如何在Java中对主机多线程CPU性能进行基准测试？
我需要创建一个简单的Java应用程序，它只返回一个数字：估计的CPU性能。例如，当我在有4个核的机器上运行时，我得到的数字大约是有2个核运行时的两倍。此应用程序应使用100%CPU数秒来测量。我真的不担心准确性 我真的很惊讶，我找不到任何已经这样做的Java库。当然，还有其他语言的工具，但在我的环境中，只有Java被批准 我目前的想法是在我的代码中使用来自的类并从多个线程运行它，但是这个工具看起来非常混乱（例如，以小写字母开头的类名），我需要编写自定义代码来运行这些线程并合并结果 我能做得更好来解决这个问题吗？是一个实现Java代码基准的工具包。 它测量吞吐量或平均时间；您可以使用它来估计cpu周期 基本上，您需要用如何在Java中对主机多线程CPU性能进行基准测试？,java,benchmarking,Java,Benchmarking,我需要创建一个简单的Java应用程序，它只返回一个数字：估计的CPU性能。例如，当我在有4个核的机器上运行时，我得到的数字大约是有2个核运行时的两倍。此应用程序应使用100%CPU数秒来测量。我真的不担心准确性 我真的很惊讶，我找不到任何已经这样做的Java库。当然，还有其他语言的工具，但在我的环境中，只有Java被批准 我目前的想法是在我的代码中使用来自的类并从多个线程运行它，但是这个工具看起来非常混乱（例如，以小写字母开头的类名），我需要编写自定义代码来运行这些线程并合并结果 我能做得更好来
@Benchmark如果您想进一步了解CPU性能（周期、缓存使用、指令等），您可能需要使用如果我理解正确，您的目标是测量系统性能而不是应用程序性能 问题出在这里。系统性能不能降低到一个有意义的数字。实际上，系统性能。。。甚至CPU性能也是多维的 例如，根据CPU芯片的内存缓存大小和设计，内存密集型应用程序将在不同的机器上执行不同的操作。。。和内存速度。但是如果应用程序是计算密集型的，那么性能将更多地取决于时钟速率和核心计数 还有一些问题，比如当内核计数较高和/或有多个CPU芯片时NUMA单元和线程固定的影响
这些和类似的问题就是为什么那些试图独立于应用程序来测量原始CPU性能的基准在很大程度上失宠了。（MIPS最初的意思是每秒百万（硬件）指令。现在它通常被称为每秒神话指令…暗示该度量值作为实际应用程序性能的预测值是不可信的）这是实现我所需的最简单的代码。它试图通过计算后续整数的平方根和来估计多个线程的CPU性能。可以调整变量
迭代次数import static java.util.stream.IntStream.rangeClosed;
class Benchmark {
public static void main(String[] args) {
final int iterations = 100_000_000;
long start = System.currentTimeMillis();
rangeClosed(1, 50).parallel()
.forEach(i -> rangeClosed(1, iterations).mapToDouble(Math::sqrt).sum());
System.out.println(System.currentTimeMillis() - start);
}
}
Michal，谢谢你的回答，我借用并添加了一些线程来帮助我诊断客户机AIX机器上的虚拟CPU性能问题
import static java.util.stream.IntStream.rangeClosed;
public class Main {
public static void main(String[] args) {
if (args.length < 2) {
System.out.println("Usage: benchmark [million iterations] [maxThreads]");
return;
}
final int MILLION = 1_000_000;
final int iterations = Integer.parseInt(args[0]);
final int maxThreads = Integer.parseInt(args[1]);
for (int threads = 1; threads < maxThreads; threads++) {
long start = System.currentTimeMillis();
int count = iterations * MILLION / threads;
rangeClosed(1, threads).parallel()
.forEach(i -> rangeClosed(1, count).mapToDouble(Math::sqrt).sum());
System.out.println(String.format("Benchmark of %d M iterations on %d thread(s): %d ms", iterations, threads, System.currentTimeMillis() - start));
}
}
}
导入静态java.util.stream.IntStream.rangeClosed；
公共班机{
公共静态void main（字符串[]args）{
如果（参数长度<2）{
System.out.println（“用法：基准[million iterations][maxThreads]”；
返回；
}
最终整数百万=1_000_000；
final int iterations=Integer.parseInt（args[0]）；
final int maxThreads=Integer.parseInt（args[1]）；
对于（int threads=1；threadsrangeClosed（1，count）.mapToDouble（数学：：sqrt.sum（））；
System.out.println（String.format（“在%d个线程上%d M次迭代的基准测试：%d ms”，迭代，线程，System.currentTimeMillis（）-start））；
}
}
}
/proc/cpuinfobogomips/proc/cpuinfo