命令行与文本处理 / 系统课时

分析与优化性能

分析与优化性能

本课解决“脚本能运行但执行缓慢”的问题。你将用可重复的基准测试定位耗时,比较循环与管道的实际成本,并从重复查询、集合复制和远程往返三个方向完成可验证的优化。

学习目标

  • 使用秒表和重复采样测量脚本耗时
  • 根据数据选择循环、管道或缓存方案
  • 识别集合复制与远程往返造成的隐性开销

先建立可比较的基准

性能优化必须从测量开始。只运行一次容易受到模块首次加载、磁盘缓存和系统负载影响,因此应固定输入规模、重复执行多次,并使用中位数而不是单次最小值判断方案优劣。

测量边界也要保持一致。若一个方案包含数据读取而另一个只包含计算,结果就不能直接比较。基准测试应围绕同一输入、同一输出目标和同一错误处理策略展开。

比较循环与管道

下面的脚本对相同的十万个整数执行两种求和方案。foreach 在当前进程内直接迭代;管道方案会为每个元素调用 ForEach-Object,可读性较强,但通常会产生更多调度开销。

powershell
Set-StrictMode -Version Latest
$ErrorActionPreference = 'Stop'

$items = 1..100000

function Measure-Case {
    param(
        [Parameter(Mandatory)]
        [string]$Name,

        [Parameter(Mandatory)]
        [scriptblock]$Action,

        [int]$Repeat = 5
    )

    $samples = for ($i = 0; $i -lt $Repeat; $i++) {
        [GC]::Collect()
        $watch = [System.Diagnostics.Stopwatch]::StartNew()

        & $Action | Out-Null

        $watch.Stop()
        $watch.Elapsed.TotalMilliseconds
    }

    $sorted = @($samples | Sort-Object)
    $middle = [int][Math]::Floor($sorted.Count / 2)

    [pscustomobject]@{
        Name     = $Name
        MedianMs = [Math]::Round($sorted[$middle], 2)
    }
}

$results = @(
    Measure-Case -Name 'foreach' -Action {
        $sum = 0L
        foreach ($number in $items) {
            $sum += $number * 2
        }
    }

    Measure-Case -Name 'pipeline' -Action {
        $sum = ($items |
            ForEach-Object { $_ * 2 } |
            Measure-Object -Sum).Sum
    }
)

$results | Format-Table -AutoSize

预期输出如下,具体耗时会因硬件、PowerShell 版本和系统负载而不同。

text
Name     MedianMs
----     --------
foreach  <TIME>
pipeline <TIME>

这个结果不能推导出“所有管道都慢”。当任务依赖流式处理、命令组合或提前过滤时,管道可能更清晰,也可能减少内存占用。结论应限定在当前数据规模和当前工作负载内。

优先消除高成本操作

循环语法通常不是最大瓶颈。优化时应先查找网络、磁盘、目录服务、数据库和远程命令,因为一次外部调用可能比数千次内存计算更昂贵。

低效模式 典型表现 优化方式
在循环中重复查询同一数据 相同命令被调用多次 循环前查询一次并建立哈希表缓存
使用 += 持续扩展数组 数据越多,追加越慢 让管道直接输出对象,或使用泛型列表
对每台主机单独远程调用 延迟随主机数量线性增长 一次向多台主机提交命令并限制并发
过早执行 Format-Table 后续处理得到格式化对象 保留原始对象,仅在最终显示时格式化

缓存也有边界。缓存的数据可能过期,因此应明确生命周期;批量远程调用则要设置超时、并发上限和失败记录,不能只追求更少的请求次数。

用结果验证优化

优化前后应使用相同脚本、相同输入和相近环境重新测量,同时验证输出内容没有变化。除了总耗时,还应观察峰值内存、外部调用次数和失败率,防止“更快”是通过遗漏数据或吞掉错误换来的。

当差异很小时,不要为了几个毫秒牺牲可读性。只有性能问题已经影响交付目标,且基准数据能稳定复现时,才值得引入更复杂的缓存、并行或批处理逻辑。

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

分析与优化性能

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