JMH 微基准与逃逸分析验证：Java 21 性能测量的正确姿势

## 为什么需要 JMH

• JVM 会进行 JIT 优化、内联与逃逸分析；直观写的微基准容易偏差。
• JMH 提供标准的 Runner、注解与统计方法，能较好避开测量伪影。

## 最小可运行示例

import org.openjdk.jmh.annotations.*;
import java.util.concurrent.TimeUnit;

@BenchmarkMode(Mode.Throughput)
@OutputTimeUnit(TimeUnit.MILLISECONDS)
@Warmup(iterations = 3, time = 1)
@Measurement(iterations = 5, time = 1)
@Fork(2)
@State(Scope.Thread)
public class HelloJMH {

    @Benchmark
    public int add() {
        int a = 1, b = 2;
        return a + b;
    }
}

运行：

mvn -q -DskipTests package
java -jar target/benchmarks.jar

## Blackhole 与常见陷阱

• 不使用结果会被优化掉；用 `Blackhole` 消耗结果避免死代码消除。

import org.openjdk.jmh.infra.Blackhole;

@Benchmark
public void compute(Blackhole bh) {
    int s = 0;
    for (int i = 0; i < 1000; i++) s += i;
    bh.consume(s);
}

• 避免在基准方法中执行 IO/网络；将外部依赖隔离到 `@Setup` 或模拟。

## 参数化与状态

@State(Scope.Thread)
public class ParamState {
    @Param({"16","64","256"})
    int size;
    int[] data;

    @Setup(Level.Trial)
    public void setup() {
        data = new int[size];
        for (int i = 0; i < size; i++) data[i] = i;
    }
}

@Benchmark
public int sum(ParamState st) {
    int s = 0;
    for (int v : st.data) s += v;
    return s;
}

## 预热、测量与 Fork

• 预热用于 JIT 暖机；测量阶段才统计结果。
• Fork 会在独立 JVM 中运行，降低 JVM 状态干扰；建议 `Fork >= 2`。
• 保持稳定环境：固定 CPU 频率与线程数；避免同时运行其他负载。

## 逃逸分析与对象分配

• 小对象可能被标量替换或栈上分配；在微基准中会影响结论。

record Pair(int a, int b) {}

@Benchmark
public int scalarReplace() {
    Pair p = new Pair(1, 2);
    return p.a() + p.b();
}

• 用 JFR 或 GC 日志观察分配速率与暂停；确认结果与假设一致。

## 结果解读

• 关注误差范围（`±`）与单位，优先比较量级与趋势。
• 对关键参数做单因素变化（例如 `size` 或算法实现），避免混杂变量。

## 验证建议

• 与端到端压测结合：微基准仅反映局部，实现更改需在整体负载验证。
• 固定 JVM 参数（如堆大小与 GC），保证不同运行的可比性。

## 注意事项

• 关键词与主题一致：JMH、微基准、逃逸分析、预热与 Fork。
• 分类匹配：`软件/编程语言/Java`。
• 描述准确：强调可信测量与可复现方法。
• 技术参数已验证：JMH 注解与运行方式为常规用法；对象分配与逃逸分析为 JVM 通用行为。