同樣，在Clojure里你可以做這些事情，你仍然可以使用System.currentTimeMillis()來測量運(yùn)行時(shí)間，例如：

 

 

user=> (defn sum1 [& args] (reduce + 0 args))

#'user/sum1

 

user=> (defn sum2 [& args]

             (loop [rt 0

                    args args]

                 (if args

                   (recur (+ rt (first args)) (next args))

                   rt)))

#'user/sum2

 

user=> (defn bench [sum n]

         (let [start (System/currentTimeMillis)

               nums (range 0 (+ n 1))]

           (dotimes [_ n] (apply sum nums))

           (println (- (System/currentTimeMillis) start))))

 

user=> (bench sum1 10000)

1818

nil

user=> (bench sum2 10000)

4220

nil

   

    定義兩個(gè)求和函數(shù)sum1和sum2，一個(gè)是利用reduce，一個(gè)是自己寫loop，然后寫了個(gè)bench函數(shù)循環(huán)一定次數(shù)執(zhí)行sum函數(shù)并給出執(zhí)行時(shí)間，利用System.currentTimeMillis()方法。顯然sum1比sum2快了一倍多。為什么更快？這不是我們的話題，有興趣可以自己看reduce函數(shù)的實(shí)現(xiàn)。

 

    除了用System.currentTimeMillis()這樣的java方式測量運(yùn)行時(shí)間外，clojure還提供了time宏來包裝這一切：

 

user=> (doc time)

-------------------------

clojure.core/time

([expr])

Macro

  Evaluates expr and prints the time it took.  Returns the value of

 expr.

nil

 

    time宏用的不是currentTimeMillis方法，而是JDK5引入的nanoTime方法更精確。重寫bench函數(shù)：

 

user=> (defn bench [sum n]

             (time (dotimes [_ n] (apply sum (range 0 (+ n 1))))))

#'user/bench

 

user=> (bench sum1 10000)

"Elapsed time: 5425.074 msecs"

nil

user=> (bench sum2 10000)

"Elapsed time: 7893.412 msecs"

nil

     盡管精度不一致，仍然可以看出來sum1比sum2快。

    

     這樣的測試仍然是比較粗糙的，真正的性能測試需要考慮到JVM JIT、warm up以及gc帶來的影響，例如我們可能需要預(yù)先執(zhí)行函數(shù)多少次來讓JVM“預(yù)熱”這些代碼。慶幸的是clojure世界里有一個(gè)開源庫Criterium幫你自動(dòng)搞定這一切，它的項(xiàng)目主頁也在github上：https://github.com/hugoduncan/criterium 

 

     首先在你的項(xiàng)目里添加criterium依賴：

 

:dependencies [[org.clojure/clojure "1.3.0"]

                        [criterium "0.2.0"]])

   

     接下來引用criterium.core這個(gè)ns，因?yàn)閏riterium主要宏也叫bench，因此我們原來的bench函數(shù)不能用了，換個(gè)名字叫bench-sum:

 

user=> (use 'criterium.core)

nil

user=> (defn bench-sum [sum n]

              (with-progress-reporting (bench (apply sum (range 0 (+ 1 n))) :verbose)))

#'user/bench-sum

 

     調(diào)用criterium的bench宏執(zhí)行測試，使用with-progress-reporting宏包裝測試代碼并匯報(bào)測試進(jìn)展，測試進(jìn)展會打印在標(biāo)準(zhǔn)輸出上。請注意，我這里并沒有利用dotimes做循環(huán)測試，因?yàn)閏riterium會自己計(jì)算應(yīng)該運(yùn)行的循環(huán)次數(shù)，我們并不需要明確指定，測試下結(jié)果：

 

user=> (bench-sum sum1 10000)

Cleaning JVM allocations 

Warming up for JIT optimisations 

Estimating execution count 

Running with sample-count 60 exec-count 1417 

Checking GC

Cleaning JVM allocations 

Finding outliers 

Bootstrapping 

Checking outlier significance

x86_64 Mac OS X 10.7.3 4 cpu(s)

Java HotSpot(TM) 64-Bit Server VM 20.4-b02-402

Runtime arguments: -Dclojure.compile.path=/Users/apple/programming/avos/logdashboard/test/classes -Dtest.version=1.0.0-SNAPSHOT -Dclojure.debug=false

Evaluation count             : 85020

             Execution time mean : 722.730169 us  95.0% CI: (722.552670 us, 722.957586 us)

    Execution time std-deviation : 1.042966 ms  95.0% CI: (1.034972 ms, 1.054015 ms)

         Execution time lower ci : 692.122089 us  95.0% CI: (692.122089 us, 692.260198 us)

         Execution time upper ci : 768.239944 us  95.0% CI: (768.239944 us, 768.305222 us)

 

Found 2 outliers in 60 samples (3.3333 %)

    low-severe     2 (3.3333 %)

 Variance from outliers : 25.4066 % Variance is moderately inflated by outliers

nil

 

 

user=> (bench-sum sum2 10000)

Cleaning JVM allocations 

Warming up for JIT optimisations 

Estimating execution count 

Running with sample-count 60 exec-count 917 

Checking GC

Cleaning JVM allocations 

Finding outliers 

Bootstrapping 

Checking outlier significance

x86_64 Mac OS X 10.7.3 4 cpu(s)

Java HotSpot(TM) 64-Bit Server VM 20.4-b02-402

Runtime arguments: -Dclojure.compile.path=/Users/apple/programming/avos/logdashboard/test/classes -Dtest.version=1.0.0-SNAPSHOT -Dclojure.debug=false

Evaluation count             : 55020

             Execution time mean : 1.070884 ms  95.0% CI: (1.070587 ms, 1.071136 ms)

    Execution time std-deviation : 1.057659 ms  95.0% CI: (1.050688 ms, 1.062877 ms)

         Execution time lower ci : 1.024195 ms  95.0% CI: (1.024164 ms, 1.024195 ms)

         Execution time upper ci : 1.145664 ms  95.0% CI: (1.145664 ms, 1.145741 ms)

 

Found 1 outliers in 60 samples (1.6667 %)

    low-severe     1 (1.6667 %)

 Variance from outliers : 19.0208 % Variance is moderately inflated by outliers

nil

 

 

    這個(gè)報(bào)告是不是相當(dāng)專業(yè)？不是搞統(tǒng)計(jì)還不一定讀的懂。大概解讀下，sample-count是取樣次數(shù)，默認(rèn)是60次，exec-count是測試的執(zhí)行次數(shù)（不包括前期warm up和JIT在內(nèi)），CI是可信區(qū)間，這里取95％，Execution time mean是平均執(zhí)行時(shí)間，而lower和upper是測試過程中執(zhí)行時(shí)間的最小和最大值。而outliers是這一組測試中的異常值，比如執(zhí)行sum1測試發(fā)現(xiàn)了2組異常結(jié)果。從結(jié)果來看,sum1的平均執(zhí)行時(shí)間是722微秒，而sum2的平均執(zhí)行時(shí)間是1.07毫秒，因此還是sum1更快一些。

 

    總結(jié)下，如果只是在開發(fā)過程中做一些小塊代碼的簡單測試，可以直接利用內(nèi)置的time宏，如果你希望做一次比較標(biāo)準(zhǔn)的性能測試，那么就應(yīng)該利用criterium這個(gè)優(yōu)秀的開源庫。