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 <  {
         return n
     }
     return Fib(n-) + Fib(n-)
 }

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

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

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

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

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

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

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

执行 #go test -bench=. -v

 === RUN   Test_Fib

 --- PASS: Test_Fib (.63s)
 === RUN   Test_Fib2

 --- PASS: Test_Fib2 (.00s)
 === RUN   Test_Fib3

 --- PASS: Test_Fib3 (.00s)
 PASS
 Benchmark_Fib-                         ns/op
 Benchmark_Fib2-                       13.4 ns/op
 Benchmark_Fib3-                        ns/op
 ok      goperformance/fib       .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())
     println(fib.Fib2())
     println(fib.Fib3())
 }

编译并执行程序获得性能分析文件

 \src\goperformance>go build
 \src\goperformance>goperformance.exe

 \src\goperformance>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())
     println(fib.Fib2())
     println(fib.Fib3())
 }

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。