内容简介:之前发布非常感谢 “wxe” 网友的提问,让我在测试过程中发现一个之前我们优化了两个部分,
之前发布 【Go】优雅的读取http请求或响应的数据续 文章,网友 “wxe” 咨询:“优化前后的请求耗时变化有多大”,之前只分析了内存分配,这篇文章用单元测试的方式分析优化前后的耗时情况, 本文源码 。
非常感谢 “wxe” 网友的提问,让我在测试过程中发现一个 json
序列化的问题。
之前我们优化了两个部分, json
与 ioutil.ReadAll
, 先对比 ioutil.ReadAll
, 这里测试的代码分成两个部分做对比,一部分单纯对比 ioutil.ReadAll
和 io.Copy
+ sync.Pool
,另一部分增加 jsoniter.Unmarshal
来延迟 pool.Put(buffer)
的执行, 源码 。
package iouitl_readall import ( "bytes" "io" "io/ioutil" "sync" jsoniter "github.com/json-iterator/go" ) var pool = sync.Pool{ New: func() interface{} { return bytes.NewBuffer(make([]byte, 4096)) }, } func IoCopyAndJson(r io.Reader) error { buffer := pool.Get().(*bytes.Buffer) buffer.Reset() defer pool.Put(buffer) res := Do(r) _, err := io.Copy(buffer, res) if err != nil { return err } m := map[string]string{} err = jsoniter.Unmarshal(buffer.Bytes(), &m) return err } func IouitlReadAllAndJson(r io.Reader) error { res := Do(r) data, err := ioutil.ReadAll(res) if err != nil { return err } m := map[string]string{} err = jsoniter.Unmarshal(data, &m) return err } func IoCopy(r io.Reader) error { buffer := pool.Get().(*bytes.Buffer) buffer.Reset() defer pool.Put(buffer) res := Do(r) _, err := io.Copy(buffer, res) if err != nil { return err } return err } func IouitlReadAll(r io.Reader) error { res := Do(r) data, err := ioutil.ReadAll(res) if err != nil { return err } _ = data return err }
测试代码如下 源码 :
package iouitl_readall import ( "bytes" "testing" ) var data = bytes.Repeat([]byte("ABCD"), 1000) func BenchmarkIouitlReadAll(b *testing.B) { b.RunParallel(func(pb *testing.PB) { for pb.Next() { err := IouitlReadAll(bytes.NewReader(data)) if err != nil { b.Error(err.Error()) } } }) } func BenchmarkIoCopy(b *testing.B) { b.RunParallel(func(pb *testing.PB) { for pb.Next() { err := IoCopy(bytes.NewReader(data)) if err != nil { b.Error(err.Error()) } } }) } func BenchmarkIouitlReadAllAndJson(b *testing.B) { b.RunParallel(func(pb *testing.PB) { for pb.Next() { err := IouitlReadAllAndJson(bytes.NewReader(data)) if err != nil { b.Error(err.Error()) } } }) } func BenchmarkIoCopyAndJson(b *testing.B) { b.RunParallel(func(pb *testing.PB) { for pb.Next() { err := IoCopyAndJson(bytes.NewReader(data)) if err != nil { b.Error(err.Error()) } } }) }
测试结果如下:
goos: darwin goarch: amd64 pkg: github.com/thinkeridea/example/iouitl_readall BenchmarkIouitlReadAll-8 500000 2752 ns/op 14496 B/op 6 allocs/op BenchmarkIoCopy-8 20000000 65.2 ns/op 48 B/op 1 allocs/op BenchmarkIouitlReadAllAndJson-8 100000 20022 ns/op 46542 B/op 616 allocs/op BenchmarkIoCopyAndJson-8 100000 17615 ns/op 32102 B/op 611 allocs/op
结论:
可以发现 IoCopy
方法是 IouitlReadAll
方法效率的 40 倍,内存分配也很少,而 IoCopyAndJson
和 IouitlReadAllAndJson
的效率差异极小仅有 2407ns
,大约是 1.13倍,不过内存分配还是少了很多的,为什么会这样呢,这就是 sync.Pool
的导致的, sync.Pool
每次获取使用时间越短,命中率就越高,就可以减少创建新的缓存,这样效率就会大大提高,而 jsoniter.Unmarshal
很耗时,就导致 sync.Pool
的命中率降低了,所以性能下降极其明显.
使用 io.Copy
+ sync.Pool
表面上执行效率不会有很大提升,但是会大幅度减少内存分配,从而可以减少 GC
的负担,在单元测试中我们并没有考虑 GC
的问题,而 GC
能带来的性能提升会更有优势。
在看一下 json
使用 sync.Pool
的效果吧 源码
package iouitl_readall import ( "bytes" "encoding/json" jsoniter "github.com/json-iterator/go" ) func Json(r map[string]string) error { data, err := json.Marshal(r) if err != nil { return err } _ = data return nil } func JsonPool(r map[string]string) error { buffer := pool.Get().(*bytes.Buffer) buffer.Reset() defer pool.Put(buffer) e := json.NewEncoder(buffer) err := e.Encode(r) if err != nil { return err } return nil } func JsonIter(r map[string]string) error { data, err := jsoniter.Marshal(r) if err != nil { return err } _ = data return nil } func JsonIterPool(r map[string]string) error { buffer := pool.Get().(*bytes.Buffer) buffer.Reset() defer pool.Put(buffer) e := jsoniter.NewEncoder(buffer) err := e.Encode(r) if err != nil { return err } return nil }
性能测试代码 源码 :
package iouitl_readall import ( "strconv" "strings" "testing" ) var request map[string]string func init() { request = make(map[string]string, 100) for i := 0; i < 100; i++ { request["X"+strconv.Itoa(i)] = strings.Repeat("A", i/2) } } func BenchmarkJson(b *testing.B) { b.RunParallel(func(pb *testing.PB) { for pb.Next() { err := Json(request) if err != nil { b.Error(err.Error()) } } }) } func BenchmarkJsonIter(b *testing.B) { b.RunParallel(func(pb *testing.PB) { for pb.Next() { err := JsonIter(request) if err != nil { b.Error(err.Error()) } } }) } func BenchmarkJsonPool(b *testing.B) { b.RunParallel(func(pb *testing.PB) { for pb.Next() { err := JsonPool(request) if err != nil { b.Error(err.Error()) } } }) } func BenchmarkJsonIterPool(b *testing.B) { b.RunParallel(func(pb *testing.PB) { for pb.Next() { err := JsonIterPool(request) if err != nil { b.Error(err.Error()) } } }) }
测试结果如下:
goos: darwin goarch: amd64 pkg: github.com/thinkeridea/example/iouitl_readall BenchmarkJson-8 100000 13297 ns/op 13669 B/op 207 allocs/op BenchmarkJsonPool-8 100000 13310 ns/op 10218 B/op 206 allocs/op BenchmarkJsonIter-8 500000 2948 ns/op 3594 B/op 4 allocs/op BenchmarkJsonIterPool-8 200000 6126 ns/op 6040 B/op 144 allocs/op PASS ok github.com/thinkeridea/example/iouitl_readall 12.716s
这里使用了两个 json
包, 一个是标准库的,一个是 jsoniter
(也是社区反馈效率最高的),对比两个包使用 sync.Pool
和不使用之间的差异,发现标准库 json
包使用后内存有少量减少,但是运行效率稍微下降了,差异不是很大, jsoniter
包差异之所谓非常明显,发现使用 sync.Pool
之后不仅内存分配更多了,执行效率也大幅度下降,差了将近3倍有余。
是不是很奔溃,这是啥情况 jsoniter
本身就使用了 sync.Pool
作缓冲,我们使用 jsoniter.NewEncoder(buffer)
创建一个序列化实例,但是其内部并没有直接使用 io.Writer
而是先使用缓冲序列化数据,之后写入 io.Writer
, 具体代码如下:
// Flush writes any buffered data to the underlying io.Writer. func (stream *Stream) Flush() error { if stream.out == nil { return nil } if stream.Error != nil { return stream.Error } n, err := stream.out.Write(stream.buf) if err != nil { if stream.Error == nil { stream.Error = err } return err } stream.buf = stream.buf[n:] return nil }
这样一来我们使用 buffer
做 json
序列化优化效果就大打折扣,甚至适得其反了。
再次感谢 “wxe” 网友的提问,这里没有使用实际的应用场景做性能测试,主要发现在性能测试中使用 http
服务会导致 connect: can't assign requested address
问题,所以测试用使用了函数模拟,如果有朋友有更好的测试方法欢迎一起交流。
谢谢你请我吃糖果
支付宝
微信
以上就是本文的全部内容,希望对大家的学习有所帮助,也希望大家多多支持 码农网
猜你喜欢:- SpringSession:请求与响应重写
- 谈谈HTTP的请求和响应
- django从请求到响应的过程
- 关于HTTP报文请求方法和状态响应码
- 优雅的读取http请求或响应的数据
- 优雅的记录http请求或响应的数据
本站部分资源来源于网络,本站转载出于传递更多信息之目的,版权归原作者或者来源机构所有,如转载稿涉及版权问题,请联系我们。