程序运算性能测量

定量分析是一切优化过程中最重要的过程之一。在性能优化和分析中，我们如何来描述一段代码的执行效率呢？这里，我将这一过程分为2步。

第一步：我们要找到一个客观的、相对稳定的单位，来描述一个程序的运行时间；

第二步：构造合理的、更接近起初情况的测试用例来进行测量。

这样，最终得到的结果，就是对于一段代码执行效率的客观描述。

一、单位确定

首先，我们要确定下来描述单位。通常来说，时间差被广泛地用做描述计算能力的单位。顾名思议，就是在代码前记下一个时间T1，在执行后记下一个时间T2。然后通过计算∆ = T2 - T1即可得到执行的时长。这种方法方便、快捷，而且也较为准确。它被广泛地用于对计算能力的约束上。如，暴力破解某某密码要几小时等等。相信大家都熟悉下面一段话：

“1976年9月，美国数学家阿佩尔和哈肯利用IBM360计算机工作了1200多个小时，终于证明了四色问题是正确的，轰动了世界。从此四色问题变成了四色定理。”

细心的读者一定已经发现，单纯的“1200多个小时”是不能够描述四色问题的验证过程时间的，它往往要跟上一个前提，在IBM360机器，要求有同型号、子型号、同频率、同批次的CPU，才可以得到相同的结果。那么，是否有更加客观的单位可以描述代码的执行能力呢？这个单位一定符合5个条件。

1）精度高——它不可能比时间精度低，通过gettimeofday得到的时间可以精确至“

”；

2）时间相关——我们可以从它经过计算转换为相对时间：秒；

3）低耦合——尽量不要与CPU的主频等主要参数有过多的关系，换一台机器后它的值变化不会很大；

4）相对稳定——不会导致前后2次测量的变化过大。

CPU时钟周期，我们想到了这个基础单位。它的单位是Tick，对于主流的0.5GHz-2.0GHz的机器上，它分别可以精确至“

”。我们可以将它与CPU主频进行相乘来得到相对时间。对于支持Pipeline、L1/L2 Cache，指令集相同的CPU，它的差别并不大。由于CPU周期是由硬件晶振控制的，在硬件不出故障情况下，它相对稳定。它完全符合精度高、时间相关、低耦合以及相对稳定4个特点。本文后续的讨论将全部基于CPU时间周期来进行讨论。

二、测量方法

我们已经确定了用纳秒级的计量单位“CPU时钟周期”。如何才能获得系统当前的CPU时钟周期呢？INTEL® CPU提供了一个64位的寄存器TSC来存储自开机来的周期值。并可通过指令“rdtsc”将其写入edx:eax。所以，我们可以在代码中插入这样的语句。

#define rdtscll_64(val) do {\
unsigned int __a,__d; \
__asm__ __volatile__("rdtsc" : "=a" (__a), "=d" (__d)); \
(val) = (((unsigned long long)__d)<<32) | (__a); \
} while(0);

通过调用rdtscll即可以得到64位的CPU时钟周期数。

三、测量误差

在了解测量方法之后，同样我们要了解到这个测量方法在哪些情况下会产生误差。

从TSC本身来说，最常见的误差便是多核的影响。CPU并不会对多个核的tsc进行同步，所以，我们首先要保证测量过程是在同一个核上进程的。如果被测代码段执行过程中存在进程切换，则测量值一定不会很准。所以如果我们在测量的过程中要保证被测量函数不要进行进程切换。也就是说如果被测函数有异步IO调用，我们则需要将进程绑定在一个核上。

由于cache的存在，导致我们在对访问密集型的代码进行测量的时候，前后2次测量的结果可能相差5-10倍，所以当我们希望获得单次非cache内内存获得开销的时候，我们需要需要取构造一个复杂的case。

时下非常流行的虚拟机技术也会影响测量的结果，因为有些虚拟机自己模拟了这个TSC这样我们拿到的值就是物理机硬件的tsc。因为在对虚拟机进行统计的时候需要关注它是如何获得TSC的。

当然，TSC本身也是有开销的，虽然它很小。大概在20-40个周期。

四、基本操作测量

1. 连续内存写操作

非常简单，只要memset一个大内存就OK了

2. 随机内存写操作

我们需要构造一个大的block_list，每2个相信节点间的距离都要大于 cache大小，且并不相等，前、后关系也不尽相同。同时，我们通过 memset一个和cache相同大小的buff来清空cache。便可以测量出随机内存写操作的开销。

3. 一些基本操作的开销

操作	平均周期数	操作	平均周期数
连续内存访问(4byte)	10	浮点数值运算（+、-、*)	10-12
随机内存访问(4byte)	208	浮点数值运算（/）	14
整数数值运算	7	系统随机	46
		三角函数（sin/cos）	135

五、范例：函数耗时分析

测试使用的CPU信息如下：





范例分别用CTscStat和CTimeStat类来测量funcA，funcB和funcC，用usleep来模拟真实函数的耗时。

代码说明：

#include <unistd.h>
#include <stdlib.h>
#include <stdio.h>
#include <string.h>
#include <errno.h>
#include <fcntl.h>
#include <sys/time.h>
#include <string>
#include <vector>
#include <stdint.h>

#define rdtscll_64(val) do {\
unsigned int __a,__d; \
__asm__ __volatile__("rdtsc" : "=a" (__a), "=d" (__d)); \
(val) = (((unsigned long long)__d)<<32) | (__a); \
} while(0);

class CTscStat
{
public:
CTscStat(const std::string& sCallerName)
: m_sCallerName(sCallerName)
{
rdtscll_64(m_start);
rdtscll_64(m_lastcall);
}

~CTscStat()
{
uint64_t end;
rdtscll_64(end);
uint64_t totalConsumeTsc = end - m_start;
printf("TscStat---TOTAL:func=[%s] tsc_cost=[%lu]\n", m_sCallerName.c_str(), totalConsumeTsc);
}

void AddCall(const std::string& sCall)
{
AddCall(sCall, GetTscSub());
}

private:
void AddCall(const std::string& sCallerName, uint64_t consumeTsc)
{
printf("TscStat---SubCall:func=[%s] sub_func=[%s] tsc_cost=[%lu]\n",
m_sCallerName.c_str(), sCallerName.c_str(), consumeTsc);
rdtscll_64(m_lastcall);
}

uint64_t GetTscSub()
{
uint64_t now;
rdtscll_64(now);

return now - m_lastcall;
}

private:
struct SCall
{
std::string sCallerName;
uint64_t    consumeTsc;
};

private:
std::string         m_sCallerName;  // 统计接口
std::vector<SCall>  m_vecCall;      // 请求列表

uint64_t            m_start;        // 开始TSC
uint64_t            m_lastcall;     // 上次TSC
};

#define TSC_START(sCn) CTscStat oTscS(sCn);
#define TSC_APICALL(API) \
do { \
oTscS.AddCall(API); \
} while(0)

class CTimeStat
{
public:
CTimeStat(const std::string& sCallerName)
: m_sCallerName(sCallerName)
{
gettimeofday(&m_start, 0);
gettimeofday(&m_lastcall, 0);
}

~CTimeStat()
{
struct timeval end;
struct timeval subresult;

gettimeofday(&end, 0);
timersub(&end, &m_start, &subresult);
uint32_t dwTotalConsumeTime = subresult.tv_sec * 1000 + subresult.tv_usec / 1000;

printf("TimeStat---TOTAL:func=[%s] time_cost=[%u]\n", m_sCallerName.c_str(), dwTotalConsumeTime);
}

void AddCall(const std::string& sCall)
{
AddCall(sCall, GetTimeSub());
}

private:
void AddCall(const std::string& sCallerName, uint32_t dwConsumeTime)
{
printf("TimeStat---SubCall:func=[%s] sub_func=[%s] time_cost=[%u]\n",
m_sCallerName.c_str(), sCallerName.c_str(), dwConsumeTime);
gettimeofday(&m_lastcall, 0);
}

uint32_t GetTimeSub()
{
struct timeval now;
struct timeval subresult;
gettimeofday(&now, 0);

timersub(&now, &m_lastcall, &subresult);

return subresult.tv_sec * 1000 + subresult.tv_usec / 1000;
}

private:
struct SCall
{
std::string sCallerName;
uint32_t    dwConsumeTime;
};

private:
std::string         m_sCallerName;  // 统计接口
std::vector<SCall>  m_vecCall;      // 请求列表

struct timeval      m_start;        // 开始时间
struct timeval      m_lastcall;     // 上次请求时间
};

#define TS_START(sCn) CTimeStat oTimeS(sCn);
#define TS_APICALL(API) \
do { \
oTimeS.AddCall(API); \
} while(0)

void funcA()
{
usleep(1000); // 1ms
}

void funcB()
{
usleep(100000); // 100ms
}

void funcC()
{
sleep(1); // 1s
}

void TestTsc()
{
TSC_START("TestTsc");
funcA();
TSC_APICALL("funcA");
funcB();
TSC_APICALL("funcB");
funcC();
TSC_APICALL("funcC");
}

void TestTime()
{
TS_START("TestTsc");
funcA();
TS_APICALL("funcA");
funcB();
TS_APICALL("funcB");
funcC();
TS_APICALL("funcC");
}

int main(int argc, char** argv)
{
////////// tsc ///////////
TestTsc();

///////// time ///////////
TestTime();

return 0;
}

结果说明：

[root@rocket linux_programming]# ./module_perform

TscStat---SubCall:func=[TestTsc] sub_func=[funcA] tsc_cost=[6391184]

TscStat---SubCall:func=[TestTsc] sub_func=[funcB] tsc_cost=[362433912]

TscStat---SubCall:func=[TestTsc] sub_func=[funcC] tsc_cost=[3595441050]

TscStat---TOTAL:func=[TestTsc] tsc_cost=[3964662011]

TimeStat---SubCall:func=[TestTsc] sub_func=[funcA] time_cost=[2]

TimeStat---SubCall:func=[TestTsc] sub_func=[funcB] time_cost=[100]

TimeStat---SubCall:func=[TestTsc] sub_func=[funcC] time_cost=[1000]

TimeStat---TOTAL:func=[TestTsc] time_cost=[1104]

可以看到，当sleep 1ms的时候，测试结果与预期有较大差距，这个跟系统的精度有关。

当sleep 1s 和100ms的时候用Tsc测量的结果分别是主频和主频的1/10。