go程序性能测量和分析
2024-08-21 17:04:27
- 性能测量
在很多情况之下，通过分析代码是很难确定某个模块性能好坏的。请看下面的例子，你觉得哪一个函数性能最优？
//斐波那契数
package fib import "math" //递归方式
func Fib(n int) int {
if n < {
return n
}
return Fib(n-) + Fib(n-)
} //迭代方式
func Fib2(n int) int {
if n < {
return n
}
a :=
b :=
c :=
for i := ; i < n; i++ {
c = a + b
a = b
b = c
}
return c;
} //公式求解
func Fib3(n int) int {
gh5 := math.Sqrt()
pow := math.Pow
f := (float64)(n)
return (int)(math.Ceil((pow(+gh5, f) - pow(-gh5,f)) / (pow(2.0, f) * gh5)))
}
上面的代码提供了3种求斐波那契数的方法，毫无疑问第一种方式是最不可取的。但是第二种和第三种方式到底哪一个性能更好呢？好多人可能会说是第三种。口说无凭，写个测试用例看看：
package fib_test import (
"testing"
"goperformance/fib"
) func Test_Fib(t *testing.T) {
println(fib.Fib())
} func Test_Fib2(t *testing.T) {
println(fib.Fib2())
} func Test_Fib3(t *testing.T) {
println(fib.Fib3())
} func Benchmark_Fib(b *testing.B) {
for i := ; i < b.N; i++ {
fib.Fib(i%)
}
} func Benchmark_Fib2(b *testing.B) {
for i := ; i < b.N; i++ {
fib.Fib2(i%)
}
} func Benchmark_Fib3(b *testing.B) {
for i := ; i < b.N; i++ {
fib.Fib3(i%)
}
}
执行 #go test -bench=. -v
=== RUN Test_Fib --- PASS: Test_Fib (.63s)
=== RUN Test_Fib2 --- PASS: Test_Fib2 (.00s)
=== RUN Test_Fib3 --- PASS: Test_Fib3 (.00s)
PASS
Benchmark_Fib- ns/op
Benchmark_Fib2- 13.4 ns/op
Benchmark_Fib3- ns/op
ok goperformance/fib .086s
很明显第二种方式比第三种方式要快100多倍。性能测量为我们编写高性能的go程序提供了可靠的依据。
性能分析
1，使用标准库runtime/pprof
package main import (
"goperformance/fib"
"flag"
"log"
"os"
"runtime/pprof"
) var cpuprofile = flag.String("cpuprofile", "cpu.prof", "write cpu profile to file") func main() {
flag.Parse()
f, err := os.Create(*cpuprofile)
if err != nil {
log.Fatal(err)
}
pprof.StartCPUProfile(f)
defer pprof.StopCPUProfile()
println(fib.Fib())
println(fib.Fib2())
println(fib.Fib3())
}
编译并执行程序获得性能分析文件
\src\goperformance>go build
\src\goperformance>goperformance.exe \src\goperformance>go tool pprof goperformance.exe cpu.prof
Entering interactive mode (type "help" for commands)
(pprof) web
(pprof)
在web中展示出来的分析结果如下：
2，使用github.com/pkg/profile
profile包实际上是对runtime/pprof的封装，使用起来更加友好
package main import (
"goperformance/fib"
"github.com/pkg/profile"
) func main() {
defer profile.Start().Stop() //可以通过不同的参数确定是cpu性能分析还是内存使用分析
println(fib.Fib())
println(fib.Fib2())
println(fib.Fib3())
}
运行程序后在缓存自动生成一个临时文件，这个文件就是上一种方式中的cpu.prof文件。接下来的操作就和第一种方式一样。
最新文章
- 1Z0-053 争议题目解析699
- Codeforces Round #251 (Div. 2) A - Devu, the Singer and Churu, the Joker
- Harris角点（转载）
- 统计机器翻译(SMT)步骤总结
- 【转】VS调试技巧
- 成为一名优秀的C程序员
- HttpDNS的坑以及一个针对安卓不太完善的测试方案
- SQL update select
- Cassandra标准列和超级列
- Dubbo 消费者
- vue实现点击关注之后及时更新列表
- 小希的迷宫---hdu1272
- redis未授权访问批量验证脚本编写[python]
- thread_indent
- 关于JDBC PreparedStatement
- jQuery动态星级评分效果实现方法
- Linux网络编程：一个简单的正向代理服务器的实现
- spfile 和用户环境变量 和export
- apktool、dex2jar、jd-gui的区别及详解
- 第19章 通讯的基本概念—零死角玩转STM32-F429系列