基准测试主要是通过测试CPU和内存的效率问题，来评估被测试代码的性能，并将该数据作为基准来比较每次调优后的性能是否有所改善，进而找到更好的解决方案。
（一）编写基准测试
首先我们先看一个基准测试的例子。是不是很像我们经常说的单元测试
func BenchmarkSprintf(b *testing.B){
num:=10
b.ResetTimer()
for i:=0;i<b.N;i++{
fmt.Sprintf("%d",num)
}
}
以下是go语言中基准测试需要关注的几个前提条件：
- 基准测试的代码文件必须以_test.go结尾
- 基准测试的函数必须以Benchmark开头
- 基准测试函数必须接受一个testing.B的指针作为唯一参数, 且基准测试函数不能有返回值
- b.ResetTimer是重置计时器，这样可以避免for循环之前的初始化代码的干扰
- 如果每次循环迭代内部都有一些高成本的其他逻辑，请使用
b.StopTimer()
b.StartTimer()
- 最后的for循环很重要，被测试的代码要放到循环里
- b.N是基准测试框架提供的，表示循环的次数，具体次数是按照机器性能在默认的1s的运行次数，因为需要反复调用测试的代码，才可以评估性能。
- 要显式地执行基准测试请使用
-bench
-bench
-bench=.
➜ go test -bench=. -run=none
BenchmarkSprintf-12 13088973 78.8 ns/op
PASS
ok github.com/simonhgao/testsrv 1.536s
（二）基准测试的运行准备：
Testing flags
常用flag
-
-bench regexp
-
-benchmem
-
-cpu=n
-
-count n
-
-run regexp
-
-timeout t
-
-v
-
-cpuprofile=$FILE
$FILE
-
-memprofile=$FILE
$FILE
-memprofilerate=N
1/N
-
-blockprofile=$FILE
$FILE
因为默认情况下
go test
会运行单元测试，为了防止单元测试的输出影响我们查看基准测试的结果，可以使用
-run=
匹配单元测试方法，过滤掉单元测试的输出，我们这里使用
none
，因为我们不会创建这个名字的单元测试方法。
也可以使用
-run=^$
来过滤所有单元测试
go test -bench=. -run=^$
有些时候在benchmark之前需要做一些准备工作，并且，我们不希望这些准备工作纳入到计时里面，我们可以使用 b.ResetTimer()，代表重置计时为0，以调用时的时刻作为重新计时的开始。
看到上面运行测试结果
BenchmarkSprintf-12
后面的
-12
了吗？这个表示运行时对应的GOMAXPROCS的值，可以通过cpu的flag进行指定。
接着的
13088973
表示运行for循环的次数，也就是1s内调用被测试代码的次数
最后的
78.8 ns/op
表示每次需要话费78.8纳秒。(执行一次操作话费的时间)
如果想让测试运行的时间更长，可以通过-benchtime指定，比如3秒。
➜ go test -bench=. -run=none -benchtime=3s
BenchmarkSprintf-12 41707867 78.7 ns/op
PASS
ok github.com/simonhgao/testsrv 3.735s
可以发现，我们加长了测试时间，测试的次数变多了，但是最终的性能结果：每次执行的时间，并没有太大变化。一般来说这个值最好不要超过3秒，意义不大。
性能对比（benchmem）：
上面那个基准测试的例子，其实是一个int类型转为string类型的例子，标准库里还有几种方法，我们看下哪种性能更加.
func BenchmarkSprintf(b *testing.B){
num:=10
b.ResetTimer()
for i:=0;i<b.N;i++{
fmt.Sprintf("%d",num)
}
}
func BenchmarkFormat(b *testing.B){
num:=int64(10)
b.ResetTimer()
for i:=0;i<b.N;i++{
strconv.FormatInt(num,10)
}
}
func BenchmarkItoa(b *testing.B){
num:=10
b.ResetTimer()
for i:=0;i<b.N;i++{
strconv.Itoa(num)
}
}
➜ go test -bench=. -benchmem -run=none
pkg: git.code.oa.com/simonhgao/testsrv
BenchmarkSprintf-12 13767098 78.1 ns/op 16 B/op 2 allocs/op
BenchmarkFormat-12 310182928 3.85 ns/op 0 B/op 0 allocs/op
BenchmarkItoa-12 284967086 4.15 ns/op 0 B/op 0 allocs/op
PASS
ok github.com/simonhgao/testsrv 4.723s
-benchmem
可以提供每次操作分配内存的次数，以及每次操作分配的字节数。从结果我们可以看到，性能高的两个函数，每次操作都是进行1次内存分配，而最慢的那个要分配2次；性能高的每次操作分配0字节内存，而慢的那个函数每次需要分配16字节的内存。从这个数据我们就知道它为什么这么慢了，内存分配都占用都太高。
在代码开发中，对于我们要求性能的地方，编写基准测试非常重要，这有助于我们开发出性能更好的代码。不过性能、可用性、复用性等也要有一个相对的取舍，不能为了追求性能而过度优化。
（三）结合 pprof进行更形象化的分析：
pprof 性能监控
package bench
import "testing"
func Fib(n int) int {
if n < 2 {
return n
}
return Fib(n-1) + Fib(n-2)
}
func BenchmarkFib10(b *testing.B) {
// run the Fib function b.N times
for n := 0; n < b.N; n++ {
Fib(10)
}
}
可以同时看内存和CPU分析
go test -bench=. -benchmem -memprofile memprofile.out -cpuprofile profile.out
然后就可以用输出的文件使用pprof(进入pprof环境)
➜ go tool pprof profile.out
Type: cpu
Time: May 19, 2021 at 3:26pm (CST)
Duration: 1.56s, Total samples = 1.33s (85.34%)
Entering interactive mode (type "help" for commands, "o" for options)
(pprof) top
Showing nodes accounting for 1.33s, 100% of 1.33s total
Showing top 10 nodes out of 18
flat flat% sum% cum cum%
1.26s 94.74% 94.74% 1.27s 95.49% github.com/simonhgao/testsrv.Fib
0.05s 3.76% 98.50% 0.05s 3.76% runtime.nanotime1
0.01s 0.75% 99.25% 0.01s 0.75% runtime.newstack
0.01s 0.75% 100% 0.01s 0.75% runtime.pthread_cond_signal
0 0% 100% 1.27s 95.49% github.com/simonhgao/testsrv.BenchmarkFib10
0 0% 100% 0.01s 0.75% runtime.findrunnable
0 0% 100% 0.01s 0.75% runtime.mcall
0 0% 100% 0.05s 3.76% runtime.mstart
0 0% 100% 0.05s 3.76% runtime.mstart1
0 0% 100% 0.05s 3.76% runtime.nanotime (inline)
然后你也可以用list命令检查函数需要的时间
(pprof) list Fib
1.26s 1.98s (flat, cum) 148.87% of Total
. . 1:package main
. . 2:
. . 3:import "testing"
. . 4:
440ms 450ms 5:func Fib(n int) int {
150ms 150ms 6: if n < 2 {
110ms 110ms 7: return n
. . 8: }
560ms 1.27s 9: return Fib(n-1) + Fib(n-2)
. . 10:}
. . 11:func BenchmarkFib10(b *testing.B) {
. . 12: // run the Fib function b.N times
. . 13: for n := 0; n < b.N; n++ {
. . 14: Fib(10)
图像分析
从 Go 1.11 开始, 火焰图等多种分析图被集成进入 Go 官方的 pprof 库.
# This will listen on :8081 and open a browser.
# Change :8081 to a port of your choice.
$ go tool pprof -http=":8081" [binary] [profile]
我们可以通过上述的方法来快速的生成一个本地网址，然后查看这些分析图
比如：
go tool pprof -http=":8081" profile.out
我们可以获得：
➜ go tool pprof -http=":8081" profile.out
Serving web UI on http://localhost:8081
如果遇到报错：Failed to execute dot. Is Graphviz installed? Error: exec: “dot”: executable file not found in %PATH% （第一次一定会碰到）
是你电脑没有安装graphviz导致的：
windows可以进入gvedit官网下载地址 下载稳定版
mac 安装比较简单， 执行下边的指令安装好后就可以使用web进行展现了
brew install graphviz
火焰图：
火焰图（Flame Graph）是 Bredan Gregg 创建的一种性能分析图表，因为它的样子近似火焰而得名。
火焰图 svg 文件可以通过浏览器打开，它对于调用图的最优点是它是动态的：可以通过点击每个方块来 zoom in 分析它上面的内容。
火焰图的调用顺序从下到上，每个方块代表一个函数，它上面一层表示这个函数会调用哪些函数，方块的大小代表了占用 CPU 使用的长短。火焰图的配色并没有特殊的意义，默认的红、黄配色是为了更像火焰而已。
火焰图我们可以通过上边生成的网址http://localhost:8081下拉菜单选择 Flame Graph就可以了。
当然pprof还有更多的使用方法，详细的可看：tutorial
（四）总结：
- 进行性能测试时，尽可能保持测试环境的稳定
-
实现 benchmark 测试
• 位于
_test.go
文件中
• 函数名以
Benchmark
开头
• 参数为
b *testing.B
b.ResetTimer()
可重置定时器
•
b.StopTimer()
暂停计时
•
b.StartTimer()
-
执行 benchmark 测试
•
go test -bench .
执行当前测试
•
-bench
可传入正则，匹配用例
•
-cpu
可改变 CPU 核数
•
-benchtime
可指定执行时间或具体次数
•
-count
可设置 benchmark 轮数
•
-benchmem
-
pprof
•
-memprofile -cpuprofile
生成基准性能报告
•
go tool pprof -http=":8081" [binary] [profile]
生成本地图像分析
使用pprof辅助优化我们的代码
Reference:
https://segmentfault.com/a/1190000016354758
https://segmentfault.com/a/1190000007951944