public String getCarString(Car car){
    ObjectMapper objectMapper = new ObjectMapper();
    String str = objectMapper.writeValueAsString(car);
    return str;
}

這種代碼就在CV工程師手中遍地開了花。

神奇。

這代碼有問題么？

你要說它有問題，它確實能正確的執(zhí)行。你要說它沒問題，在追求性能的同學眼里，這肯定是一段十惡不赦的代碼。

一般的工具類，都是單例的，同時是線程安全的。ObjectMapper也不例外，它也是線程安全的，你可以并發(fā)的執(zhí)行它，不會產(chǎn)生任何問題。

這段代碼，ObjectMapper在每次方法調用的時候，都會生成一個。那它除了造成一定的年輕代內存浪費之外，在執(zhí)行時間上有沒有什么硬傷呢？

new和不new，真的區(qū)別有那么大么？

有一次，xjjdog隱晦的指出某段被頻繁調用的代碼問題，被小伙伴怒吼著拿出證據(jù)。

證據(jù)？這得搬出Java中的基準測試工具JMH，才能一探究竟。

JMH(the Java Microbenchmark Harness) 就是這樣一個能夠做基準測試的工具。如果你通過我們一系列的工具，定位到了熱點代碼，要測試它的性能數(shù)據(jù)，評估改善情況，就可以交給JMH。它的測量精度非常高，最高可達到納秒的級別。

JMH是一個jar包，它和單元測試框架JUnit非常的像，可以通過注解進行一些基礎配置。這部分配置有很多是可以通過main方法的OptionsBuilder進行設置的。

上圖是一個典型的JMH程序執(zhí)行的內容。通過開啟多個進程，多個線程，首先執(zhí)行預熱，然后執(zhí)行迭代，最后匯總所有的測試數(shù)據(jù)進行分析。在執(zhí)行前后，還可以根據(jù)粒度處理一些前置和后置操作。

JMH測試結果

為了測試上面的場景，我們創(chuàng)造了下面的基準測試類。分為三個測試場景：

直接在方法里new ObjectMapper
在全局共享一個ObjectMapper
使用ThreadLocal，每個線程一個ObjectMapper

這樣的測試屬于cpu密集型的。我的cpu有10核，直接就分配了10個線程的并發(fā)，cpu在測試期間跑的滿滿的。

@BenchmarkMode({Mode.Throughput})
@OutputTimeUnit(TimeUnit.SECONDS)
@State(Scope.Thread)
@Warmup(iterations = 5, time = 1, timeUnit = TimeUnit.SECONDS)
@Measurement(iterations = 5, time = 1, timeUnit = TimeUnit.SECONDS)
@Fork(1)
@Threads(10)
public class ObjectMapperTest {
    String json = "{ \"color\" : \"Black\", \"type\" : \"BMW\" }";
    @State(Scope.Benchmark)
    public static class BenchmarkState {
        ObjectMapper GLOBAL_MAP = new ObjectMapper();
        ThreadLocal<ObjectMapper> GLOBAL_MAP_THREAD = new ThreadLocal<>();
    }
    @Benchmark
    public Map globalTest(BenchmarkState state) throws Exception{
        Map map = state.GLOBAL_MAP.readValue(json, Map.class);
        return map;
    }
    @Benchmark
    public Map globalTestThreadLocal(BenchmarkState state) throws Exception{
        if(null == state.GLOBAL_MAP_THREAD.get()){
            state.GLOBAL_MAP_THREAD.set(new ObjectMapper());
        }
        Map map = state.GLOBAL_MAP_THREAD.get().readValue(json, Map.class);
        return map;
    }
    @Benchmark
    public Map localTest() throws Exception{
        ObjectMapper objectMapper = new ObjectMapper();
        Map map = objectMapper.readValue(json, Map.class);
        return map;
    }
    public static void main(String[] args) throws Exception {
        Options opts = new OptionsBuilder()
                .include(ObjectMapperTest.class.getSimpleName())
                .resultFormat(ResultFormatType.CSV)
                .build();
        new Runner(opts).run();
    }
}

測試結果如下。

Benchmark Mode Cnt Score Error Units
ObjectMapperTest.globalTest thrpt 5 25125094.559 ± 1754308.010 ops/s
ObjectMapperTest.globalTestThreadLocal thrpt 5 31780573.549 ± 7779240.155 ops/s
ObjectMapperTest.localTest thrpt 5 2131394.345 ± 216974.682 ops/s

從測試結果可以看出，如果我們每次調用都new一個ObjectMapper，每秒可以執(zhí)行200萬次JSON解析；如果全局使用一個ObjectMapper，則每秒可以執(zhí)行2000多萬次，速度足足快了10倍。

如果使用ThreadLocal的方式，每個線程給它分配一個解析器，則性能會有少許上升，但也沒有達到非?？鋸埖牡夭?。

所以在項目中寫代碼的時候，我們只需要保證有一個全局的ObjectMapper就可以了。

當然，由于ObjectMapper有很多的特性需要配置，你可能會為不同的應用場景分配一個單獨使用的ObjectMapper。總之，它的數(shù)量不需要太多，因為它是線程安全的。