之前在测试commons-pool2相关实现的时候，发现在线程接近500时候，性能瓶颈降低非常厉害，就好像碰到了总体性能的天花板一样，随着线程继续增加而单线程性能急速下降的现象。当时粗略判断其中一个原因是用来存储对象映射关系的java.util.concurrent.ConcurrentHashMap存在瓶颈导致。
所以今天我特意来测试一下java.util.concurrent.ConcurrentHashMap的查询性能，其他增改的功能暂时不做测试了。关于另外一个可能的原因java.util.concurrent.atomic.AtomicLong，我们下期再测。有兴趣的可以先看看我之前对于更强大的多线程计数器java.util.concurrent.atomic.LongAdder的性能测试：性能测试中的LongAdder。下面是之前遇到两种不同类型的对象池的性能测试文章：通用池化框架GenericObjectPool性能测试、通用池化框架GenericKeyedObjectPool性能测试。
测试方案
先说一下思路和场景设计。思路还是沿用之前的性能测试，通过固定线程的性能模型进行测试，通过调整次数和线程数来测试java.util.concurrent.ConcurrentHashMap的性能表现。场景设计上我先把java.util.concurrent.ConcurrentHashMap添加N个key和value，然后通过多线程随机从这些key里面取值。
这样本地测试就有了三个变量线程数、次数、key的数量，本次重点放在了200线程以上的性能表现。
PS：硬件和软件配置参考以前的文章，这里就不多说了。
测试用例
照例方案依旧使用FunTester性能测试框架提供的能力，采取Groovy脚本实现。相信有一定Java基础的同学阅读起来是没有问题的。
package com.funtest.groovytest
import com.funtester.base.constaint.FixedThread
import com.funtester.base.constaint.ThreadBase
import com.funtester.frame.SourceCode
import com.funtester.frame.execute.Concurrent
import java.util.concurrent.ConcurrentHashMap
class ConcurrentHashMapTest extends SourceCode {
static ConcurrentHashMap<Integer, Integer> maps = new ConcurrentHashMap<>()
static int times = 1_0000
static int threads = 200
static int num = 100
static def desc = "ConcurrentHashMap性能测试"
public static void main(String[] args) {
1.upto(num) {
maps.put(it, it)
}
ThreadBase.COUNT = false
RUNUP_TIME = 0
new Concurrent(new FunTester(), threads, desc).start()
}
private static class FunTester extends FixedThread {
FunTester() {
super(null, times, true)
}
@Override
protected void doing() throws Exception {
maps.get(getRandomInt(num))
}
@Override
FunTester clone() {
return new FunTester()
}
}
}
测试结果
由于测试中基本都触碰到硬件（CPU）瓶颈，所以本次也就不记录CPU使用率了，相当于都是在CPU资源有限情况下的性能测试数据，其实测试中发现次数影响也不大。
线程数 | 次数（千） | key数量 | 单线程QPS |
|---|---|---|---|
200 | 10 | 100 | 3038 |
200 | 20 | 100 | 3539 |
200 | 40 | 100 | 4066 |
200 | 80 | 100 | 4334 |
200 | 10 | 200 | 2823 |
200 | 20 | 200 | 3587 |
200 | 40 | 200 | 4736 |
200 | 10 | 400 | 2919 |
200 | 10 | 50 | 2873 |
200 | 10 | 20 | 3218 |
200 | 10 | 1000 | 3256 |
300 | 10 | 100 | 1893 |
300 | 20 | 100 | 2514 |
300 | 40 | 100 | 3214 |
300 | 20 | 300 | 1798 |
300 | 20 | 500 | 2832 |
500 | 20 | 100 | 1722 |
500 | 20 | 1000 | 1509 |
1000 | 20 | 1000 | 816 |
1000 | 10 | 100 | 724 |
测试到此，结论比较明显了，影响java.util.concurrent.ConcurrentHashMap的主要因素还是机器CPU资源不够用了。对于相同的资源情况下，线程数更低自然获得更强的单线程性能，如果增加线程确实可以获取更大的总体QPS。在key值方面，值越多，QPS越低。在测试次数上，自然是字数越多，QPS也大，也符合之前多次测试中的结论。
但是当我重新检查代码的时候却发现一个问题，在com.funtest.groovytest.ConcurrentHashMapTest.FunTester#doing方法中其实还有一段耗时的请求，就是com.funtester.frame.SourceCode#getRandomInt，经过我重新测试，发现java.util.concurrent.ConcurrentHashMap的性能得到了十几倍的提升。
不得不说我大意了，本期文章标题应当修改为java.util.concurrent.ThreadLocalRandom性能测试。
一下是com.funtester.frame.SourceCode#getRandomInt的内容：
/**
* 获取随机数，获取1~num 的数字，包含 num
*
* @param num 随机数上限
* @return 随机数
*/
public static int getRandomInt(int num) {
return ThreadLocalRandom.current().nextInt(num) 1;
}
我依此法重新测试了java.util.concurrent.atomic.AtomicLong，发现也是QPS超高，排除了我之前的想法。看来commons-pool2的瓶颈不在这两个地方。以后等我仔细再研究研究，有结论再跟大家分享。
