Java&Go高性能队列之LinkedBlockingQueue性能测试

FunTester

发布于 2022-02-08 13:19:13

1.3K3

发布于 2022-02-08 13:19:13

文章被收录于专栏：FunTester

在写完高性能队列Disruptor在测试中应用和千万级日志回放引擎设计稿视频版之后，我就一直在准备Java & Go 语言几种高性能消息队列的性能测试，其中选取了几种基准测试场景以及在性能测试中的应用场景。

测试场景设计的思路参考的两个方面：

消息体大小，我用的不同大小GET请求区分
生产者和消费者线程数，Go语言中称协程goroutine

PS：后续的文章中，Go语言文章中如果出现线程，均指goroutine。

结论

总体来说，java.util.concurrent.LinkedBlockingQueue性能还是在50万QPS级别上，满足现在压测需求，唯一需要避免的就是队列较长时性能不稳定。总结起来三点比较通用的参考：

消息体尽可能小
线程数增益有限
尽量避免消息积压

简介

首先介绍一下第一个被测试的对象java.util.concurrent.LinkedBlockingQueue，分解名字可以得到这是个由链表实现的阻塞单向的对象。官方给的定义是：

基于链接节点的可选有界阻塞队列。此队列对元素进行 FIFO（先进先出）排序。队列的头部是在队列中时间最长的元素。队列的尾部是在队列中时间最短的元素。新元素被插入到队列的尾部，队列检索操作获取队列头部的元素。链接队列通常比基于数组的队列具有更高的吞吐量，但在大多数并发应用程序中性能更不可预测。

在我查到的几种JDK自带的队列实现类中，java.util.concurrent.LinkedBlockingQueue性能是最高的，还有一个候选的类java.util.concurrent.ArrayBlockingQueue，资料说java.util.concurrent.LinkedBlockingQueue性能大概是java.util.concurrent.ArrayBlockingQueue性能的2 ~ 3倍，差距过于明显，这个有机会再来测试。

测试结果

这里性能只记录每毫秒处理消息（对象）个数作为评价性能的唯一标准。

数据说明

这里我用了三种org.apache.http.client.methods.HttpGet，创建方法均使用原生API，为了区分大小的区别，我会响应增加一些header和URL长度。

小对象：

def get = new HttpGet()

中对象：

def get = new HttpGet(url)
get.addHeader("token", token)
get.addHeader(HttpClientConstant.USER_AGENT)
get.addHeader(HttpClientConstant.CONNECTION)

大对象：

def get = new HttpGet(url + token)
get.addHeader("token", token)
get.addHeader("token1", token)
get.addHeader("token5", token)
get.addHeader("token4", token)
get.addHeader("token3", token)
get.addHeader("token2", token)
get.addHeader(HttpClientConstant.USER_AGENT)
get.addHeader(HttpClientConstant.CONNECTION)

生产者

对象大小	队列长度（百万）	线程数	速率（/ms）
小	1	1	838
小	1	5	837
小	1	10	823
小	5	1	483
小	10	1	450
中	1	1	301
中	1	5	322
中	1	10	320
中	1	20	271
中	5	1	失败
中	10	1	失败
中	0.5	1	351
中	0.5	5	375
大	1	1	214
大	1	5	240
大	1	10	241
大	0.5	1	209
大	0.5	5	250
大	0.5	10	246
大	0.2	1	217
大	0.2	5	309
大	0.2	10	321
大	0.2	20	243

中间两次测试失败，是因为等待时间太长了，进行到300万左右开始停滞，所以放弃了。

针对org.apache.http.client.methods.HttpRequestBase消息体结论如下：

长度保持在十万量级
生产者线程数5-10线程
消息体尽可能小

消费者

对象大小	队列长度（百万）	线程数	速率（/ms）
小	1	1	1893
小	1	5	1706
小	1	10	1594
小	1	20	1672
小	2	1	2544
小	2	5	2024
小	5	1	3419
中	1	1	1897
中	1	5	1485
中	1	10	1345
中	1	20	1430
中	2	1	2971
中	2	5	1576
大	1	1	1980
大	1	5	1623
大	1	10	1689
大	0.5	1	1136
大	0.5	5	1096
大	0.5	10	1072

针对org.apache.http.client.methods.HttpRequestBase消息体结论如下：

数据上看长度越长越好
消费者线程越少越好
消息体尽可能小

这里跟生产者标准有点不一样，基本上就是锁的竞争越少越好，测试消息数越多越好（这个工作中暂时用不到）。

生产者 & 消费者

这里的线程数指的是生产者或者消费者的数量，总体线程数是此数值的2倍。

对象大小	次数（百万）	线程数	队列长度（百万）	速率（/ms）
小	1	1	0.1	1326
小	1	1	0.2	1050
小	1	1	0.5	1054
小	1	5	0.1	1091
小	1	10	0.1	1128
小	2	1	0.1	1798
小	2	1	0.2	1122
小	2	5	0.2	946
小	5	5	0.1	1079
小	5	10	0.1	1179
中	1	1	0.1	632
中	1	1	0.2	664
中	1	5	0.2	718
中	1	10	0.2	683
中	2	1	0.2	675
中	2	5	0.2	735
中	2	10	0.2	788
中	2	15	0.2	828
大	1	1	0.1	505
大	1	1	0.2	558
大	1	5	0.2	609
大	1	10	0.2	496
大	2	1	0.2	523
大	2	5	0.2	759
大	2	10	0.2	668

针对org.apache.http.client.methods.HttpRequestBase消息体结论如下：

消息队列积累消息越少，速率越快
消费速率随时间推移越来越快，不明显
消息体尽可能小

测试用例

测试用例使用Groovy语言编写，自从我自定义了异步关键字fun和复习了闭包的语法之后，感觉就像开了光一样，有点迷上了各类多线程的语法实现。所以这个用例对于Java同学来讲可能有点看着熟悉，仔细阅读起来有点费劲，我会尽量写一些注释。大家可以把终点放在测试结果上，这可以对以后大家使用java.util.concurrent.LinkedBlockingQueue类有个基本的参考。

测试用例会根据上述的测试场景进行微调，例如线程数、消息体对象的大小等等，这个我会着重进行三种用例场景的测试。当然在工作中使用场景肯定比我提到的三种复杂多，各位有兴趣可以自己亲自上手测试，这里我就不班门弄斧了。

生产者场景

package com.funtest.groovytest

import com.funtester.config.HttpClientConstant
import com.funtester.frame.SourceCode
import com.funtester.utils.CountUtil
import com.funtester.utils.Time
import org.apache.http.client.methods.HttpGet
import org.apache.http.client.methods.HttpRequestBase

import java.util.concurrent.CountDownLatch
import java.util.concurrent.LinkedBlockingQueue
import java.util.concurrent.atomic.AtomicInteger

class QueueT extends SourceCode {

    static AtomicInteger index = new AtomicInteger(0)

    static int total = 100_0000

    static int size = 10

    static int threadNum = 1

    static int piece = total / size

    static def url = "http://localhost:12345/funtester"

    static def token = "FunTesterFunTesterFunTesterFunTesterFunTesterFunTesterFunTester"

    public static void main(String[] args) {

        LinkedBlockingQueue<HttpRequestBase> linkedQ = new LinkedBlockingQueue<>()

        def start = Time.getTimeStamp()
        def latch = new CountDownLatch(threadNum)
        def ts = []
        def barrier = new CyclicBarrier(threadNum + 1)
        def funtester = {//创建异步闭包的方法
            fun {
                barrier.await()
                while (true) {
                    if (index.getAndIncrement() % piece == 0) {
                        def l = Time.getTimeStamp() - start
                        ts << l
                        output("${formatLong(index.get())}添加总消耗${formatLong(l)}")
                        start = Time.getTimeStamp()
                    }
                    if (index.get() > total) break

                    def get = new HttpGet(url)
                    get.addHeader("token",token)
                    get.addHeader(HttpClientConstant.USER_AGENT)
                    get.addHeader(HttpClientConstant.CONNECTION)
                    linkedQ.put(get)
                }
                latch.countDown()
            }
        }
        threadNum.times {funtester()}
        def st = Time.getTimeStamp()
        barrier.await()
        latch.await()
        def et = Time.getTimeStamp()
        outRGB("每毫秒速率${total / (et - st)}")
        outRGB(CountUtil.index(ts).toString())
    }


}

消费者场景

package com.funtest.groovytest

import com.funtester.config.HttpClientConstant
import com.funtester.frame.SourceCode
import com.funtester.utils.CountUtil
import com.funtester.utils.Time
import org.apache.http.client.methods.HttpGet
import org.apache.http.client.methods.HttpRequestBase

import java.util.concurrent.CountDownLatch
import java.util.concurrent.CyclicBarrier
import java.util.concurrent.LinkedBlockingQueue
import java.util.concurrent.TimeUnit
import java.util.concurrent.atomic.AtomicInteger

class QueueTconsume extends SourceCode {

    static AtomicInteger index = new AtomicInteger(1)

    static int total = 100_0000

    static int size = 10

    static int threadNum = 5

    static int piece = total / size

    static def url = "http://localhost:12345/funtester"

    static def token = "FunTesterFunTesterFunTesterFunTesterFunTesterFunTesterFunTester"

    public static void main(String[] args) {

        LinkedBlockingQueue<HttpRequestBase> linkedQ = new LinkedBlockingQueue<>()
        def pwait = new CountDownLatch(10)
        def produces = {
            fun {
                while (true) {
                    if (linkedQ.size() > total) break
                    def get = new HttpGet(url)
                    get.addHeader("token", token)
                    get.addHeader(HttpClientConstant.USER_AGENT)
                    get.addHeader(HttpClientConstant.CONNECTION)
                    linkedQ.add(get)
                }
                pwait.countDown()
            }
        }
        10.times {produces()}
        pwait.await()
        outRGB("数据构造完成!${linkedQ.size()}")


        def start = Time.getTimeStamp()
        def barrier = new CyclicBarrier(threadNum + 1 )
        def latch = new CountDownLatch(threadNum)
        def ts = []
        def funtester = {
            fun {
                barrier.await()
                while (true) {
                    if (index.getAndIncrement() % piece == 0) {
                        def l = Time.getTimeStamp() - start
                        ts << l
                        output("${formatLong(index.get())}消费总消耗${formatLong(l)}")
                        start = Time.getTimeStamp()
                    }
                    def poll = linkedQ.poll(100, TimeUnit.MILLISECONDS)
                    if (poll == null) break
                }
                latch.countDown()
            }
        }
        threadNum.times {funtester()}
        def st = Time.getTimeStamp()
        barrier.await()
        latch.await()
        def et = Time.getTimeStamp()
        outRGB("每毫秒速率${total / (et - st)}")
        outRGB(CountUtil.index(ts).toString())
    }


}

生产者 & 消费者场景

这里我引入了另外一个变量：初始队列长度length，用例运行之前将队列按照这个长度进行单线程填充。

package com.funtest.groovytest

import com.funtester.frame.SourceCode
import com.funtester.utils.Time
import org.apache.http.client.methods.HttpGet
import org.apache.http.client.methods.HttpRequestBase

import java.util.concurrent.CountDownLatch
import java.util.concurrent.CyclicBarrier
import java.util.concurrent.LinkedBlockingQueue
import java.util.concurrent.TimeUnit
import java.util.concurrent.atomic.AtomicInteger

class QueueBoth extends SourceCode {

    static AtomicInteger index = new AtomicInteger(1)

    static int total = 500_0000

    static int length = 50_0000

    static int threadNum = 5

    static def url = "http://localhost:12345/funtester"

    static def token = "FunTesterFunTesterFunTesterFunTesterFunTesterFunTesterFunTester"

    public static void main(String[] args) {
        LinkedBlockingQueue<HttpRequestBase> linkedQ = new LinkedBlockingQueue<>()

        def latch = new CountDownLatch(threadNum * 2)
        def barrier = new CyclicBarrier(threadNum * 2 + 1)
        def ts = []
        def funtester = {f ->
            {
                fun {
                    barrier.await()
                    while (true) {
                        if (index.getAndIncrement() > total) break
                        f()
                    }
                    latch.countDown()
                }
            }
        }
        def produces =  {
            def get = new HttpGet(url)
            get.addHeader("token", token)
            get.addHeader(HttpClientConstant.USER_AGENT)
            get.addHeader(HttpClientConstant.CONNECTION)
            linkedQ.put(get)
        }
        length.times {produces()}

        threadNum.times {
            funtester produces
            funtester {linkedQ.poll(100, TimeUnit.MILLISECONDS)}
        }
        def st = Time.getTimeStamp()
        barrier.await()
        latch.await()
        def et = Time.getTimeStamp()
        outRGB("每毫秒速率${total / (et - st) / 2}")
    }


}

补充

性能非常不稳定

其中有两个问题需要补充说明，java.util.concurrent.LinkedBlockingQueue性能在测试过程中非常不稳定，我每次打印日志以1/10为节点打印时间戳，下面分享一些在队列长度100万时，生产者模式中的日志：

INFO-> 23.731 F-2  107,942添加总消耗523
INFO-> 23.897 F-10 200,061添加总消耗165
INFO-> 24.137 F-9  300,024添加总消耗239
INFO-> 24.320 F-2  400,037添加总消耗182
INFO-> 25.200 F-5  500,065添加总消耗879
INFO-> 25.411 F-2  600,094添加总消耗211
INFO-> 25.604 F-8  700,090添加总消耗193
INFO-> 26.868 F-1  800,047添加总消耗1,264
INFO-> 26.927 F-4  900,053添加总消耗57
INFO-> 28.454 F-3  1,000,009添加总消耗1,527
INFO-> 28.457 main 每毫秒速率190.0779319521
INFO-> 28.476 main 平均值:524.0 ,最大值1527.0 ,最小值:57.0 ,中位数:239.0 p99:1527.0 p95:1527.0


INFO-> 43.930 F-10 112,384添加总消耗385
INFO-> 44.072 F-9  200,159添加总消耗140
INFO-> 44.296 F-1  300,058添加总消耗223
INFO-> 44.445 F-7  400,075添加总消耗149
INFO-> 45.311 F-10 500,086添加总消耗866
INFO-> 45.498 F-8  600,080添加总消耗187
INFO-> 45.700 F-1  700,088添加总消耗202
INFO-> 45.760 F-9  800,057添加总消耗59
INFO-> 47.245 F-6  900,095添加总消耗1,485
INFO-> 47.303 F-6  1,000,009添加总消耗58
INFO-> 47.305 main 每毫秒速率262.7430373095
INFO-> 47.320 main 平均值:375.4 ,最大值1485.0 ,最小值:58.0 ,中位数:202.0 p99:1485.0 p95:1485.0


INFO-> 00.916 F-1  100,000添加总消耗568
INFO-> 01.269 F-1  200,000添加总消耗353
INFO-> 01.461 F-1  300,000添加总消耗192
INFO-> 01.635 F-1  400,000添加总消耗174
INFO-> 02.536 F-1  500,000添加总消耗899
INFO-> 02.777 F-1  600,000添加总消耗240
INFO-> 03.015 F-1  700,000添加总消耗237
INFO-> 03.107 F-1  800,000添加总消耗91
INFO-> 04.519 F-1  900,000添加总消耗1,412
INFO-> 05.940 F-1  1,000,000添加总消耗96
INFO-> 05.943 main 每毫秒速率184.5358922310
INFO-> 05.959 main 平均值:426.2 ,最大值1412.0 ,最小值:91.0 ,中位数:240.0 p99:1412.0 p95:1412.0

可以看出最大值最小值能相差十几倍，甚至二十几倍，这种情况随着消息队列总长度增长而增长，大多数发生在80万 ~ 100万阶段，如果将长度降低到50万，这种情况就会得到明显改善。所以还有一个附加观点：消息队列长度应当尽可能少一些。

基准测试

下面是我使用FunTester性能测试框架对三种消息对象的生产代码进行的测试结果。

测试对象	线程数	个数（百万）	速率（/ms）
小	1	1	5681
小	5	1	8010
小	5	5	15105
中	1	1	1287
中	5	1	2329
中	5	5	4176
大	1	1	807
大	5	1	2084
大	5	5	3185

测试用例如下：

package com.funtest.groovytest

import com.funtester.base.constaint.FixedThread
import com.funtester.config.HttpClientConstant
import com.funtester.frame.execute.Concurrent
import com.funtester.httpclient.FunLibrary
import org.apache.http.client.methods.HttpGet

class TTT extends FunLibrary {

    static int total = 100_0000

    static int thread = 1

    static int times = total / thread

    static def url = "http://localhost:12345/funtester"

    static def token = "FunTesterFunTesterFunTesterFunTesterFunTesterFunTesterFunTester"

    public static void main(String[] args) {
        RUNUP_TIME = 0
        def tasks = []
        thread.times {tasks << new FunTester(times)}
        new Concurrent(tasks,"测试生产者代码性能").start()

    }

    private static class FunTester extends FixedThread {

        FunTester(int limit) {
            super(null, limit, true)
        }

        @Override
        protected void doing() throws Exception {
//            def get = new HttpGet()

//            def get = new HttpGet(url)
//            get.addHeader("token", token)
//            get.addHeader(HttpClientConstant.USER_AGENT)
//            get.addHeader(HttpClientConstant.CONNECTION)

            def get = new HttpGet(url + token)
            get.addHeader("token", token)
            get.addHeader("token1", token)
            get.addHeader("token5", token)
            get.addHeader("token4", token)
            get.addHeader("token3", token)
            get.addHeader("token2", token)
            get.addHeader(HttpClientConstant.USER_AGENT)
            get.addHeader(HttpClientConstant.CONNECTION)

        }

        @Override
        FixedThread clone() {
            return new FunTester(limit)
        }
    }

}

本文参与腾讯云自媒体同步曝光计划，分享自微信公众号。

原始发表：2022-01-10，如有侵权请联系 cloudcommunity@tencent.com 删除

腾讯云测试服务

java

性能测试

消息队列 CMQ 版

本文分享自 FunTester 微信公众号，前往查看

如有侵权，请联系 cloudcommunity@tencent.com 删除。

本文参与腾讯云自媒体同步曝光计划，欢迎热爱写作的你一起参与！

登录后参与评论

0 条评论

热度