​ 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.\n", count, interval, interval/count);

<span >/**串行循环*/</span>
interval = serialNanoTime(count);
System.out.format(<span >"[%s] count serial test <nanoTime> cost total time [%s]ns, average time [%s]ns.\n"</span>, count, interval, interval/count);

System.out.println(<span >"-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-"</span>);

 <span >/**并发*/</span>
 interval = concurrentTest(count, ()->{System.currentTimeMillis();});
 System.out.format(<span >"[%s] thread concurrent test <currentTimeMillis> cost total time [%s]ns, average time [%s]ns.\n"</span>, count, interval, interval/count);

 <span >/**串行循环*/</span>
 interval = serialCurrentTime(count);
 System.out.format(<span >"[%s] count serial test <currentTimeMillis> cost total time [%s]ns, average time [%s]ns.\n"</span>, 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);

<span >for</span> (<span >int</span> i = <span >0</span>; i < threads; i++) {
     <span >new</span> Thread(() -> {
         <span >try</span> {
             start.await();
             <span >try</span> {
                 r.run();
             }<span >finally</span> {
                 end.countDown();
             }
         } <span >catch</span> (InterruptedException e) {
             e.printStackTrace();
         }
     }).start();
 }

 <span >long</span> stime = System.nanoTime();
 start.countDown();
 end.await();
 <span >return</span> 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


​