", count, interval, interval/count);
/**串行循环*/
interval = serialCurrentTime(count);
System.out.format("[%s] count serial test <currentTimeMillis> cost total time [%s]ns, average time [%s]ns.
", count, interval, interval/count);
}
private static long concurrentTest(int threads, final Runnable r) throws InterruptedException {
final CountDownLatch start = new CountDownLatch(1);
final CountDownLatch end = new CountDownLatch(threads);
for (int i = 0; i < threads; i++) {
new Thread(() -> {
try {
start.await();
try {
r.run();
}finally {
end.countDown();
}
} catch (InterruptedException e) {
e.printStackTrace();
}
}).start();
}
long stime = System.nanoTime();
start.countDown();
end.await();
return System.nanoTime() - stime;
}
private static long serialNanoTime(int count){
long stime = System.nanoTime();
for (int i = 0; i < count; i++) {
System.nanoTime();
}
return System.nanoTime() - stime;
}
private static long serialCurrentTime(int count){
long stime = System.nanoTime();
for (int i = 0; i < count; i++) {
System.currentTimeMillis();
}
return System.nanoTime() - stime;
}
}
测试结果如下:
[100] thread concurrent test <nanoTime> cost total time [5085539]ns, average time [50855]ns.
[100] count serial test <nanoTime> cost total time [2871]ns, average time [28]ns.
-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-
[100] thread concurrent test <currentTimeMillis> cost total time [7678769]ns, average time [76787]ns.
[100] count serial test <currentTimeMillis> cost total time [4103]ns, average time [41]ns.
串行情况下耗时趋于稳定，但是在并行情况下就不一样了。
因为这两个api都是native方法，涉及到系统层级的调用，与平台底层实现有关。
其实在串行情况下这两个api其实性能很好，但是在并发情况下回急剧下降，原因在于计时器在所有进程之间共享，并且其还一直在发生变化，当大量线程尝试同时去访问计时器的时候，就涉及到资源的竞争，于是也就出现并行效率远低于串行效率的现象了。所以在高并发场景下要慎重使用System.nanoTime()和System.currentTimeMillis()这两个API。
附加资料:
linux上使用的计时器一般有两种: TSC, HPET
HPET计时器(HPET Timer)：高精度事件计时器，也是外部硬件计时器，固定频率14.31818MHz。
TSC计时器(TSC Timer)：时间戳计数计时器，是基于硬件的计时器，但频率可变。以前它就等于处理器频率，在早些年不是问题，但后来处理器不断加入会降低频率的扩展频谱、电源管理等功能，就有问题了，于是后来设计的时候将其改为和处理器频率相独立。
HPET的性能相对TSC的性能要低
(注: 等级越高的时钟越容易被系统使用)
| 等级 | 1 ~ 99 | 100 ~ 199 | 200 ~ 299 | 300 ~ 399 | 400 ~ 499 |
|---|---|---|---|---|---|
| 特点 | 非常差的时钟源，只能作为最后的选择。如 jiffies | 基本可以使用但并非理想的时钟源。如 PIT | 正确可用的时钟源。如 ACPI PM Timer，HPET | 快速并且精确的时钟源。如 TSC | 理想时钟源。如 kvm_clock，xen_clock |
时钟源相关操作:
- 查看当前系统可用时钟源
# cat /sys/devices/system/clocksource/clocksource0/available_clocksource
- 查看当前使用的时钟源
# cat /sys/devices/system/clocksource/clocksource0/current_clocksource
- 修改时钟源
# echo 'hpet' > /sys/devices/system/clocksource/clocksource0/current_clocksource
http://pzemtsov.github.io/2017/07/23/the-slow-currenttimemillis.html
http://blog.sina.com.cn/s/blog_71d9aee40101gtuv.html
https://blog.csdn.net/dymloveyxp1314/article/details/10065223