go程序性能测量和分析

• 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 < 2 {
        return n
    }
    return Fib(n-1) + Fib(n-2)
}

//迭代方式
func Fib2(n int) int {
    if n < 2 {
        return n
    }
    a := 1
    b := 1
    c := 1
    for i := 2; i < n; i++ {
        c =  a + b
        a = b
        b = c
    }
    return c;
}

//公式求解
func Fib3(n int) int {
    gh5 := math.Sqrt(5)
    pow := math.Pow
    f := (float64)(n)
    return (int)(math.Ceil((pow(1+gh5, f) - pow(1-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(40))
}

func Test_Fib2(t *testing.T)  {
    println(fib.Fib2(40))
}

func Test_Fib3(t *testing.T)  {
    println(fib.Fib3(40))
}

func Benchmark_Fib(b *testing.B) {
    for i := 0; i < b.N; i++ {
        fib.Fib(i%40)
    }
}

func Benchmark_Fib2(b *testing.B) {
    for i := 0; i < b.N; i++ {
        fib.Fib2(i%40)
    }
}

func Benchmark_Fib3(b *testing.B) {
    for i := 0; i < b.N; i++ {
        fib.Fib3(i%40)
    }
}

执行 #go test -bench=. -v

=== RUN   Test_Fib
102334155
--- PASS: Test_Fib (0.63s)
=== RUN   Test_Fib2
102334155
--- PASS: Test_Fib2 (0.00s)
=== RUN   Test_Fib3
102334155
--- PASS: Test_Fib3 (0.00s)
PASS
Benchmark_Fib-4              100          20280130 ns/op
Benchmark_Fib2-4        100000000               13.4 ns/op
Benchmark_Fib3-4        10000000               123 ns/op
ok      goperformance/fib       6.086s

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(40))
    println(fib.Fib2(40))
    println(fib.Fib3(40))
}

编译并执行程序获得性能分析文件

srcgoperformance>go build
srcgoperformance>goperformance.exe
102334155
102334155
102334155
srcgoperformance>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(40))
    println(fib.Fib2(40))
    println(fib.Fib3(40))
}

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。