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:
module example.com/benchdemo
go 1.22再创建 bench_test.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:
go test -run='^$' -bench='Benchmark(Baseline|Optimized)$' -benchmem -benchtime=2s -count=3预期输出
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。