直接用 System.nanoTime() 测并发性能会失真，因受JIT未优化、GC停顿、线程调度抖动等干扰，无法反映稳定吞吐与多线程扩展性瓶颈，必须通过预热、分离测量轮次、控制JVM参数及合理配置@State和@Threads来保障准确性。
为什么直接用 System.nanoTime() 测并发性能会失真
因为 JVM 的即时编译（JIT）、代码预热、GC 干扰、线程调度抖动，会让单次或简单循环测量完全不可靠。比如你看到某个 ConcurrentHashMap.put() 耗时 50ns，实际可能是 JIT 还没优化完，或者被 GC STW 拦腰截断。
真实并发场景下，你要测的是「稳定吞吐下的平均延迟」和「多线程竞争时的扩展性瓶颈」，不是单线程冷启动那一瞬间。
- 必须做预热（warmup）：让 JIT 编译完成、类加载完毕、分支预测稳定
- 必须分离测量轮次（measurement iterations）与预热轮次，不能混在一起统计
- 必须控制线程数变量：用
@Fork(jvmArgsAppend = {"-Xmx2g"})避免 GC 扰动，而不是默认 JVM 参数 - 避免在测试方法里写
Thread.sleep()或System.out.println()—— 它们会污染同步语义和时间戳精度
@State 和 @Threads 怎么配才不踩共享状态坑
很多人把共享对象（比如一个 ConcurrentLinkedQueue）声明在 @State(Scope.Benchmark) 类里，却忘了每个 fork 进程里只会有一个实例 —— 这没问题；但一旦开了多个线程（@Threads(4)），它们就真正在争抢这个实例。问题在于：你得确认这正是你想测的场景。
比如测锁竞争，就要用 Scope.Benchmark；但如果你本意是测单线程吞吐，却误加了 @Threads(4)，结果其实是 4 个线程在抢同一把锁，数据全乱。
立即学习“Java免费学习笔记（深入）”；
-
@State(Scope.Benchmark)：所有线程共享同一个实例（适合测并发容器/锁） -
@State(Scope.Thread)：每个线程独享一份（适合测无共享逻辑，如纯计算） -
@Threads(8)不等于“开 8 个线程跑 8 次”，而是 8 个线程持续并发执行，吞吐量单位是 ops/s，不是单次耗时 - 别在
@Setup里初始化可变静态字段——fork 进程之间不共享静态域，会导致状态错乱
吞吐量（Mode.Throughput）结果怎么看才不误解
JMH 默认输出的 ops/s 是「每秒完成的操作次数」，但它背后是按 measurement iteration 的总耗时反推出来的。比如 10 秒内 4 个线程共完成 400 万次 offer()，结果就是 400_0000 / 10 = 400000 ops/s —— 注意这是**整体吞吐**，不是单线程吞吐。
容易误读的是：看到 @Threads(8) 下吞吐只比 @Threads(4) 高 1.2 倍，就以为“扩展性差”。其实要看是否达到硬件瓶颈（比如 CPU 已 100%，或缓存行伪共享开始起效）。
- 对比不同线程数时，固定 fork 数（
@Fork(1)）和预热轮次（@Warmup(iterations = 5)），否则 warmup 不充分会导致低线程数结果虚高 - 用
ResultFormat.RAW导出 JSON，再用jmh-result-analyzer看吞吐随线程数变化的曲线，比看单点数值有用得多 - 注意单位：JMH 输出的
±是置信区间（99.9%），不是标准差；如果误差 >15%，说明测量不稳定，要检查 GC 或系统负载
配置 @Fork 和 JVM 参数时最常漏掉的三件事
很多人只写 @Fork(3)，以为就是跑三次取平均，却忽略了每次 fork 是独立 JVM 进程 —— 这本来是 JMH 抗干扰的核心设计，但若不显式约束内存和 GC，三次结果可能分别被 G1、ZGC、甚至 CMS 干扰。
更隐蔽的问题是：没禁用 TieredStopAtLevel，导致 JIT 编译层级不一致；或没关 -XX:+UseStringDeduplication，让字符串操作基准飘忽不定。
- 强制指定编译层级：
-XX:TieredStopAtLevel=1（C1 only）或=4（C2 full），避免预热期和测量期编译策略切换 - 禁用非确定性优化：
-XX:-UseBiasedLocking -XX:-UseCounterDecay，尤其测锁性能时 - 堆大小必须显式设（如
-Xmx4g -Xms4g），否则默认堆可能触发 GC，且不同 fork 进程堆行为不一致
复杂点不在写法，而在于你得清楚自己到底在测 JVM 行为、算法逻辑，还是硬件调度。测错一层，结论就偏一整个栈。
