用 B.Loop 正确排除一次性初始化开销
我在给一段哈希代码补基准测试时,最容易先写出的是 for i := 0; i 。这段写法本身没有错,但只要每轮测量前还要准备输入、分配缓冲区或建立对象,初始化成本就可能和被测操作混在一起。Go 1.24 引入的 testing.B.Loop 给了更清晰的边界:把一次性准备放在第一次 b.Loop() 之前,循环体只保留真正想测的调用,循环结束后的清理也不计入结果。
B.Loop需要 Go 1.24 及以上工具链,写法必须是for b.Loop() { ... }。- 循环第一次进入时会重置计时器,循环返回
false时会停止计时;初始化和清理应放在循环外。 - 不要在同一个基准里同时使用
b.Loop和b.N,需要并行场景时仍使用RunParallel。
先把基准测试拆成三块
一个可读的基准通常有三个区域:准备输入、执行被测操作、释放资源。下面用计算 SHA-256 作为小项目的目标,只是为了让“初始化一次、计算多次”的关系足够明显。输入构造、填充随机数据等动作属于准备区,不应该因为基准框架为了达到稳定测量时长而被反复计数。

把一次性输入放到 B.Loop 之前
核心写法是让 input := buildInput() 位于循环之前,并让 hashBlock(input) 成为循环内唯一的主要工作。B.Loop 首次调用会重置计时器,因此准备输入不会进入计时;它返回 false 后计时器停止,循环后的资源回收也不会污染结果。
package loopbench
import (
"crypto/sha256"
"testing"
)
func buildInput() []byte {
// 这份输入只创建一次,避免把准备成本算进每次哈希。
data := make([]byte, 128
这里的 _ = hashBlock(input) 不是多余写法。官方文档说明,B.Loop 循环体内的函数调用参数、返回值和赋值变量会被保持存活,降低编译器把无副作用调用完全优化掉的风险。它解决的是“基准循环被优化”的边界,不代表所有外部副作用都能自动变成可靠测量;如果被测函数本身依赖时钟、网络或共享状态,仍要单独设计隔离方案。
不要把 b.N、清理和并行模型混在一起
旧式 b.N 基准依赖测试框架多次调用基准函数,再调整 N 以获得足够长的测量时间,所以昂贵准备可能随调用重复发生。迁移到 B.Loop 时,应删除显式的 b.N 循环,而不是在外面再套一层。两种写法也不要放在同一个基准函数里,否则读者很难判断计时边界。
| 代码位置 | 适合放什么 | 是否计入目标耗时 |
|---|---|---|
| 第一次 B.Loop 之前 | 输入构造、解析固定配置、创建只读对象 | 不计入 |
| for b.Loop() 内 | 一次要比较的函数调用或算法操作 | 计入 |
| 循环返回 false 之后 | 关闭文件、释放连接、清理临时资源 | 不计入 |

用 go test 检查测量对象
把代码放进以 _test.go 结尾的文件后,可以用下面的命令只跑目标基准,并同时输出分配统计:
# 只运行目标基准,并显示每次操作的分配信息 go test -run '^$' -bench '^BenchmarkHashPreparedInput$' -benchmem ./...
如果项目仍需支持 Go 1.23 或更早工具链,不能直接调用 B.Loop;可以保留旧式 b.N 写法,并用 b.ResetTimer() 把准备阶段排除在计时外。升级到 Go 1.24 后再迁移时,优先检查三点:循环条件是否精确写成 b.Loop()、循环体是否真的只包含被测操作、旧的 b.N 是否已经移除。
常见问题
B.Loop 能不能和 b.N 一起使用?
不建议。一个基准选择一种迭代模型即可;B.Loop 已经负责循环次数和计时边界,混用会让测量语义变得不清楚。
准备阶段很慢,为什么仍然要放在循环前?
因为标题关注的是被测操作的开销。若准备阶段本来就是业务目标的一部分,应把它写成另一个独立基准,而不是把两种成本悄悄相加。
B.Loop 适合并行基准吗?
并行场景继续使用 b.RunParallel 与 pb.Next()。B.Loop 的优势是顺序基准的迭代和计时管理,不会替代并行基准的工作分配模型。
把一次性初始化、循环体和清理拆开后,B.Loop 的价值不只是少写一个计数变量,而是让基准结构直接表达“测什么”。先确认工具链版本,再让循环体只承载目标调用,最后用 go test -benchmem 查看结果,迁移后的数据才有可解释性。
Redis LFU 淘汰中的计数衰减参数怎样理解
- 上一篇
- Redis LFU 淘汰中的计数衰减参数怎样理解
- 下一篇
- Postman 如何用变量范围隔离测试与生产环境
-
- Golang · Go教程 | 21分钟前 | 缓存 · 内存管理 · Go教程 · Go 垃圾回收 weak.Pointer 元数据缓存
- 用 weak.Pointer 构建可自动失效的元数据缓存
- 118浏览 收藏
-
- Golang · Go教程 | 39分钟前 |
- Go weak 指针如何实现不阻止回收的对象索引
- 242浏览 收藏
-
- Golang · Go教程 | 1小时前 |
- B.Loop 基准测试怎样比较不同缓冲区大小
- 444浏览 收藏
-
- Golang · Go教程 | 1小时前 | go · testing · 基准测试 Go benchmark b.N testing.B.Loop
- testing.B.Loop 如何重写旧式基准测试循环
- 315浏览 收藏
-
- Golang · Go教程 | 2小时前 | web安全 · Go教程 · net/http · CSRF防护 Go CrossOriginProtection AddTrustedOrigin 可信子域 跨源写请求
- 为可信子域配置 CrossOriginProtection 放行规则
- 467浏览 收藏
-
- Golang · Go教程 | 2小时前 | Go net/http csrf CrossOriginProtection 表单接口
- Go CrossOriginProtection 如何保护表单写接口
- 245浏览 收藏
-
- Golang · Go教程 | 3小时前 | go · 插件 · 文件系统 · 路径遍历 符号链接 os.OpenRoot Go os.Root 插件文件读取 目录边界
- os.Root 怎样为插件读取建立目录边界
- 104浏览 收藏
-
- Golang · Go教程 | 3小时前 | go · 文件上传安全 tar.gz Go os.Root 归档展开 Zip Slip
- 用 os.Root 安全展开用户上传的归档文件
- 441浏览 收藏
-
- Golang · Go教程 | 3小时前 |
- Go os.Root 如何把文件操作限制在上传目录内
- 200浏览 收藏
-
- Golang · Go教程 | 4小时前 | uuid · Go教程 · 输入校验 · uuid.Parse Go uuid包 UUID请求校验 Go HTTP参数校验 UUID Nil校验
- 用 uuid 包校验外部请求中的标识符
- 290浏览 收藏
-
- 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
- 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
- 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
- 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
- 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
-
- 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。
- 386次使用
-
- 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。
- 468次使用
-
- 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。
- 475次使用
-
- 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。
- 415次使用
-
- 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。
- 241次使用
-
- Java 性能优化上线清单:从定位、改造到灰度发布
- 2026-06-11 860浏览
-
- Spring Boot 压测验证:Gatling、JMeter 与性能回归门禁
- 2026-06-11 843浏览
-
- Java NMT 非堆内存排查:Direct Buffer、线程栈与 Metaspace 分析
- 2026-06-11 826浏览
-
- Spring Boot 容器内存优化:JVM 堆、非堆与 MaxRAMPercentage
- 2026-06-11 809浏览
-
- Tomcat 连接与线程参数调优:maxThreads、acceptCount 与 KeepAlive
- 2026-06-11 792浏览

