Java XPath（Apache JAXP 实现）性能

performance xpath java apache jaxp

2022-08-31 17:39:03

注意：如果您也遇到此问题，请在 Apache JIRA 上投赞成票：

https://issues.apache.org/jira/browse/XALANJ-2540

我得出了一个惊人的结论：：

Element e = (Element) document.getElementsByTagName("SomeElementName").item(0);
String result = ((Element) e).getTextContent();

似乎比这快了100倍：

// Accounts for 30%, can be cached
XPathFactory factory = XPathFactory.newInstance();

// Negligible
XPath xpath = factory.newXPath();

// Negligible
XPathExpression expression = xpath.compile("//SomeElementName");

// Accounts for 70%
String result = (String) expression.evaluate(document, XPathConstants.STRING);

我正在使用JVM的默认JAXP实现：

org.apache.xpath.jaxp.XPathFactoryImpl
org.apache.xpath.jaxp.XPathImpl

我真的很困惑，因为很容易看出JAXP如何优化上面的XPath查询以实际执行一个简单的查询。但它似乎没有这样做。此问题仅限于大约 5-6 个常用的 XPath 调用，这些调用由 API 抽象和隐藏。这些查询仅涉及针对始终可用的 DOM 文档的简单路径（例如，没有变量、条件）。因此，如果可以进行优化，则很容易实现。getElementsByTagName()/a/b/c

我的问题是：XPath的缓慢是一个公认的事实，还是我忽略了什么？是否有更好（更快）的实施？或者我应该完全避免XPath，用于简单的查询？

答案 1

我已经调试并分析了我的测试用例和Xalan / JAXP。我设法确定了

org.apache.xml.dtm.ObjectFactory.lookUpFactoryClassName()

可以看出，10k 测试 XPath 评估中的每一个都会导致类加载器尝试在某种默认配置中查找实例。此配置不会加载到内存中，但每次都会访问。此外，此访问似乎受到自身锁定的保护。当访问失败（默认情况下）时，将从文件的DTMManagerObjectFactory.classxalan.jar

META-INF/service/org.apache.xml.dtm.DTMManager

配置文件。每一次！

JProfiler profiling results

幸运的是，可以通过指定如下所示的 JVM 参数来覆盖此行为：

-Dorg.apache.xml.dtm.DTMManager=
  org.apache.xml.dtm.ref.DTMManagerDefault

或

-Dcom.sun.org.apache.xml.internal.dtm.DTMManager=
  com.sun.org.apache.xml.internal.dtm.ref.DTMManagerDefault

上述方法有效，因为如果工厂类名无论如何都是默认值，这将允许绕过昂贵的工作：lookUpFactoryClassName()

// Code from com.sun.org.apache.xml.internal.dtm.ObjectFactory
static String lookUpFactoryClassName(String factoryId,
                                     String propertiesFilename,
                                     String fallbackClassName) {
  SecuritySupport ss = SecuritySupport.getInstance();

  try {
    String systemProp = ss.getSystemProperty(factoryId);
    if (systemProp != null) { 

      // Return early from the method
      return systemProp;
    }
  } catch (SecurityException se) {
  }

  // [...] "Heavy" operations later

因此，以下是针对 90k XML 文件的 10k 连续 XPath 评估的性能改进概述（度量公式为：//SomeNodeNameSystem.nanoTime()

measured library        : Xalan 2.7.0 | Xalan 2.7.1 | Saxon-HE 9.3 | jaxen 1.1.3
--------------------------------------------------------------------------------
without optimisation    :     10400ms |      4717ms |              |     25500ms
reusing XPathFactory    :      5995ms |      2829ms |              |
reusing XPath           :      5900ms |      2890ms |              |
reusing XPathExpression :      5800ms |      2915ms |      16000ms |     25000ms
adding the JVM param    :      1163ms |       761ms |        n/a   |

请注意，基准测试是非常原始的。很可能你自己的基准会显示撒克逊人的表现优于xalan。

我已经把这个作为一个错误提交给Apache的Xalan家伙：

https://issues.apache.org/jira/browse/XALANJ-2540

答案 2

不是解决方案，而是指向主要问题的指针：评估与任意节点相关的 xpath 的过程中最慢的部分是 DTM 管理器查找节点句柄所需的时间：

http://javasourcecode.org/html/open-source/jdk/jdk-6u23/com/sun/org/apache/xml/internal/dtm/ref/dom2dtm/DOM2DTM.html#getHandleOfNode%28org.w3c.dom.Node%29

如果相关节点位于文档的末尾，则它最终可以遍历整个树以查找每个查询的相关节点。

这就解释了为什么孤立目标节点的黑客工作。应该有一种方法可以缓存这些查找，但在这一点上我看不到如何。