StopWatch 是 Spring 框架提供的一个轻量级计时工具类
StopWatch是 Spring 框架提供的一个轻量级计时工具类位于org.springframework.util包下。它提供了一种比直接使用System.currentTimeMillis()更优雅、更强大的代码执行时间测量方式。它尤其适合在开发、调试和性能分析等场景下使用。 为什么选择 StopWatch使用StopWatch而非System.currentTimeMillis()的好处是显著的更易用、更清晰通过start()和stop()方法代码逻辑一目了然无需手动进行繁琐的时间戳相减。支持多任务计时可以顺序记录多个不同任务的耗时。可读性强的报告能直接生成包含每个任务耗时及占比的格式化报告如prettyPrint()方便定位性能瓶颈。高精度底层基于System.nanoTime()实现提供纳秒级精度。 核心方法速览StopWatch的使用遵循“创建 - 开始 - 停止 - 获取结果”的简单模式。方法描述new StopWatch()创建一个新的计时器实例。new StopWatch(String id)创建一个带有指定ID的计时器实例。start(String taskName)开始一个命名任务的计时。stop()停止当前正在计时的任务。getTotalTimeMillis()获取所有任务的总耗时毫秒。getTotalTimeSeconds()获取所有任务的总耗时秒。getLastTaskTimeMillis()获取最后一个任务的耗时毫秒。getTaskCount()获取已停止的任务数量。getTaskInfo()获取所有任务的详细信息数组。prettyPrint()生成一个格式美观、包含所有任务耗时和百分比的报告字符串。shortSummary()生成一个包含总耗时的简短报告字符串。 基础用法示例这是一个典型的多任务计时例子javaimport org.springframework.util.StopWatch; public class StopWatchExample { public static void main(String[] args) throws InterruptedException { // 1. 创建一个StopWatch实例并指定一个ID StopWatch stopWatch new StopWatch(API性能测试); // 2. 开始第一个任务 stopWatch.start(查询用户信息); Thread.sleep(300); // 模拟业务耗时 stopWatch.stop(); // 停止当前任务 // 3. 开始第二个任务 stopWatch.start(更新用户缓存); Thread.sleep(500); // 模拟业务耗时 stopWatch.stop(); // 停止当前任务 // 4. 开始第三个任务 stopWatch.start(发送通知消息); Thread.sleep(200); // 模拟业务耗时 stopWatch.stop(); // 停止当前任务 // 5. 打印格式化的性能报告 System.out.println(stopWatch.prettyPrint()); } }输出结果示例textStopWatch API性能测试: running time 1003202900 ns --------------------------------------------- ns % Task name --------------------------------------------- 0300300200 030% 查询用户信息 0500300100 050% 更新用户缓存 0200300200 020% 发送通知消息通过这份报告可以直观地看到哪个任务耗时最长、占比最高从而精确锁定性能瓶颈。⚠️ 最佳实践与注意事项成对调用务必确保start()和stop()方法成对出现否则可能导致计时不准确或抛出异常。非线程安全StopWatch不是线程安全的。不要在多线程环境下共享同一个实例每个线程应使用各自的实例。适用场景它主要定位为开发和测试阶段的轻量级工具。在生产环境进行全链路监控建议使用专业的APM应用性能管理工具如 SkyWalking、Pinpoint。单任务限制一个StopWatch实例在同一时间只能运行一个任务必须在当前任务stop()后才能start()新任务。代码侵入性使用StopWatch需要在代码中硬编码计时逻辑。为避免污染业务代码通常会将其与AOP面向切面编程结合使用。 进阶用法结合 AOP 实现无侵入式监控将StopWatch与 Spring AOP 结合可以实现对特定方法如所有 Controller 接口的无侵入式性能监控。javaimport org.aspectj.lang.ProceedingJoinPoint; import org.aspectj.lang.annotation.Around; import org.aspectj.lang.annotation.Aspect; import org.springframework.stereotype.Component; import org.springframework.util.StopWatch; Aspect Component public class PerformanceAspect { Around(execution(* com.example.controller..*.*(..))) public Object measureTime(ProceedingJoinPoint joinPoint) throws Throwable { StopWatch stopWatch new StopWatch(); // 使用类名和方法名作为任务名称 String taskName joinPoint.getSignature().toShortString(); stopWatch.start(taskName); Object result; try { result joinPoint.proceed(); // 执行目标方法 } finally { stopWatch.stop(); // 将耗时信息打印到日志 System.out.println(stopWatch.prettyPrint()); } return result; } }这样每当 Controller 的方法被调用时AOP 就会自动记录其执行时间而无需修改任何业务代码。 总结StopWatch是 Spring 框架中一个非常实用的工具类。它通过简洁的 API 和强大的报告功能极大地简化了代码执行时间的测量工作。无论是快速定位性能瓶颈、对比不同实现的效率还是在开发阶段对接口性能进行初步摸底StopWatch都是一个值得推荐的选择。

相关新闻

深入理解tsc-watch的事件系统:从started到compile_errors

深入理解tsc-watch的事件系统:从started到compile_errors

深入理解tsc-watch的事件系统:从started到compile_errors 【免费下载链接】tsc-watch The TypeScript compiler with --watch and a new onSuccess argument 项目地址: https://gitcode.com/gh_mirrors/ts/tsc-watch tsc-watch是TypeScript编译器的增强工具&…

2026/7/26 12:10:38 阅读更多 →
Qwen3-30B大模型在NPU上的高效部署与优化实践

Qwen3-30B大模型在NPU上的高效部署与优化实践

1. 项目概述 在国产AI芯片生态快速发展的当下,Qwen3-30B-A3B-DAPO作为通义千问系列的最新大模型,其与NPU(神经网络处理器)的适配实践正成为行业热点。本文将基于VeRL(Verification-oriented Reinforcement Learning&am…

2026/7/26 12:09:38 阅读更多 →
咖啡消费数据如何驱动AI推荐系统优化

咖啡消费数据如何驱动AI推荐系统优化

1. 当咖啡消费数据成为AI训练样本 早上8点15分,你像往常一样打开星巴克APP下单大杯冰美式加双份浓缩,这个动作可能比你想象的更有价值。全球每天产生数百万条类似的咖啡订单数据,正在成为机器学习系统最优质的训练素材。从点单时间、糖浆选择…

2026/7/26 12:09:38 阅读更多 →

最新新闻

Loop窗口管理:用视觉化操作解放你的macOS生产力

Loop窗口管理:用视觉化操作解放你的macOS生产力

Loop窗口管理:用视觉化操作解放你的macOS生产力 【免费下载链接】Loop Window management made elegant. 项目地址: https://gitcode.com/GitHub_Trending/lo/Loop 每天面对十几个杂乱的窗口,你是否感到效率被拖累?macOS的窗口管理一直…

2026/7/26 12:19:41 阅读更多 →
终极免费透明任务栏指南:让你的Windows桌面焕然一新

终极免费透明任务栏指南:让你的Windows桌面焕然一新

终极免费透明任务栏指南:让你的Windows桌面焕然一新 【免费下载链接】TranslucentTB A lightweight utility that makes the Windows taskbar translucent/transparent. 项目地址: https://gitcode.com/gh_mirrors/tr/TranslucentTB 想要彻底改变Windows任务…

2026/7/26 12:19:41 阅读更多 →
邮件自动归档、优先级打标、敏感信息脱敏——一套开源可商用的AI分拣Pipeline(含Docker镜像+合规审计日志)

邮件自动归档、优先级打标、敏感信息脱敏——一套开源可商用的AI分拣Pipeline(含Docker镜像+合规审计日志)

更多请点击: https://kaifayun.com 第一章:邮件自动归档、优先级打标、敏感信息脱敏——一套开源可商用的AI分拣Pipeline(含Docker镜像合规审计日志) 这套端到端邮件智能分拣系统基于轻量级LLM微调模型与规则引擎协同架构&#x…

2026/7/26 12:19:41 阅读更多 →
【稀缺首发】ChatGPT-4.5时代必备:3类高阶辩论提示词模板(含立场锚定/逻辑拆解/反诘触发),仅限首批200位技术决策者获取

【稀缺首发】ChatGPT-4.5时代必备:3类高阶辩论提示词模板(含立场锚定/逻辑拆解/反诘触发),仅限首批200位技术决策者获取

更多请点击: https://intelliparadigm.com 第一章:提示词辩论对话模板 在大语言模型的实际应用中,提示词(Prompt)并非单向指令,而是一种可结构化、可迭代、可对抗性验证的交互媒介。提示词辩论对话模板旨在…

2026/7/26 12:19:41 阅读更多 →
嵌入式GPIO配置实战:从I/O寄存器原理到TI CC26xx应用详解

嵌入式GPIO配置实战:从I/O寄存器原理到TI CC26xx应用详解

1. 从芯片手册到实战:I/O控制寄存器的核心价值在嵌入式开发这个行当里,无论你是刚入行的新手,还是摸爬滚打多年的老手,都绕不开一个最基础、也最关键的环节:GPIO配置。很多人觉得,不就是设置一下输入输出、…

2026/7/26 12:19:41 阅读更多 →
Unity字体引用批量修复:自动化解决版本升级后Text组件字体丢失问题

Unity字体引用批量修复:自动化解决版本升级后Text组件字体丢失问题

1. 项目概述:一个让Unity开发者头疼的“小”问题如果你是一个Unity开发者,尤其是经历过项目版本升级的,那么对“Unity2022升级后Text组件字体丢失”这个场景一定不会陌生。这几乎可以算作一个经典的“版本升级后遗症”。表面上看,…

2026/7/26 12:18:41 阅读更多 →

日新闻

深度学习道路桥梁裂缝检测系统 道路桥梁裂缝检测数据集 道路桥梁病害识别检测数据集

深度学习道路桥梁裂缝检测系统 道路桥梁裂缝检测数据集 道路桥梁病害识别检测数据集

深度学习道路桥梁裂缝检测系统 数据集6000张 完整源码已标注数据集训练好的模型环境配置教程程序运行说明文档,可以直接使用!系统支持图片、视频、摄像头等多种方式检测裂缝,功能强大实用。 1数据集6000张 8各类别

2026/7/26 0:00:31 阅读更多 →
深度学习YOLO模型如何训练 PUBG 绝地求生目标检测数据集

深度学习YOLO模型如何训练 PUBG 绝地求生目标检测数据集

pubg数据集 精选原图1.42万数据 1.49万标签 无任何重复、算法增强或冗余图像! pubg绝地求生目标检测数据集 1分类:e_body,14905个标签,txt格式 共计14244张图,99%为640*640尺寸图像 适合yolo目标检测、AI训练关键词&am…

2026/7/26 0:00:31 阅读更多 →
Apex英雄目标检测数据集 深度学习框架YOLO如何训练APEX数据集

Apex英雄目标检测数据集 深度学习框架YOLO如何训练APEX数据集

Apex检测数据集数据集详情检测类别: allies enemy tag图片总量:7247张训练集:5139张验证集:1425张测试集:683张标注状态:全部已标注,即拿即用数据格式:支持YOLO格式及其他格式&#…

2026/7/26 0:00:31 阅读更多 →

周新闻

深度学习道路桥梁裂缝检测系统 道路桥梁裂缝检测数据集 道路桥梁病害识别检测数据集

深度学习道路桥梁裂缝检测系统 道路桥梁裂缝检测数据集 道路桥梁病害识别检测数据集

深度学习道路桥梁裂缝检测系统 数据集6000张 完整源码已标注数据集训练好的模型环境配置教程程序运行说明文档,可以直接使用!系统支持图片、视频、摄像头等多种方式检测裂缝,功能强大实用。 1数据集6000张 8各类别

2026/7/26 0:00:31 阅读更多 →
深度学习YOLO模型如何训练 PUBG 绝地求生目标检测数据集

深度学习YOLO模型如何训练 PUBG 绝地求生目标检测数据集

pubg数据集 精选原图1.42万数据 1.49万标签 无任何重复、算法增强或冗余图像! pubg绝地求生目标检测数据集 1分类:e_body,14905个标签,txt格式 共计14244张图,99%为640*640尺寸图像 适合yolo目标检测、AI训练关键词&am…

2026/7/26 0:00:31 阅读更多 →
Apex英雄目标检测数据集 深度学习框架YOLO如何训练APEX数据集

Apex英雄目标检测数据集 深度学习框架YOLO如何训练APEX数据集

Apex检测数据集数据集详情检测类别: allies enemy tag图片总量:7247张训练集:5139张验证集:1425张测试集:683张标注状态:全部已标注,即拿即用数据格式:支持YOLO格式及其他格式&#…

2026/7/26 0:00:31 阅读更多 →

月新闻