Benny:一个极简的基准测试框架
2024-09-08 04:37:14作者:龚格成
在软件开发中,性能优化是一个永恒的话题。为了确保代码的高效运行,开发者需要一个简单易用的工具来进行基准测试。今天,我们要介绍的是一个名为 Benny 的开源项目,它是一个极简的基准测试框架,旨在帮助开发者轻松地进行性能测试。
项目介绍
Benny 是一个基于 benchmark 包构建的基准测试框架。它提供了一个更加简洁和直观的 API,使得开发者可以轻松地对同步和异步代码进行基准测试。Benny 不仅支持多种结果输出格式(如 JSON、CSV、HTML 表格和图表),还提供了丰富的配置选项,以满足不同场景下的需求。
项目技术分析
Benny 的核心功能包括:
- 同步和异步代码支持:无论是同步还是异步代码,Benny 都能轻松应对。
- 本地设置:允许为每个测试用例准备本地设置,确保测试环境的独立性。
- 结果保存:支持将测试结果保存为 JSON、CSV 或 HTML 文件,方便后续分析。
- 结果可视化:内置 HTML 图表生成功能,可以直接在浏览器中查看测试结果。
- IDE 支持:提供完整的 TypeScript 类型定义,确保在现代 IDE 中的良好开发体验。
项目及技术应用场景
Benny 适用于多种场景,包括但不限于:
- 性能优化:在代码优化过程中,使用 Benny 进行基准测试,确保优化后的代码性能有所提升。
- 算法比较:在比较不同算法或实现方式时,Benny 可以帮助你快速得出性能差异。
- 库和框架测试:在开发库或框架时,使用 Benny 进行性能测试,确保其高效运行。
项目特点
Benny 的主要特点包括:
- 极简 API:Benny 的 API 设计简洁明了,开发者可以快速上手。
- 丰富的输出格式:支持多种结果输出格式,满足不同需求。
- 灵活配置:提供多种配置选项,允许开发者根据具体需求进行调整。
- 良好的 IDE 支持:内置 TypeScript 类型定义,确保在现代 IDE 中的良好开发体验。
快速开始
安装
使用 NPM 安装 Benny:
npm i benny -D
使用 Yarn 安装 Benny:
yarn add benny -D
示例代码
以下是一个简单的基准测试示例:
const b = require('benny')
b.suite(
'Example',
b.add('Reduce two elements', () => {
;[1, 2].reduce((a, b) => a + b)
}),
b.add('Reduce five elements', () => {
;[1, 2, 3, 4, 5].reduce((a, b) => a + b)
}),
b.cycle(),
b.complete(),
b.save({ file: 'reduce', version: '1.0.0' }),
b.save({ file: 'reduce', format: 'chart.html' }),
)
运行上述代码后,Benny 将输出测试结果,并将结果保存为 JSON 和 HTML 文件。
结语
Benny 是一个功能强大且易于使用的基准测试框架,适用于各种性能测试场景。无论你是正在进行性能优化,还是需要比较不同算法的性能,Benny 都能为你提供有力的支持。赶快尝试一下吧!
项目地址:Benny GitHub
NPM 地址:Benny NPM
登录后查看全文
热门项目推荐
ERNIE-4.5-VL-28B-A3B-ThinkingERNIE-4.5-VL-28B-A3B-Thinking 是 ERNIE-4.5-VL-28B-A3B 架构的重大升级,通过中期大规模视觉-语言推理数据训练,显著提升了模型的表征能力和模态对齐,实现了多模态推理能力的突破性飞跃Python00
Kimi-K2-ThinkingKimi K2 Thinking 是最新、性能最强的开源思维模型。从 Kimi K2 开始,我们将其打造为能够逐步推理并动态调用工具的思维智能体。通过显著提升多步推理深度,并在 200–300 次连续调用中保持稳定的工具使用能力,它在 Humanity's Last Exam (HLE)、BrowseComp 等基准测试中树立了新的技术标杆。同时,K2 Thinking 是原生 INT4 量化模型,具备 256k 上下文窗口,实现了推理延迟和 GPU 内存占用的无损降低。Python00
MiniMax-M2MiniMax-M2是MiniMaxAI开源的高效MoE模型,2300亿总参数中仅激活100亿,却在编码和智能体任务上表现卓越。它支持多文件编辑、终端操作和复杂工具链调用Python00
HunyuanVideo-1.5HunyuanVideo-1.5作为一款轻量级视频生成模型,仅需83亿参数即可提供顶级画质,大幅降低使用门槛。该模型在消费级显卡上运行流畅,让每位开发者和创作者都能轻松使用。本代码库提供生成创意视频所需的实现方案与工具集。00
MiniCPM-V-4_5MiniCPM-V 4.5 是 MiniCPM-V 系列中最新且功能最强的模型。该模型基于 Qwen3-8B 和 SigLIP2-400M 构建,总参数量为 80 亿。与之前的 MiniCPM-V 和 MiniCPM-o 模型相比,它在性能上有显著提升,并引入了新的实用功能Python00
Spark-Formalizer-X1-7BSpark-Formalizer 是由科大讯飞团队开发的专用大型语言模型,专注于数学自动形式化任务。该模型擅长将自然语言数学问题转化为精确的 Lean4 形式化语句,在形式化语句生成方面达到了业界领先水平。Python00
GOT-OCR-2.0-hf阶跃星辰StepFun推出的GOT-OCR-2.0-hf是一款强大的多语言OCR开源模型,支持从普通文档到复杂场景的文字识别。它能精准处理表格、图表、数学公式、几何图形甚至乐谱等特殊内容,输出结果可通过第三方工具渲染成多种格式。模型支持1024×1024高分辨率输入,具备多页批量处理、动态分块识别和交互式区域选择等创新功能,用户可通过坐标或颜色指定识别区域。基于Apache 2.0协议开源,提供Hugging Face演示和完整代码,适用于学术研究到工业应用的广泛场景,为OCR领域带来突破性解决方案。00
项目优选
收起
deepin linux kernel
C
24
7
Ascend Extension for PyTorch
Python
192
212
本项目是CANN提供的数学类基础计算算子库,实现网络在NPU上加速计算。
C++
650
270
TorchAir 支持用户基于PyTorch框架和torch_npu插件在昇腾NPU上使用图模式进行推理。
Python
296
111
本仓将收集和展示高质量的仓颉示例代码,欢迎大家投稿,让全世界看到您的妙趣设计,也让更多人通过您的编码理解和喜爱仓颉语言。
Cangjie
384
3.69 K
仓颉编译器源码及 cjdb 调试工具。
C++
128
857
Nop Platform 2.0是基于可逆计算理论实现的采用面向语言编程范式的新一代低代码开发平台,包含基于全新原理从零开始研发的GraphQL引擎、ORM引擎、工作流引擎、报表引擎、规则引擎、批处理引引擎等完整设计。nop-entropy是它的后端部分,采用java语言实现,可选择集成Spring框架或者Quarkus框架。中小企业可以免费商用
Java
9
1
React Native鸿蒙化仓库
JavaScript
243
316
本项目是CANN提供的是一款高效、可靠的Transformer加速库,基于华为Ascend AI处理器,提供Transformer定制化场景的高性能融合算子。
C++
66
96
暂无简介
Dart
633
143