検索
ホームページJava&#&チュートリアルAWS SnapStart - パート さまざまなガベージ コレクション アルゴリズムを使用した Java によるコールド スタートとウォーム スタートの測定

AWS SnapStart - Part Measuring cold and warm starts with Java using different garbage collection algorithms

pengenalan

Dalam bahagian sebelumnya dalam siri kami, kami mengukur permulaan sejuk fungsi Lambda dengan masa jalan Java 21 tanpa SnapStart didayakan, dengan SnapStart didayakan dan juga menggunakan pengoptimuman penyebuan invokasi DynamoDB dengan tetapan memori Lambda yang berbeza, saiz artifak penggunaan Lambda, Java pilihan kompilasi, (a) klien HTTP segerak dan penggunaan lapisan Lambda yang berbeza. Untuk semua ukuran ini kami menggunakan algoritma kutipan sampah lalai G1.

Dalam artikel ini kami ingin meneroka kesan algoritma pengumpulan sampah Java pada prestasi fungsi Lambda dengan masa jalan Java 21. Kami juga akan mengukur semula segala-galanya untuk G1 mempunyai hasil yang setanding dengan versi Java 21 kecil yang sama yang digunakan untuk semua algoritma pengumpulan sampah.

Algoritma pengumpulan Sampah Java

Untuk pengukuran kami, kami akan menggunakan algoritma pengumpulan Java berikut dengan tetapan lalainya (sila rujuk dokumentasi yang dipautkan untuk mendapatkan maklumat lebih terperinci tentang setiap algoritma):

  • Sampah-Didahulukan (G1) Pengumpul Sampah. Ini ialah algoritma kutipan sampah yang digunakan secara lalai. Anda boleh menetapkannya secara eksplisit dalam templat AWS SAM dengan menambahkan -XX:+UseG1GC pada pembolehubah persekitaran JAVA_TOOL_OPTIONS.
  • Pengumpul Selari. Anda boleh menetapkannya secara eksplisit dalam templat AWS SAM dengan menambahkan -XX:+UseParallelGC pada pembolehubah persekitaran JAVA_TOOL_OPTIONS.
  • Shenandoah GC. Oracle JDK tidak menyediakannya, tetapi Amazon Corretto 21 JDK menyediakannya. Anda boleh menetapkannya secara eksplisit dalam templat AWS SAM dengan menambahkan -XX:+UseShenandoahGC pada pembolehubah persekitaran JAVA_TOOL_OPTIONS.
  • Pengumpul Sampah Z. Terdapat 2 algoritma ZGC yang berbeza: lalai dan yang lebih baharu satu generasi. Anda boleh menetapkannya secara eksplisit dalam templat AWS SAM dengan menambahkan -XX:+UseZGC atau -XX:+UseZGC -XX:+ZGenerational pada pembolehubah persekitaran JAVA_TOOL_OPTIONS.

Mengukur sejuk dan hangat bermula dengan Java 21 menggunakan algoritma pengumpulan sampah yang berbeza

Dalam percubaan kami, kami akan menggunakan aplikasi yang diubah suai sedikit yang diperkenalkan pada bahagian 9. Anda boleh mencari kod aplikasi di sini. Pada asasnya terdapat 2 fungsi Lambda yang kedua-duanya bertindak balas kepada permintaan Gateway API dan mendapatkan semula produk mengikut id yang diterima daripada Gateway API daripada DynamoDB. Satu fungsi Lambda GetProductByIdWithPureJava21LambdaWithGCAlg boleh digunakan dengan dan tanpa SnapStart dan yang kedua GetProductByIdWithPureJava21LambdaAndPrimingWithGCAlg menggunakan penyebuan permintaan SnapStart dan DynamoDB.

Keputusan percubaan di bawah adalah berdasarkan pembiakan lebih daripada 100 sejuk dan kira-kira 100,000 panas bermula dengan eksperimen yang berlangsung selama kira-kira 1 jam. Untuk itu (dan percubaan dari artikel saya sebelum ini) saya menggunakan alat ujian beban hey, tetapi anda boleh menggunakan apa sahaja alat yang anda mahu, seperti Serverless-artillery atau Postman. Kami menjalankan percubaan dengan memberikan fungsi Lambda 1024 MB memori dan menggunakan JAVA_TOOL_OPTIONS: "-XX:+TieredCompilation -XX:TieredStopAtLevel=1" (Kompilasi klien Java tanpa pemprofilan) yang mempunyai pertukaran yang sangat baik antara masa mula sejuk dan hangat.

Malangnya saya tidak dapat membuat fungsi Lambda bermula dengan The Z Garbage Collector (dengan kedua-dua lalai dan generasi) mengalami ralat :

Failed to commit memory (Operation not permitted)
[error][gc] Forced to lower max Java heap size from 872M(100%) to 0M(0%)
[error][gc] Failed to allocate initial Java heap (512M)
Error: Could not create the Java Virtual Machine.
Error: A fatal exception has occurred. Program will exit.

Ia mencuba tetapan memori yang lebih besar sebagai 1024 seperti 2048 MB dan lebih banyak MB, tetapi ralat yang sama masih muncul.

Mari kita lihat hasil pengukuran kami dengan 3 algoritma kutipan sampah yang lain.

Singkatan c ialah untuk permulaan sejuk dan w adalah untuk permulaan hangat.

Masa mula sejuk (c) dan hangat (w) tanpa SnapStart didayakan dalam ms:

GC Algorithm c p50 c p75 c p90 c p99 c p99.9 c max w p50 w p75 w p90 w p99 w p99.9 w max
G1 3655.17 3725.25 3811.88 4019.25 4027.30 4027.83 5.46 6.10 7.10 16.79 48.06 1929.79
Parallel Collector 3714.10 3789.09 3857.87 3959.44 4075.89 4078.25 5.55 6.20 7.10 15.38 130.13 2017.92
Shenandoah 3963.40 4019.25 4096.30 4221.00 4388.78 4390.76 5.82 6.45 7.39 17.06 71.02 2159.21

プライミングなしでスナップスタートを有効にした場合のコールド (c) およびウォーム (w) スタート時間 (ミリ秒):

GC Algorithm c p50 c p75 c p90 c p99 c p99.9 c max w p50 w p75 w p90 w p99 w p99.9 w max
G1 1867.27 1935.68 2152.02 2416.57 2426.25 2427.35 5.47 6.11 7.05 17.41 51.24 1522.04
Parallel Collector 1990.62 2047.12 2202.07 2402.12 2418.99 2419.32 5.68 6.35 7.45 18.04 147.83 1577.21
Shenandoah 2195.47 2301.07 2563.37 3004.89 3029.01 3030.36 5.73 6.41 7.51 17.97 75.00 1843.34

SnapStart が有効で、DynamoDB 呼び出しプライミングを使用した場合のコールド (c) およびウォーム (w) スタート時間 (ミリ秒):

GC Algorithm c p50 c p75 c p90 c p99 c p99.9 c max w p50 w p75 w p90 w p99 w p99.9 w max
G1 833.50 875.34 1089.53 1205.26 1269.56 1269.8 5.46 6.10 7.16 16.39 46.19 499.13
Parallel Collector 900.18 975.12 1058.41 1141.94 1253.17 1253.99 5.82 6.61 7.75 16.87 49.64 487.73
Shenandoah 1065.84 1131.71 1331.96 1473.44 1553.59 1554.95 5.77 6.40 7.39 17.20 65.06 500.48

結論

この記事では、Java 21 ランタイムでの Lambda 関数のパフォーマンスに対する Java ガベージ コレクション アルゴリズム (G1、Parallel Collector、および Shenandoah) の影響を調査しました。これらのアルゴリズムのパフォーマンスにはかなりの違いがあることがわかりました。 G1 (デフォルト) でデフォルト設定を使用すると、(場合によっては断然) コールド スタート時間とウォーム スタート時間が最も短くなります。 DynamoDB リクエストのプライミングで SnapStart を使用すると、パフォーマンス結果は予想通り相互にかなり近くなります。

各ガベージ コレクション アルゴリズムのドキュメントを参照して、パフォーマンスを大幅に向上させるミックスや最大メモリなどの設定を調整し、独自の測定を行ってください。

以上がAWS SnapStart - パート さまざまなガベージ コレクション アルゴリズムを使用した Java によるコールド スタートとウォーム スタートの測定の詳細内容です。詳細については、PHP 中国語 Web サイトの他の関連記事を参照してください。

声明
この記事の内容はネチズンが自主的に寄稿したものであり、著作権は原著者に帰属します。このサイトは、それに相当する法的責任を負いません。盗作または侵害の疑いのあるコンテンツを見つけた場合は、admin@php.cn までご連絡ください。
2025年のトップ4 JavaScriptフレームワーク:React、Angular、Vue、Svelte2025年のトップ4 JavaScriptフレームワーク:React、Angular、Vue、SvelteMar 07, 2025 pm 06:09 PM

この記事では、2025年の上位4つのJavaScriptフレームワーク(React、Angular、Vue、Svelte)を分析し、パフォーマンス、スケーラビリティ、将来の見通しを比較します。 強力なコミュニティと生態系のためにすべてが支配的なままですが、彼らの相対的なポップ

カフェインやグアバキャッシュなどのライブラリを使用して、Javaアプリケーションにマルチレベルキャッシュを実装するにはどうすればよいですか?カフェインやグアバキャッシュなどのライブラリを使用して、Javaアプリケーションにマルチレベルキャッシュを実装するにはどうすればよいですか?Mar 17, 2025 pm 05:44 PM

この記事では、カフェインとグアバキャッシュを使用してJavaでマルチレベルキャッシュを実装してアプリケーションのパフォーマンスを向上させています。セットアップ、統合、パフォーマンスの利点をカバーし、構成と立ち退きポリシー管理Best Pra

node.js 20:キーパフォーマンスが向上し、新機能node.js 20:キーパフォーマンスが向上し、新機能Mar 07, 2025 pm 06:12 PM

node.js 20は、V8エンジンの改善、特により速いガベージコレクションとI/Oを介してパフォーマンスを大幅に向上させます。 新機能には、より良いWebセンブリのサポートと洗練されたデバッグツール、開発者の生産性とアプリケーション速度の向上が含まれます。

Javaのクラスロードメカニズムは、さまざまなクラスローダーやその委任モデルを含むどのように機能しますか?Javaのクラスロードメカニズムは、さまざまなクラスローダーやその委任モデルを含むどのように機能しますか?Mar 17, 2025 pm 05:35 PM

Javaのクラスロードには、ブートストラップ、拡張機能、およびアプリケーションクラスローダーを備えた階層システムを使用して、クラスの読み込み、リンク、および初期化が含まれます。親の委任モデルは、コアクラスが最初にロードされ、カスタムクラスのLOAに影響を与えることを保証します

Iceberg:データレイクテーブルの未来Iceberg:データレイクテーブルの未来Mar 07, 2025 pm 06:31 PM

大規模な分析データセットのオープンテーブル形式であるIcebergは、データの湖のパフォーマンスとスケーラビリティを向上させます。 内部メタデータ管理を通じて、寄木細工/ORCの制限に対処し、効率的なスキーマの進化、タイムトラベル、同時wを可能にします

Spring Boot Snakeyaml 2.0 CVE-2022-1471問題修正Spring Boot Snakeyaml 2.0 CVE-2022-1471問題修正Mar 07, 2025 pm 05:52 PM

この記事では、リモートコードの実行を可能にする重大な欠陥であるSnakeyamlのCVE-2022-1471の脆弱性について説明します。 Snakeyaml 1.33以降のSpring Bootアプリケーションをアップグレードする方法は、このリスクを軽減する方法を詳述し、その依存関係のアップデートを強調しています

キャッシュや怠zyなロードなどの高度な機能を備えたオブジェクトリレーショナルマッピングにJPA(Java Persistence API)を使用するにはどうすればよいですか?キャッシュや怠zyなロードなどの高度な機能を備えたオブジェクトリレーショナルマッピングにJPA(Java Persistence API)を使用するにはどうすればよいですか?Mar 17, 2025 pm 05:43 PM

この記事では、キャッシュや怠zyなロードなどの高度な機能を備えたオブジェクトリレーショナルマッピングにJPAを使用することについて説明します。潜在的な落とし穴を強調しながら、パフォーマンスを最適化するためのセットアップ、エンティティマッピング、およびベストプラクティスをカバーしています。[159文字]

Javaで機能的なプログラミング技術を実装するにはどうすればよいですか?Javaで機能的なプログラミング技術を実装するにはどうすればよいですか?Mar 11, 2025 pm 05:51 PM

この記事では、Lambda式、Streams API、メソッド参照、およびオプションを使用して、機能プログラミングをJavaに統合することを調べます。 それは、簡潔さと不変性を通じてコードの読みやすさと保守性の改善などの利点を強調しています

See all articles

ホットAIツール

Undresser.AI Undress

Undresser.AI Undress

リアルなヌード写真を作成する AI 搭載アプリ

AI Clothes Remover

AI Clothes Remover

写真から衣服を削除するオンライン AI ツール。

Undress AI Tool

Undress AI Tool

脱衣画像を無料で

Clothoff.io

Clothoff.io

AI衣類リムーバー

AI Hentai Generator

AI Hentai Generator

AIヘンタイを無料で生成します。

ホットツール

DVWA

DVWA

Damn Vulnerable Web App (DVWA) は、非常に脆弱な PHP/MySQL Web アプリケーションです。その主な目的は、セキュリティ専門家が法的環境でスキルとツールをテストするのに役立ち、Web 開発者が Web アプリケーションを保護するプロセスをより深く理解できるようにし、教師/生徒が教室環境で Web アプリケーションを教え/学習できるようにすることです。安全。 DVWA の目標は、シンプルでわかりやすいインターフェイスを通じて、さまざまな難易度で最も一般的な Web 脆弱性のいくつかを実践することです。このソフトウェアは、

AtomエディタMac版ダウンロード

AtomエディタMac版ダウンロード

最も人気のあるオープンソースエディター

Dreamweaver Mac版

Dreamweaver Mac版

ビジュアル Web 開発ツール

PhpStorm Mac バージョン

PhpStorm Mac バージョン

最新(2018.2.1)のプロフェッショナル向けPHP統合開発ツール

SecLists

SecLists

SecLists は、セキュリティ テスターの究極の相棒です。これは、セキュリティ評価中に頻繁に使用されるさまざまな種類のリストを 1 か所にまとめたものです。 SecLists は、セキュリティ テスターが必要とする可能性のあるすべてのリストを便利に提供することで、セキュリティ テストをより効率的かつ生産的にするのに役立ちます。リストの種類には、ユーザー名、パスワード、URL、ファジング ペイロード、機密データ パターン、Web シェルなどが含まれます。テスターはこのリポジトリを新しいテスト マシンにプルするだけで、必要なあらゆる種類のリストにアクセスできるようになります。