当前位置:首页 > 文章列表 > Golang > Go问答 > Go 基准测试怎样排除初始化时间

Go 基准测试怎样排除初始化时间

来源:17golang原创 2026-11-16 15:33:57 0浏览 收藏

Go 使用 b.N 编写基准测试时,把共享初始化放在循环前,并在初始化结束后调用 b.ResetTimer(),就能排除此前累计的时间与分配计数。每轮都需要做的输入准备,则用 b.StopTimer() 和 b.StartTimer() 包住准备代码。关键是先说明你想测的是核心操作,还是“准备加操作”的完整成本。

官方文档:https://pkg.go.dev/testing

先确定一次操作包含什么

例如要比较排序函数,每轮开始前都需要一份未排序数据。如果把复制和排序一起计时,得到的是“复制加排序”的成本;如果停止计时再复制,得到的才更接近给定输入状态下的排序成本。两种写法都可以成立,但文章、函数名和报告必须使用同一种口径。

这里采用两个具体目标:大块文本的共享输入不计入转换操作;排序的输入复位也不计入排序操作。排除准备时间不代表消除了准备对缓存、堆和垃圾回收的影响,也不会缩短整个测试进程实际需要的时间。

共享初始化后调用 ResetTimer

对已有 for i := 0; i 基准,最小改法是把 b.ResetTimer() 放在最后一项共享准备之后、测量循环之前。不要把它放进每轮循环,否则前面各轮累计的数据会反复被清零。

// data 的构造属于共享准备,这里只测量 convert。
data := prepareData()
b.ResetTimer()
for i := 0; i 

上面是放置位置的示意片段,prepareData、convert 和 result 需要替换为你的项目对象。后面给出可以单独保存的完整例子。采用 b.N 时,框架可能为了确定迭代次数而多次调用基准函数,因此“共享初始化一次”指每次函数调用中的一次,并非整个命令只执行一次。

共享准备、转换操作和基准计数器之间的静态关系
图1:计量范围结构图。共享准备与被测转换分组说明测量口径,ResetTimer 对应累计时间和分配计数的重置;连线表示归属关系,不表示执行时间线。

每轮准备使用 StopTimer 和 StartTimer

需要恢复输入、清空容器或重新构造测试夹具时,把这些代码放在停表区,再用 b.StartTimer() 恢复计量。不要为了排除一次准备就调用 ResetTimer:暂停保留此前各轮的累计结果,重置则丢弃它们。

排序尤其容易写错:同一个切片反复排序,后续各轮面对的已经是有序数据。完整例子通过 copy(work, seed) 恢复输入,以同一种未排序状态测量。复制仍然真实执行;它的访存和缓存影响仍可能改变排序的表现,不能据此宣称获得了“完全隔离”的算法耗时。

对于极短操作,每轮切换计时器可能让实际运行很慢,也会扰动环境。可以考虑把多个独立样本组成一批再计时,但此时一次迭代对应一批,必须重新解释 ns/op,不能把整批数据直接当作单次操作。只测核心算法是否符合线上场景,也应先判断清楚。

报告指标时别把清零当暂停

方法或指标在本文中的含义容易误解的地方
ResetTimer清零累计时间、分配计数和用户报告指标不改变计时器是否正在运行
StopTimer / StartTimer暂停与恢复计量停止后调用 ResetTimer 不会自动开表
ns/op被计量的总耗时除以迭代数不是整个 go test 命令的墙钟时间
B/op、allocs/op被计量的分配字节与分配次数的每轮统计不是对象当前占用的内存,也不是内存峰值
SetBytes声明每轮处理的字节数,辅助报告吞吐量不会自动识别输入大小

如果代码已经在初始化前调用 StopTimer,初始化后应调用 StartTimer;仅仅 ResetTimer 会让计时器继续保持停止状态。自定义 b.ReportMetric 指标也应在最后一次 ResetTimer 之后报告,通常在循环结束后依据累计业务计数计算,避免刚报告就被清除。

计量控制、累计统计与每操作指标之间的静态关系
图2:指标关系结构图。重置、暂停和恢复属于计量控制;累计时间、分配统计与迭代数是理解每操作指标的依据。图中不包含运行数据。

完整示例与运行方法

在已有 Go 模块中新建独立目录,把下列代码保存为 benchmark_test.go。两个基准各自定义测量范围:一个排除共享输入生成,一个额外排除每轮输入复制。包级变量仅用于保留串行基准结果;不要原样搬到多个 goroutine 同时写入的场景。

package benchdemo

import (
    "bytes"
    "sort"
    "testing"
)

var encodedSink []byte
var sortedSink int

func BenchmarkBufferEncode(b *testing.B) {
    // 共享输入只准备一次;初始化分配不计入后面的测量。
    input := bytes.Repeat([]byte("go"), 4096)
    b.ReportAllocs()
    b.SetBytes(int64(len(input)))
    b.ResetTimer()

    for i := 0; i 

BenchmarkBufferEncode 的 bytes.ToUpper 包括它自身返回结果的分配,这正属于被测操作。BenchmarkSortOnly 则复用工作区并排除复制成本。代码不保证某个固定的耗时或分配数,具体报告由你的工具链、机器和实际执行决定。

# 在 benchmark_test.go 所在目录运行,只选择这两个基准并显示分配统计。
go test -run='^$' -bench='^(BenchmarkBufferEncode|BenchmarkSortOnly)$' -benchmem -count=3

查看报告时先确认两项基准均出现,再分别解读它们的 ns/op 与内存指标;两个基准解决不同任务,不能直接比较数值并宣布某个算法更快。多次报告有波动时,先保持相同工具链、输入规模与系统负载,再比较同一个基准的代码改动。

常见问题

Go 1.24 及之后能否用 b.Loop 排除初始化?

可以。b.Loop 从 Go 1.24 提供,首次调用会重置计时器,返回 false 时会停表,因此循环前准备和循环后清理不计入测量。新基准可优先采用它;本文的 b.N 写法便于维护已有测试和兼容旧工具链。同一个基准不要混合两套循环方式。循环内的准备仍需按你定义的测量范围处理。

排除初始化以后,初始化分配就不存在了吗?

不会。准备工作仍发生,只是相应统计被排除或重置。准备阶段保留的对象仍可能占用堆内存;B/op 不代表整个进程内存消耗。

RunParallel 内能否用同样的方法停表?

不要在 RunParallel 的并行回调中调用 StartTimer、StopTimer 或 ResetTimer,它们影响整个基准。并行场景需要重新设计共享与每个 worker 的准备范围,不能把串行循环的停表代码直接塞进去。

需要进一步确认语义时,可复制官方方法文档地址:https://pkg.go.dev/testing#B.ResetTimer、https://pkg.go.dev/testing#B.StopTimer、https://pkg.go.dev/testing#B.Loop。

版本声明
本文转载于:17golang原创 如有侵犯,请联系study_golang@163.com删除
Go test -failfast 的首个失败与并行用例处理方案Go test -failfast 的首个失败与并行用例处理方案
上一篇
Go test -failfast 的首个失败与并行用例处理方案
Go TestMain 怎样统一准备和清理测试环境
下一篇
Go TestMain 怎样统一准备和清理测试环境
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。
    1051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。
    1048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。
    1209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。
    1156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。
    1000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