Duration.between计算任务执行毫秒方法
本文深入解析了Java中使用Duration.between精确测量任务执行时长的常见误区与最佳实践:强调Duration对象内部以纳秒存储、必须显式调用toMillis()(四舍五入)获取毫秒值,警示避免字符串解析、混用System.currentTimeMillis()与Instant.now()导致的时钟跳跃风险,并指出LocalDateTime等无时区类型不可直接使用;同时针对不同场景给出精准建议——普通计时统一用Instant.now(),高频场景优先选用System.nanoTime(),仅在需与UTC时间线对齐或日志关联时才发挥Duration.between的真实价值。

Duration.between 返回的是时间跨度,不是毫秒数
Duration.between 返回的是 Duration 对象,它内部以纳秒为单位存储时长,但不会自动转成毫秒。直接打印或比较时容易误以为是毫秒值,比如 PT0.123S 看起来像 123 毫秒,其实是 0.123 秒(即 123 毫秒),但这个字符串格式不可用于计算——必须显式提取数值。
常见错误是写成:Duration.between(start, end).toString() 然后试图解析字符串,这既慢又易错。
- 正确做法:调用
.toMillis()获取四舍五入后的毫秒值(long类型) - 若需更高精度,用
.toNanos()再除以 1_000_000.0 得到带小数的毫秒(注意溢出风险) .toMillis()会丢弃不足 1 毫秒的纳秒部分(向下取整?不,是四舍五入到最接近的毫秒)
Instant 必须来自同一时钟源,否则结果不可靠
用 System.currentTimeMillis() 转成 Instant 是常见错误源头。例如:Instant.ofEpochMilli(System.currentTimeMillis()) 看似可行,但 System.currentTimeMillis() 可能被系统时钟调整影响(NTP 同步、手动改时间),导致 Duration.between 算出负值或异常大值。
真实任务计时应统一用 Instant.now(),它基于 Java 的默认时钟(通常绑定 System.nanoTime() 做单调性保障)。
- ✅ 推荐:起始和结束都用
Instant.now() - ❌ 避免混用:
Instant.ofEpochMilli(...)和Instant.now() - ⚠️ 注意:跨进程或分布式场景下,
Instant.now()无法保证一致性,此时不该用Duration.between做精确对比
别忽略时区与日期类混淆——LocalDateTime 不适用
有人误把 LocalDateTime 当作时间点传给 Duration.between,编译直接报错,因为该方法只接受两个 Temporal 且必须能转换为时间线上的绝对点(Instant 或等价物)。LocalDateTime 没有时区信息,无法定位到时间轴。
典型错误代码:Duration.between(LocalDateTime.now(), LocalDateTime.now().plusSeconds(1)) → 编译失败。
- ✅ 正确输入类型:两个
Instant、或一个Instant和一个ZonedDateTime - ✅ 若只有日期时间对象,先转成带时区的:
localDateTime.atZone(ZoneId.systemDefault()).toInstant() - ⚠️
OffsetDateTime可以直接用,但要注意偏移量是否一致;不一致时仍会算出合理差值,但语义可能偏离预期
性能敏感场景下,避免频繁创建 Instant 对象
在高频任务(如每毫秒执行一次的小循环)中反复调用 Instant.now(),开销比 System.nanoTime() 高不少——前者涉及时区处理和对象分配,后者只是读寄存器。
如果只要毫秒差,且不需要挂载到 UTC 时间线,优先考虑更轻量的方式:
- 纯毫秒差:用
System.currentTimeMillis()相减(注意时钟跳跃风险) - 高精度+单调性:用
System.nanoTime(),再除以 1_000_000L 得毫秒(仍是long,无小数) - 只有当你需要把耗时和日志中的
Instant关联、或做跨服务时间对齐时,才值得用Duration.between
真正需要 Duration.between 的地方,往往不是“测单次执行”,而是“记录某次请求从收到 Instant 到返回 Instant 的跨度”,这时对象创建成本已远低于网络或业务逻辑本身。
今天关于《Duration.between计算任务执行毫秒方法》的内容就介绍到这里了,是不是学起来一目了然!想要了解更多关于的内容请关注golang学习网公众号!
晋江app多账号切换登录技巧
- 上一篇
- 晋江app多账号切换登录技巧
- 下一篇
- Windows蓝屏CLOCK_WATCHDOG_TIMEOUT解决方法
-
- 文章 · java教程 | 2天前 |
- Java 虚拟线程连接池改造的资源边界
- 236浏览 收藏
-
- 文章 · java教程 | 2天前 | Java · 虚拟线程 · java UncaughtExceptionHandler 虚拟线程 Thread.Builder.OfVirtual
- Java Thread.Builder.OfVirtual 设置线程异常处理器
- 139浏览 收藏
-
- 文章 · java教程 | 2天前 | 数据处理 · Java教程 · java windowFixed Stream Gatherer 事件窗口
- Java Stream Gatherer 组合短窗口事件的实现步骤
- 495浏览 收藏
-
- 文章 · java教程 | 3天前 | 并发 · Java · 随机数 · RandomGeneratorFactory Java随机算法 随机数并发
- Java RandomGeneratorFactory 怎么按能力选择随机算法
- 244浏览 收藏
-
- 文章 · java教程 | 3天前 |
- Java HexFormat 怎么在字节数组和十六进制文本间转换
- 361浏览 收藏
-
- 文章 · java教程 | 3天前 | 文件处理 · nio · Java教程 · java 文件比较 Files.mismatch 字节偏移
- Java Files.mismatch 怎么定位两个文件首个差异
- 342浏览 收藏
-
- 文章 · java教程 | 3天前 | Java ·
- Java Base64 流式编码怎么避免一次加载大文件
- 182浏览 收藏
-
- 文章 · java教程 | 3天前 | Java · 可观测性 ·
- Java JFR EventStream 怎么实时消费运行事件
- 145浏览 收藏
-
- 文章 · java教程 | 3天前 | Java ·
- Java Class-File API 怎么读取类文件结构
- 419浏览 收藏
-
- 前端进阶之JavaScript设计模式
- 设计模式是开发人员在软件开发过程中面临一般问题时的解决方案,代表了最佳的实践。本课程的主打内容包括JS常见设计模式以及具体应用场景,打造一站式知识长龙服务,适合有JS基础的同学学习。
- 543次学习
-
- GO语言核心编程课程
- 本课程采用真实案例,全面具体可落地,从理论到实践,一步一步将GO核心编程技术、编程思想、底层实现融会贯通,使学习者贴近时代脉搏,做IT互联网时代的弄潮儿。
- 516次学习
-
- 简单聊聊mysql8与网络通信
- 如有问题加微信:Le-studyg;在课程中,我们将首先介绍MySQL8的新特性,包括性能优化、安全增强、新数据类型等,帮助学生快速熟悉MySQL8的最新功能。接着,我们将深入解析MySQL的网络通信机制,包括协议、连接管理、数据传输等,让
- 500次学习
-
- JavaScript正则表达式基础与实战
- 在任何一门编程语言中,正则表达式,都是一项重要的知识,它提供了高效的字符串匹配与捕获机制,可以极大的简化程序设计。
- 487次学习
-
- 从零制作响应式网站—Grid布局
- 本系列教程将展示从零制作一个假想的网络科技公司官网,分为导航,轮播,关于我们,成功案例,服务流程,团队介绍,数据部分,公司动态,底部信息等内容区块。网站整体采用CSSGrid布局,支持响应式,有流畅过渡和展现动画。
- 485次学习
-
- PubMedQA
- 深入了解PubMedQA生物医学问答数据集,涵盖其核心功能、使用方法及在临床决策、药物研发等场景的应用,助力提升NLP模型性能。
- 286次使用
-
- H2O EvalGPT
- H2O EvalGPT是H2O.ai推出的开源LLM评估平台,提供详细的大模型性能排行榜、行业特定基准测试及A/B测试功能,助您快速选择最适合项目的高性能大语言模型。
- 340次使用
-
- LMArena
- LMArena是加州大学伯克利分校推出的AI模型匿名评测平台。通过盲测投票机制,用户可对比不同大模型回答并生成实时排行榜,助力开发者优化模型及用户选择最佳AI工具。
- 339次使用
-
- HELM
- 深入了解斯坦福推出的HELM(Holistic Evaluation of Language Models)大模型评测体系。本文解析其核心功能、安装配置步骤及应用场景,涵盖准确性、公平性、鲁棒性等多维度指标,助力开发者全面优化语言模型性能。
- 305次使用
-
- MMBench
- MMBench是由上海人工智能实验室等机构联合推出的多模态基准测试平台,提供细粒度能力评估、大规模数据集及VLMEvalKit工具。本文详细介绍其核心功能、安装使用方法及应用场景,助力开发者全面评估多模态模型性能。
- 126次使用
-
- Java try-with-resources 多个资源关闭顺序是什么
- 2026-09-10 501浏览
-
- 矩阵主副对角线快速定位技巧
- 2026-05-31 501浏览
-
- Java多态优化流程代码与行为分发改进
- 2026-05-26 501浏览
-
- JVM 类元数据双亲委派链表深度解析
- 2026-05-21 501浏览
-
- 反射异常处理:InvocationTargetException解析与应用
- 2026-05-16 501浏览
