Warmup og iterationer
Mål ydeevnen i steady state
Warmup og iterationer er en gratis Java Academy-lektion på CoddyKit. Dette er lektion 3 af 4. Du kan læse hele lektionen gratis nedenfor — og derefter øve dig praktisk i browseren med en indbygget kodeeditor og en AI-vejleder, der er tilgængelig døgnet rundt. Den er en del af læringsforløbet i Java Academy, og dine fremskridt synkroniseres på tværs af nettet og CoddyKit-appen. Java Academy-kurset indeholder 4 lektioner i alt.
Opvarmning og iterationer
JMH måler ydeevne i stabil tilstand: den hastighed, din kode når, efter at JVM har optimeret den fuldt ud. Derfor kører det først kasserede opvarmnings-iterationer og derefter faktiske måle-iterationer. Denne lektion gennemgår, hvordan begge dele justeres.
Hvorfor varme op
Tidlige kald kører fortolket og er langsomme; efter at JIT har kompileret den varme metode, bliver kaldende meget hurtigere. Hvis du medtog den langsomme opstart i dine tal, ville det gøre dem for store. Opvarmnings-iterationer udfører koden, men deres tider bliver kasseret.
@Warmup
@Warmup styrer den kasserede fase: hvor mange iterationer der skal køres, og hvor længe hver af dem skal køre.
import java.util.concurrent.TimeUnit;
import org.openjdk.jmh.annotations.*;
public class Bench {
@Benchmark
@Warmup(iterations = 5, time = 1, timeUnit = TimeUnit.SECONDS)
public int work() {
return 7 * 6;
}
}@Measurement
@Measurement styrer den faktiske, registrerede fase. Flere iterationer gør konfidensintervallet smallere, men forlænger kørslen.
import java.util.concurrent.TimeUnit;
import org.openjdk.jmh.annotations.*;
public class Bench {
@Benchmark
@Measurement(iterations = 10, time = 1, timeUnit = TimeUnit.SECONDS)
public int work() {
return 7 * 6;
}
}Iterationer kontra operationer
Vær opmærksom på begreberne. En iteration er et tidsmålt vindue, f.eks. ét sekund. I hvert vindue kalder JMH benchmarkmetoden så mange gange som muligt; hvert kald er en operation. Resultatet rapporteres pr. operation.
Hvor mange opvarmninger er nok
Hold øje med resultatet pr. iteration. Når successive opvarmnings-iterationer holder op med at ændre sig, er JIT stabiliseret. Hvis de første par måle-iterationer stadig varierer, skal du tilføje mere opvarmning. Fem opvarmnings- og ti måle-iterationer er et almindeligt udgangspunkt.
Forgreninger giver mere opvarmning
Hver forgrening bruger en helt ny JVM, så hver forgrening gentager hele opvarmningen. Flere forgreninger isolerer både JIT-profiler og giver dig variation mellem JVM'er, hvilket er det mest ærlige mål for stabilitet.
import org.openjdk.jmh.annotations.*;
@Fork(3)
@Warmup(iterations = 5)
@Measurement(iterations = 10)
public class Bench {
@Benchmark
public double sqrt() {
return Math.sqrt(2.0);
}
}Demonstration af effekten
Denne almindelige Java-løkke udskriver tider for hver batch. Du vil ofte se, at de første batches kører langsommere end de senere, mens JIT kompilerer metoden — præcis den effekt, som opvarmningen kasserer.
public class Main {
static long busy(int n) {
long s = 0;
for (int i = 0; i < n; i++) s += (long) Math.sqrt(i);
return s;
}
public static void main(String[] args) {
for (int batch = 0; batch < 5; batch++) {
long t = System.nanoTime();
long r = busy(2_000_000);
System.out.println("batch " + batch + ": "
+ (System.nanoTime() - t) / 1000 + " us, r=" + r);
}
}
}Tidsbaseret kontra antalbaseret
Som standard er iterationer tidsbaserede og kører i N sekunder. Du kan skifte til et fast antal operationer med batchSize og single-shot-tilstande, men tidsbaseret kørsel er normen, fordi den tilpasser sig maskinens hastighed.
Overjustér ikke
Meget lange kørsler tager tid uden at forbedre nøjagtigheden ret meget, når den stabile tilstand først er nået. Gå efter stabile, gentagelige tal på tværs af forgreninger i stedet for at maksimere iterationsantallet. Reproducerbarhed er vigtigere end ét imponerende tal.
Aflæsning af stabilisering
JMH udskriver hver iterations resultat under kørslen. Et sundt benchmark viser, at opvarmnings-iterationerne nærmer sig hinanden, og at måle-iterationerne ligger tæt samlet omkring det endelige resultat med en lille +/--fejl.
Hurtigt tjek
Test din forståelse af opvarmning og iterationer.
Opsummering
Du har lært at måle ydeevne i stabil tilstand:
- @Warmup kører kasserede iterationer, så JIT kan kompilere.
- @Measurement kører de registrerede iterationer; flere gør fejlmarginen mindre.
- En iteration er et tidsmålt vindue; hvert kald i det er en operation.
- Flere @Forks gentager opvarmningen i nye JVM'er og synliggør variationen mellem JVM'er.
- Gå efter reproducerbare, stabile resultater i stedet for maksimal kørselslængde.
Lær Java med en AI-underviser — gratis
Skriv og kør rigtig kode i din browser, få øjeblikkelig hjælp fra en AI-underviser døgnet rundt, og fortsæt, hvor du slap, på web eller i appen.
- Kurser
- 104
- Lektioner
- 374
Ofte stillede spørgsmål
Er lektionen “Warmup og iterationer” gratis?
Ja — hele teksten til “Warmup og iterationer” kan læses gratis her på nettet. Hvis du vil øve dig interaktivt med en indbygget kodeeditor og en AI-vejleder døgnet rundt og få adgang til resten af Java Academy-kurset, skal du opgradere til CoddyKit PRO. Java Academy-kurset indeholder 4 lektioner i alt.
Hvad lærer jeg i “Warmup og iterationer”?
Mål ydeevnen i steady state Du øver dig i Java Academy med praktisk kode, som du kører direkte i browseren, og en AI-vejleder døgnet rundt besvarer dine spørgsmål, mens du arbejder dig gennem lektionen.
Skal jeg have erfaring for at begynde på Java Academy?
Der kræves ingen tidligere erfaring. Java Academy på CoddyKit er tilrettelagt for både begyndere og øvede, så du kan starte her eller fra begyndelsen og lære i dit eget tempo. Dette er lektion 3 af 4.
Hvor lang tid tager lektionen “Warmup og iterationer”?
De fleste CoddyKit-lektioner tager cirka 5–10 minutter. Hver lektion er kort og interaktiv, så du gør løbende fremskridt og kan fortsætte, hvor du slap – på både web og app.
Kan jeg skrive og køre kode i denne Java Academy-lektion?
Ja. Alle Java Academy-lektioner har en indbygget kodeeditor, så du kan skrive og køre rigtig kode direkte i din browser og få øjeblikkelig feedback fra AI – uden lokal opsætning.
Alle lektioner i dette kursus
- Hvorfor JMH
- Skriv et benchmark
- Warmup og iterationer
- Undgå dead-code elimination