在之前的文章中我分享了三种从一个数组中随机取一个值的方法，分别是：使用随机数、使用int递增，使用atomicinteger递增。其中后两者都是循序取，并非真的随机。从上次的测试结果中，随机数方案相对后两者性能差异比较大。但是当时多线程的测试都是在达到了CPU性能瓶颈的情况下测得，旧闻如下：性能测试中的随机数性能问题探索。
最近又遇到相同的问题，为了更加准确反映三个方案的性能差异，我打算在压力相对偏低的情况下重新测试。毕竟之前测试的都是几百万的QPS，日常使用中根本不会用的这么高的场景。
用例设计
使用固定QPS模型进行测试，这样可以一次测试中获取多组测试数据，然后每次执行增加10ms的延迟，模拟接口响应耗时。这次没有覆盖从数组中取值，因为对于所有的实现方案，这个步骤是相同的，只是获取一个数组的索引。
用例如下：
代码语言：javascript复制import com.funtester.frame.SourceCode
import com.funtester.frame.execute.FunQpsConcurrent
import groovy.util.logging.Log4j2
import java.util.concurrent.atomic.AtomicInteger
@Log4j2
class Ts extends SourceCode {
static void main(String[] args) {
def total = 1000_0000
def index = new AtomicInteger()
int i = 0
def test = {
i % total
// index.getAndIncrement() % total
getRandomInt(total)
sleep(0.01)
}
new FunQpsConcurrent(test, "测试随机性能").start()
}
}
测试结果
本次数据统计使用Intellij自带的profiler获取，之前常用的jconsole和jvisualvm突然不好用，连接不上JVM了。下面分享一下测试结果
方案 | TPS（万） | CPU（百分比） |
|---|---|---|
random | 1 | 13 |
int | 1 | 15 |
atomic | 1 | 12 |
random | 2 | 26 |
int | 2 | 30 |
atomic | 2 | 24 |
random | 3 | 38 |
int | 3 | 46 |
atomic | 3 | 38 |
random | 4 | 51 |
int | 4 | 60 |
atomic | 4 | 51 |
random | 5 | 64 |
int | 5 | 75 |
atomic | 5 | 64 |
从以上数据看出，随机数的CPU消耗量是非常大的，这里我没有把内存列出来，因为前两项测试中并没有看到内存大较大差异。但是在执行atomic方案的方案的时候内存升高较多。随机数和int方案堆内存使用最大量约50M，而atomic使用量最大130M，不过这个增量可以接受的。
除了以上，我还发现一个有趣的现象，如果我先测1万，后测试5万。或者我先测5万，然后降低到1万。两个差距还是挺大的。下面分享一下数据，按照测试时间记录数据。
方案 | TPS（万） | CPU（百分比） |
|---|---|---|
atomic | 0.5 | 1 |
atomic | 1 | 3 |
atomic | 2 | 10 |
atomic | 3 | 24 |
atomic | 4 | 40 |
atomic | 5 | 64 |
atomic | 4 | 50 |
atomic | 3 | 38 |
atomic | 2 | 26 |
atomic | 1 | 12 |
atomic | 0.5 | 6 |
看了监控，怀疑是后面活跃线程持续增长导致的，那么是否可以认为，这里CPU使用率差异都是在线程的切换导致的，我现在倾向于是的。后面有机会我会对线程数这个参数进行对比测试，继续优化FunTester框架。
