如何估计c++程序中的性能单元

how to estimate a performance unit in a c++ program

本文关键字：性能 单元 程序 何估计 c++      更新时间：2023-10-16

我的意思是，为了衡量某些算法的性能，我需要用一些单位来衡量。所以，基本上，如果我忽略对象的声明和定义，只考虑操作，你会如何估计每个操作在运行时消耗的时间？。

在c++11中有std::chrono库（请参阅std:：chrono）。否则，您可以使用boost::chrono（请参阅boost:：chrono）。这2个是非常基本的时间测量库，您可以从中开始。

EDIT：在c++0x中，您有clock()函数，但正如注释部分所述，这不是一个非常准确的测量值。此外，大多数平台还为时间相关操作提供某种API。

如何衡量绩效取决于环境。首先，您需要比较足够大和足够多样化的样本数据的性能。足够大意味着它至少可以在几秒钟内测量。足够多样化意味着它可以统一地或单独地覆盖所有运行场景的重复（您至少应该知道样本数据代表什么）。

对于足够简单的情况，您要做的第一件事是将算法划分为尽可能多的段，让我们称之为A_1,...,A_N（或者A_1...A_N是同一问题的不同解决方案，这个概念仍然适用）。您要做的是在相同的样本数据上测量每个分区所花费的时间。在伪代码中：

times <- (0,...,0) //vector of size N
for each input in sample data:
    start = now()
    //Run A_1 on input
    end = now()
    times[1] <- times[1] + (end-start)
    ...
    ...
    ...
    start = now()
    //Run A_N on input
    end = now()
    times[N] <- times[N] + (end-start)

在这次运行结束时，您会得到一个时间向量，它显示您在每个元素上花费了多少时间这是最基本的方法。但剖析的关键要素是：剖析青蛙有很多方法。您还可以查看您在一个特定操作上花费了多少时间，该操作可以从算法的许多分区调用。你可以选择查看加载/存储操作的数量、缓存性能等。变化很多，巨大的回报往往来自意想不到的来源（至少对粗心的观察者来说是这样）。

对于更高级的评测，您可以使用第三方评测框架（一些IDE具有内置的评测功能）。

在现代机器上，它在很大程度上取决于上下文。大多数指令将在单个时钟中执行；在一些机器上，每个时钟甚至可以得到几个指令。另一方面，内存访问时间可能会有很大差异，这取决于访问的位置是在缓存中、在主内存中还是交换出去；如果操作系统必须访问磁盘才能映射内存，那么访问时间是毫秒，就好像数据在顶级缓存中一样，它几乎是即时的。（换句话说，我们谈论的是100皮秒，而不是10毫秒。）这就是为什么你会听到这么多关于局部性的消息。

衡量性能的方法有很多，"正确"的方法在很大程度上取决于您实际在做什么。通常，确定性能的简单方法只是让应用程序做它通常做的事情，然后测量时间——如果时间足够长，只需使用秒表（例如手机应用程序、实际手表上的功能或类似功能）就可以了。对于较短的时间段，您可能需要其他方法——一直到使用"CPU时钟周期"和CPU本身的"TSC"时间戳计数器。

如果它只需要很短的时间，但你的应用程序会做很多，那么多次运行相同的代码。

对于其他应用程序，因为所花费的时间并不是真正用于使用CPU时钟周期，所以会变得更困难——例如，如果应用程序的一部分正在读取某个大文件，那么所使用的CPU时间可能只有2-3%，其余时间则用于等待硬盘从其中的实际磁盘中获取数据。

如果应用程序使用网络，那么CPU可能只使用1GB网络链路上发送数据包所需时间的百分之几。

数据的类型以及数据的组织、排序和使用方式也很重要。如果从已经排序的源中插入要排序的内容，它的执行方式可能与未排序的项目列表完全不同——令人惊讶的是，它可能更好，也可能更差，这取决于数据的存储/排序方式。

"查看代码"并确定其性能可能相当困难。除了"代码看起来像什么"之外，还有很多其他因素会影响它

如果您有一个可用的现有应用程序，那么衡量它的性能，并使用评测软件来查看在哪里花费了多少时间是一个好的计划。

所有这些答案的测量都取决于运行算法的硬件。如果你想对算法的复杂程度进行通用测量，你应该执行大O和大Omega分析。

如果你对此有更多的问题，请告诉我，但根据你的问题标题，你应该寻找算法执行的指令数量，作为其数据输入的函数，而不是基于特定硬件来衡量性能。

相关文章：