当前位置:首页 > 文章列表 > Golang > Go问答 > 不一致:Go 基准测试中的 ns/op 和运行时

不一致:Go 基准测试中的 ns/op 和运行时

来源:stackoverflow 2024-03-24 20:42:45 0浏览 收藏

在 Go 基准测试中,ns/op(纳秒每操作)和运行时之间存在差异。本文探讨了这种不一致,解释了为什么使用软件库的基准测试比原生 Go 代码慢 1200 倍的 ns/op,而运行时间却只慢 2 倍。

问题内容

我正在对我在 go 中创建的软件库进行基准测试,我遇到了运行时和 ns/op 之间的不一致。我是基准测试的新手,go 的文档和过去的 stackoverflow 问题在概念上并没有深入地涵盖基准测试,因此我正在寻找比我有更多概念知识的人来帮助我(以及处于类似困境的其他 stackoverflow 用户)了解究竟发生了什么。

使用本机 go 执行的任务的基准测试输出:

1000000000               0.6136 ns/op          0 b/op          0 allocs/op
pass
ok      github.com/gabetucker2/gostack/benchmark        0.862s

使用我的软件库执行的同一任务的基准测试输出:

1576087               805.3 ns/op           544 b/op         21 allocs/op
pass
ok      github.com/gabetucker2/gostack/benchmark        2.225s

注意两件事:

  • 我的软件库的 ns/op 比原生 go 的 ns/op 慢大约 1200 倍
  • 我的软件库的运行时间比原生 go 的运行时间慢大约 2 倍

对我来说,我的软件库中的一个非常简单的函数应该比原生 go 代码慢 1200 倍,这似乎是不可能的,而且似乎更合理的是,它只慢了 2 倍……所以这里到底发生了什么?

以防万一它有用,这里是正在调用的基准函数:

func test_Native_CreateArray() {

    myArr := []int {1, 2, 3}
    
    gogenerics.RemoveUnusedError(myArr)

}

func test_Gostack_CreateArray() {

    myStack := MakeStack([]int {1, 2, 3})
        
    gogenerics.RemoveUnusedError(myStack)

}

// native Go
func Benchmark_Native_CreateArray(b *testing.B) {
    for i := 0; i < b.N; i++ {
        test_Native_CreateArray()
    }
}
// my software library "gostack"
func Benchmark_Gostack_CreateArray(b *testing.B) {
    for i := 0; i < b.N; i++ {
        test_Gostack_CreateArray()
    }
}

如有任何澄清,我们将不胜感激。


正确答案


第一个函数以 0.61ns/op 的速度运行了 1_000_000_000 次,占总运行时间的 0.61 秒,总运行时间为 0.862 秒。

第二个函数以 805ns/op 运行了 1_576_087 时间,这大约需要 2.225 秒中的 1.26875 秒。强制第二个函数运行 1_000_000_000 次应该最终会产生大约 805 秒 + 开销。

理论要掌握,实操不能落!以上关于《不一致:Go 基准测试中的 ns/op 和运行时》的详细介绍,大家都掌握了吧!如果想要继续提升自己的能力,那么就来关注golang学习网公众号吧!

版本声明
本文转载于:stackoverflow 如有侵犯,请联系study_golang@163.com删除
掌握Python Pandas,提升数据处理技能!掌握Python Pandas,提升数据处理技能!
上一篇
掌握Python Pandas,提升数据处理技能!
什么时候在golang API中使用上下文取消方法
下一篇
什么时候在golang API中使用上下文取消方法
查看更多
最新文章
查看更多
课程推荐
  • 前端进阶之JavaScript设计模式
    前端进阶之JavaScript设计模式
    设计模式是开发人员在软件开发过程中面临一般问题时的解决方案,代表了最佳的实践。本课程的主打内容包括JS常见设计模式以及具体应用场景,打造一站式知识长龙服务,适合有JS基础的同学学习。
    543次学习
  • GO语言核心编程课程
    GO语言核心编程课程
    本课程采用真实案例,全面具体可落地,从理论到实践,一步一步将GO核心编程技术、编程思想、底层实现融会贯通,使学习者贴近时代脉搏,做IT互联网时代的弄潮儿。
    516次学习
  • 简单聊聊mysql8与网络通信
    简单聊聊mysql8与网络通信
    如有问题加微信:Le-studyg;在课程中,我们将首先介绍MySQL8的新特性,包括性能优化、安全增强、新数据类型等,帮助学生快速熟悉MySQL8的最新功能。接着,我们将深入解析MySQL的网络通信机制,包括协议、连接管理、数据传输等,让
    500次学习
  • JavaScript正则表达式基础与实战
    JavaScript正则表达式基础与实战
    在任何一门编程语言中,正则表达式,都是一项重要的知识,它提供了高效的字符串匹配与捕获机制,可以极大的简化程序设计。
    487次学习
  • 从零制作响应式网站—Grid布局
    从零制作响应式网站—Grid布局
    本系列教程将展示从零制作一个假想的网络科技公司官网,分为导航,轮播,关于我们,成功案例,服务流程,团队介绍,数据部分,公司动态,底部信息等内容区块。网站整体采用CSSGrid布局,支持响应式,有流畅过渡和展现动画。
    485次学习
查看更多
AI推荐
  • PubMedQA数据集详解:生物医学问答基准、功能与应用指南
    PubMedQA
    深入了解PubMedQA生物医学问答数据集,涵盖其核心功能、使用方法及在临床决策、药物研发等场景的应用,助力提升NLP模型性能。
    324次使用
  • H2O EvalGPT:开源LLM大模型评估与排行榜工具
    H2O EvalGPT
    H2O EvalGPT是H2O.ai推出的开源LLM评估平台,提供详细的大模型性能排行榜、行业特定基准测试及A/B测试功能,助您快速选择最适合项目的高性能大语言模型。
    378次使用
  • LMArena是什么?伯克利AI模型评估平台使用指南与功能解析
    LMArena
    LMArena是加州大学伯克利分校推出的AI模型匿名评测平台。通过盲测投票机制,用户可对比不同大模型回答并生成实时排行榜,助力开发者优化模型及用户选择最佳AI工具。
    375次使用
  • 斯坦福HELM:大语言模型Holistic Evaluation整体评估框架详解
    HELM
    深入了解斯坦福推出的HELM(Holistic Evaluation of Language Models)大模型评测体系。本文解析其核心功能、安装配置步骤及应用场景,涵盖准确性、公平性、鲁棒性等多维度指标,助力开发者全面优化语言模型性能。
    338次使用
  • MMBench详解:多模态大模型基准测试、功能特点与使用指南
    MMBench
    MMBench是由上海人工智能实验室等机构联合推出的多模态基准测试平台,提供细粒度能力评估、大规模数据集及VLMEvalKit工具。本文详细介绍其核心功能、安装使用方法及应用场景,助力开发者全面评估多模态模型性能。
    164次使用
微信登录更方便
  • 密码登录
  • 注册账号
登录即同意 用户协议 和 隐私政策
返回登录
  • 重置密码