原文连接:https://blog.thinkeridea.com/201902/go/you_ya_de_du_qu_http_qing_qiu_huo_xiang_ying_de_shu_ju_2.htmlhtml
以前发布 【Go】优雅的读取http请求或响应的数据 文章,网友 “wxe” 咨询:“优化先后的请求耗时变化有多大”,以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先后的耗时状况,本文源码。git
很是感谢 “wxe” 网友的提问,让我在测试过程当中发现一个 json
序列化的问题。github
以前咱们优化了两个部分,json
与 ioutil.ReadAll
, 先对比 ioutil.ReadAll
, 这里测试的代码分红两个部分作对比,一部分单纯对比 ioutil.ReadAll
和 io.Copy
+ sync.Pool
,另外一部分增长 jsoniter.Unmarshal
来延迟 pool.Put(buffer)
的执行, 源码。json
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 }
测试代码以下源码:缓存
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()) } } }) }
测试结果以下:ide
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:函数
能够发现 IoCopy
方法是 IouitlReadAll
方法效率的 40 倍,内存分配也不多,而 IoCopyAndJson
和 IouitlReadAllAndJson
的效率差别极小仅有 2407ns
,大约是 1.13倍,不过内存分配仍是少了不少的,为何会这样呢,这就是 sync.Pool
的致使的,sync.Pool
每次获取使用时间越短,命中率就越高,就能够减小建立新的缓存,这样效率就会大大提升,而 jsoniter.Unmarshal
很耗时,就致使 sync.Pool
的命中率下降了,因此性能降低极其明显.性能
使用 io.Copy
+ sync.Pool
表面上执行效率不会有很大提高,可是会大幅度减小内存分配,从而能够减小 GC
的负担,在单元测试中咱们并无考虑 GC
的问题,而 GC
能带来的性能提高会更有优点。单元测试
在看一下 json
使用 sync.Pool
的效果吧 源码测试
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()) } } }) }
测试结果以下:
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
和不使用之间的差别,发现标准库 json
包使用后内存有少许减小,可是运行效率稍微降低了,差别不是很大,jsoniter
包差别之所谓很是明显,发现使用 sync.Pool
以后不只内存分配更多了,执行效率也大幅度降低,差了将近3倍有余。
是否是很奔溃,这是啥状况 jsoniter
自己就使用了 sync.Pool
做缓冲,咱们使用 jsoniter.NewEncoder(buffer)
建立一个序列化实例,可是其内部并无直接使用 io.Writer
而是先使用缓冲序列化数据,以后写入 io.Writer
, 具体代码以下:
// 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 }
这样一来咱们使用 buffer
作 json
序列化优化效果就大打折扣,甚至拔苗助长了。
再次感谢 “wxe” 网友的提问,这里没有使用实际的应用场景作性能测试,主要发如今性能测试中使用 http
服务会致使 connect: can't assign requested address
问题,因此测试用使用了函数模拟,若是有朋友有更好的测试方法欢迎一块儿交流。
转载:
本文做者: 戚银(thinkeridea)
本文连接: https://blog.thinkeridea.com/201902/go/you_ya_de_du_qu_http_qing_qiu_huo_xiang_ying_de_shu_ju_2.html
版权声明: 本博客全部文章除特别声明外,均采用 CC BY 4.0 CN协议 许可协议。转载请注明出处!