Go / 系统课时

用基准测试比较优化结果

用基准测试比较优化结果

优化网络服务后,最危险的判断是“看起来更快”。本节用 Go 基准测试建立可重复的对照,只改变一个实现点,并同时观察吞吐、单次耗时和内存分配,避免把偶然波动当成优化收益。

学习目标

  • 建立输入、环境和测量方式一致的优化前后基准
  • 从 ns/op、MB/s、B/op 和 allocs/op 判断性能变化
  • 识别基准噪声,并避免用微基准代替端到端延迟测试

先固定可重复的基准

基准测试的核心不是追求一个漂亮数字,而是让优化前后的数字具有可比性。输入数据、Go 版本、机器、CPU 并发度、基准持续时间和统计次数都应保持一致,每轮只修改准备验证的实现点。

网络服务常同时受 CPU、内存分配、锁竞争、系统调用和真实网络影响。微基准适合先隔离热点函数,例如编解码、缓冲区处理或路由查找;端到端吞吐与尾延迟则应在后续压力测试中单独验证。

用 Go Benchmark 比较编码路径

下面比较两种长度前缀帧编码方式:基线版本每次创建 bytes.Buffer,优化版本复用预分配切片。示例使用 1024 字节负载,并通过 SetBytes 让基准输出吞吐量。

先创建 go.mod:

text
module example.com/benchdemo

go 1.22

再创建 bench_test.go:

go
package benchdemo

import (
	"bytes"
	"encoding/binary"
	"testing"
)

var sink []byte
var payload = bytes.Repeat([]byte("x"), 1024)

func encodeBaseline(payload []byte) []byte {
	var buf bytes.Buffer
	var header [4]byte
	binary.BigEndian.PutUint32(header[:], uint32(len(payload)))

	// 分两次写入会触发 Buffer 扩容,模拟未复用缓冲区的实现。
	_, _ = buf.Write(header[:])
	_, _ = buf.Write(payload)
	return buf.Bytes()
}

func encodeOptimized(dst []byte, payload []byte) []byte {
	need := 4 + len(payload)
	if cap(dst) < need {
		dst = make([]byte, need)
	} else {
		dst = dst[:need]
	}

	// 直接写入已经分配好的目标区域,避免每次构造 Buffer。
	binary.BigEndian.PutUint32(dst[:4], uint32(len(payload)))
	copy(dst[4:], payload)
	return dst
}

func BenchmarkBaseline(b *testing.B) {
	b.SetBytes(int64(len(payload)))
	b.ReportAllocs()
	for i := 0; i < b.N; i++ {
		sink = encodeBaseline(payload)
	}
}

func BenchmarkOptimized(b *testing.B) {
	dst := make([]byte, 4+len(payload))
	b.SetBytes(int64(len(payload)))
	b.ReportAllocs()
	b.ResetTimer()

	for i := 0; i < b.N; i++ {
		sink = encodeOptimized(dst, payload)
	}
}

在该目录执行:

bash
go test -run='^$' -bench='Benchmark(Baseline|Optimized)$' -benchmem -benchtime=2s -count=3

预期输出

text
goos: <OS>
goarch: <ARCH>
pkg: example.com/benchdemo
cpu: <CPU>
BenchmarkBaseline-<N>     <OPS>    <NS_PER_OP> ns/op    <MB_PER_S> MB/s    <B_PER_OP> B/op    <ALLOCS_PER_OP> allocs/op
BenchmarkBaseline-<N>     <OPS>    <NS_PER_OP> ns/op    <MB_PER_S> MB/s    <B_PER_OP> B/op    <ALLOCS_PER_OP> allocs/op
BenchmarkBaseline-<N>     <OPS>    <NS_PER_OP> ns/op    <MB_PER_S> MB/s    <B_PER_OP> B/op    <ALLOCS_PER_OP> allocs/op
BenchmarkOptimized-<N>    <OPS>    <NS_PER_OP> ns/op    <MB_PER_S> MB/s    <B_PER_OP> B/op    <ALLOCS_PER_OP> allocs/op
BenchmarkOptimized-<N>    <OPS>    <NS_PER_OP> ns/op    <MB_PER_S> MB/s    <B_PER_OP> B/op    <ALLOCS_PER_OP> allocs/op
BenchmarkOptimized-<N>    <OPS>    <NS_PER_OP> ns/op    <MB_PER_S> MB/s    <B_PER_OP> B/op    <ALLOCS_PER_OP> allocs/op
PASS
ok      example.com/benchdemo    <TIME>s

<CPU>、<OPS>、各性能指标和 <TIME> 会随机器变化。这里应关注优化版本是否在多轮运行中持续降低耗时和分配,而不是要求得到某个固定数值。

同时看吞吐、耗时和分配

指标 含义 优化时通常希望看到的方向
ns/op 完成一次操作的平均耗时 降低
MB/s 按 SetBytes 计算的处理吞吐 提高
B/op 每次操作产生的堆分配字节数 降低
allocs/op 每次操作的堆分配次数 降低

只看吞吐可能掩盖额外内存成本,只看分配也不能证明请求真的更快。如果吞吐提高但 B/op 明显增加,需要继续确认垃圾回收是否会在高并发场景抵消收益。

Go Benchmark 的 ns/op 是微基准中的平均单次耗时,不等同于真实 TCP 请求的 p95、p99 延迟。涉及连接调度、内核网络栈和队列等待时,还要用独立压力测试记录端到端延迟分位数。

排除偶然波动再接受优化

正式比较时应在同一机器和同一 Go 版本下重复多轮,关闭明显的后台负载,并让优化前后使用完全相同的参数。差距接近波动范围时,不应仅凭最快的一轮作结论。

如果一次优化声称减少了内存,还应确认测量对象一致:B/op 反映当前基准路径的堆分配,不代表整个服务的 RSS。连接缓冲区、缓存、goroutine 栈和内核 socket 内存需要结合服务级监控继续验证。

一个可信的优化结果应能回答三个问题:同样工作量是否处理得更快、为此付出的内存和分配是否更少或可接受、这种差异能否在多轮测量中稳定复现。只有三点同时成立,基准测试才真正支持优化结论。

按自己的节奏,确认真正理解。

目录与阅读设置

阅读设置

17

记录一个想法

用基准测试比较优化结果

0 / 10000 · 笔记保存到账号。未提交的修改会在关闭、离开或刷新后丢失。

登录哪都通