首页
/ Google Benchmark 迭代次数异常问题分析与解决

Google Benchmark 迭代次数异常问题分析与解决

2025-05-24 21:59:24作者:董宙帆

问题背景

在使用Google Benchmark进行性能测试时,开发者遇到了一个奇怪的迭代次数显示问题。测试用例包含两个基准测试:readFilecalculateAverages,但结果显示calculateAverages的迭代次数异常高(4046608次),而readFile只有1次,这与预期不符。

问题现象

测试代码的基本结构如下:

class One_BRC : public benchmark::Fixture {
protected:
    std::map<std::string, std::vector<float>> _data;
public:
    void SetUp(::benchmark::State &state) {}
    void TearDown(::benchmark::State &state) {}
};

BENCHMARK_F(One_BRC, readFile)(benchmark::State &st) {
    for (auto _: st) {
        _data = readFile();
    }
}

BENCHMARK_F(One_BRC, calculateAverages)(benchmark::State &st) {
    for (auto _: st) {
        calcAvr(_data);
    }
}

测试结果输出:

One_BRC/readFile          1.5273e+11 ns   1.5268e+11 ns            1
One_BRC/calculateAverages        178 ns          178 ns      4046608

问题分析

  1. 编译器优化问题:Google Benchmark的工作原理是通过多次运行被测代码来获取稳定的性能数据。当被测代码执行时间过短时,框架会自动增加迭代次数以获得有意义的结果。然而,这里显示的异常高迭代次数表明编译器可能对代码进行了过度优化。

  2. 测试夹具生命周期:Google Benchmark中,每个测试用例都会创建新的测试夹具实例。这意味着readFile测试中填充的_data并不会自动传递给calculateAverages测试,后者使用的是默认构造的空map。

  3. 数据未被使用:在calculateAverages测试中,由于_data为空,calcAvr函数实际上没有做任何有意义的工作,导致执行时间极短(178ns),从而触发了框架的自动迭代次数调整机制。

解决方案

  1. 防止编译器优化:使用benchmark::DoNotOptimizebenchmark::ClobberMemory来确保编译器不会优化掉关键代码。

  2. 共享测试数据:将测试数据定义为全局变量,确保在多个测试用例间共享。

修正后的代码:

std::map<std::string, std::vector<float>> _data;

class One_BRC : public benchmark::Fixture {
protected:
public:
    void SetUp(::benchmark::State &state) {}
    void TearDown(::benchmark::State &state) {}
};

BENCHMARK_DEFINE_F(One_BRC, readFile)(benchmark::State &st) {
    for (auto _: st) {
        _data = readFile();
        benchmark::DoNotOptimize(_data);
    }
}

BENCHMARK_DEFINE_F(One_BRC, calculateAverages)(benchmark::State &st) {
    for (auto _: st) {
        calcAvr(_data);
    }
}

BENCHMARK_REGISTER_F(One_BRC, readFile);
BENCHMARK_REGISTER_F(One_BRC, calculateAverages);

修正后的结果

One_BRC/readFile             1675013 ns      1340255 ns          452
One_BRC/calculateAverages    2292709 ns       295267 ns         2323

性能测试最佳实践

  1. 确保测试数据的有效性:测试数据应该能够代表真实场景,且足够大以避免测量误差。

  2. 防止编译器优化:对于关键变量和计算结果,使用DoNotOptimize确保它们不会被优化掉。

  3. 理解测试夹具生命周期:每个测试用例都会创建新的测试夹具实例,需要特别注意测试数据的共享问题。

  4. 合理设置迭代次数:对于执行时间较短的测试,可以手动设置最小迭代时间(MinTime)以获得更稳定的结果。

  5. 多次运行取平均值:考虑使用Repetitions选项多次运行整个测试套件,获取更可靠的统计数据。

通过以上分析和修正,我们不仅解决了迭代次数异常的问题,还对Google Benchmark的使用有了更深入的理解,为后续的性能测试工作打下了良好的基础。

登录后查看全文
热门项目推荐
相关项目推荐