使用Scala的REPL进行比较性能基准测试是否合理？

这是我最近创建的一个例子,用于帮助回答SO问题[1] [2]：

// Figure out the perfomance difference between direct method invocation and reflection-based method.invoke

def invoke1[T,U](obj:Any,method:Method)(param:T):U = method.invoke(obj,Seq(param.asInstanceOf[java.lang.Object]):_*) match { 
    case x: java.lang.Object if x==null => null.asInstanceOf[U]
    case x => x.asInstanceOf[U]
}

def time[T](b: => T):(T,Long) = {
    val t0 = System.nanoTime()
    val res = b
    val t = System.nanoTime() - t0
    (res,t )
}

class Test {
  def op(l:Long): Long = (2 until math.sqrt(l).toInt).filter(x=>l%x==0).sum
}

val t0 = new Test

val method = classOf[Test].getMethods.find(_.getName=="op").get

def timeDiff = {
  val (timeDirectCall,res) = time { (0 to 1000000).map(x=>t0.op(x)) }
  val (timeInvoke,res2) = time { (0 to 1000000).map(x=>{val res:Long=invoke1(t0,method)(x);res}) }
  (timeInvoke-timeDirectCall).toDouble/timeDirectCall.toDouble
}


//scala> timeDiff
//res60: Double = 2.1428745665357445
//scala> timeDiff
//res61: Double = 2.1604176409796683

在另一个案例中,我一直在生成随机数据点的MM,以比较开源项目的并发模型. REPL非常适合在没有代码编译测试周期的情况下使用不同的配置.

我知道常见的基准测试陷阱,例如JIT优化和热身需求.

我的问题是：

>使用时是否需要考虑REPL特定元素
它执行宏观基准比较微观？
>这些测量相对于彼此使用时是否可靠？即他们能回答这个问题：A比B快吗？
>对于相同代码的预先执行的执行是jit的良好预热
编译器？
>还有其他问题需要注意吗？

[1] Scala reflection: How to pass an object’s method as parameter to another method

[2] https://gist.github.com/maasg/6808879