Тестирование производительности кода .NET с помощью BenchmarkDotNet
Тестирование производительности кода .NET с помощью BenchmarkDotNet

Предисловие

В области разработки программного обеспечения тестирование производительности является важной частью обеспечения эффективной и стабильной работы программных систем. Это помогает вам оценить производительность вашего приложения и понять его время отклика, пропускную способность, использование ресурсов и т. д. в различных условиях. Бенчмаркинг позволяет определить, как ваша система работает при обработке конкретных рабочих нагрузок.

Введение в проект

BenchmarkDotNet — это комплексная и простая в использовании платформа для тестирования производительности с открытым исходным кодом, основанная на .NET. Она предоставляет разработчикам .NET мощные возможности оценки и оптимизации производительности. Благодаря таким функциям, как автоматическое тестирование, поддержка нескольких платформ, расширенный статистический анализ и пользовательские конфигурации, BenchmarkDotNet помогает разработчикам лучше понимать и оптимизировать производительность программных систем.

Характеристики проекта

  • Поддерживаемые языки: C#, F#, Visual Basic.
  • Поддерживаемые операционные системы: Windows, Linux, macOS.
  • Поддерживаемые архитектуры: x86, x64, ARM, ARM64, Wasm и LoongArch64.
  • Поддерживаемые среды выполнения: .NET 5+, .NET Framework 4.6.1+, .NET Core 3.1+, Mono, NativeAOT.

Создайте консольное приложение

Создайте файл с именем:BenchmarkDotNetExerciseиз.NET 9 консольных приложений.

Установите пакеты NuGet

существоватьNuGetСумка Искать в менеджере:BenchmarkDotNet Пакет для установки:

Проведите тесты производительности

следующий мыверно.NETсерединаобщийиз Три криптографические хэш-функции:MD5SHA256SHA1Проведите тесты производительности, давайте проанализируем, производительность какого хэш-алгоритма лучше и быстрее.

HashFunctionsBenchmark

Язык кода:javascript
копировать
    [MemoryDiagnoser]//Распределение памяти памяти
    public class HashFunctionsBenchmark
    {
        private readonly string _inputData;

        public HashFunctionsBenchmark()
        {
            // использовать более длинную строку в качестве входных данных, чтобы лучше отражать производительность.
            _inputData = new string('y', 1000000);
        }

        [Benchmark]
        public byte[] MD5Hash()
        {
            using (MD5 md5 = MD5.Create())
            {
                return md5.ComputeHash(Encoding.UTF8.GetBytes(_inputData));
            }
        }

        [Benchmark]
        public byte[] SHA256Hash()
        {
            using (SHA256 sha256 = SHA256.Create())
            {
                return sha256.ComputeHash(Encoding.UTF8.GetBytes(_inputData));
            }
        }

        [Benchmark]
        public byte[] SHA1Hash()
        {
            using (SHA1 sha1 = SHA1.Create())
            {
                return sha1.ComputeHash(Encoding.UTF8.GetBytes(_inputData));
            }
        }
    }

Запустите тест

Язык кода:javascript
копировать
    internal class Program
    {
        static void Main(string[] args)
        {
            var summary = BenchmarkRunner.Run<HashFunctionsBenchmark>();
        }
    }

Обратите внимание, что он должен быть установлен на:Releaseрежим запуска,еслиDebugРежим выдаст следующее исключение:

Язык кода:javascript
копировать
// Validating benchmarks:
//    * Assembly BenchmarkDotNetExercise which defines benchmarks is non-optimized
Benchmark was built without optimization enabled (most probably a DEBUG configuration). Please, build it in RELEASE.
If you want to debug the benchmarks, please see https://benchmarkdotnet.org/articles/guides/troubleshooting.html#debugging-benchmarks.

Анализируйте созданные отчеты

проиллюстрировать:
  • Mean: Среднее арифметическое всех измерений.
  • Error: 99.9% половина доверительного интервала.
  • StdDev: Стандартное отклонение всех измерений.
  • Gen0: Нет. 0 поколение GC Каждый 1000 Собирайте один раз за операцию.
  • Gen1: Нет. 1 поколение GC Каждый 1000 Собирайте один раз за операцию.
  • Gen2: Нет. 2 поколение GC Каждый 1000 Собирайте один раз за операцию.
  • Allocated: Для каждой операции выделяется Память (только хостинг Память, Сумка со всем содержимым, 1 КБ) = 1024B)。
  • 1 ms: 1 миллисекунды (0,001 Второй).
Анализ отчета:

Method

Mean

Error

StdDev

Gen0

Gen1

Gen2

Allocated

MD5Hash

1.952 ms

0.0169 ms

0.0158 ms

197.2656

197.2656

197.2656

976.9 KB

SHA256Hash

3.907 ms

0.0157 ms

0.0147 ms

195.3125

195.3125

195.3125

976.93 KB

SHA1Hash

1.780 ms

0.0231 ms

0.0193 ms

197.2656

197.2656

197.2656

976.92 KB

  • MD5Hash Среднее время, затраченное на это, немного больше, чем SHA1Hash, но ошибка и стандартное отклонение меньше, стабильность производительности лучше, а количество сборок мусора такое же, как и у SHA1Hash такой же.
  • SHA256Hash Среднее время занимает больше всего времени, но ошибка и стандартное отклонение наименьшие, производительность лучшая, а количество сборок мусора немного меньше. MD5Hash и SHA1Hash。
  • SHA1Hash имеет самое короткое среднее время,Но ошибка и стандартное отклонение больше,Указывает на то, что его производительность превосходна, но не очень стабильна.

Результаты теста производительности в нескольких форматах

  • MarkdownExporter: экспортировать формат Markdown.
  • AsciiDocExporter: экспортировать формат AsciiDoc.
  • HtmlExporter: экспортировать формат HTML.
  • CsvExporter: экспорт в формате CSV (значения, разделенные запятыми).
  • RPlotExporter: экспорт формата файла графика R.
Язык кода:javascript
копировать
[MarkdownExporter, AsciiDocExporter, HtmlExporter, CsvExporter, RPlotExporter]
public class HashFunctionsBenchmark
{
}

Адрес исходного кода проекта

Чтобы узнать больше о практических функциях и особенностях проекта, посетите адрес проекта с открытым исходным кодом👀 и не забудьте дать проекту звездную поддержку💖.

Выбор выдающихся проектов и фреймворков

Этот проект включен в C#/.NET/.NET. CoreВыбор выдающихся проектов и фреймворковсередина,сосредоточиться на Выбор выдающихся проектов и Фрейворков позволяет быть в курсе C#, .NETи.NET Новейшие разработки и лучшие практики в области Core для повышения эффективности и качества опытно-конструкторских работ. Яма вырыта, присылайте пиар-рекомендации или саморекомендации (чтобы отличные проекты и фреймворки не были похоронены🤞).

boy illustration
Неразрушающее увеличение изображений одним щелчком мыши, чтобы сделать их более четкими артефактами искусственного интеллекта, включая руководства по установке и использованию.
boy illustration
Копикодер: этот инструмент отлично работает с Cursor, Bolt и V0! Предоставьте более качественные подсказки для разработки интерфейса (создание навигационного веб-сайта с использованием искусственного интеллекта).
boy illustration
Новый бесплатный RooCline превосходит Cline v3.1? ! Быстрее, умнее и лучше вилка Cline! (Независимое программирование AI, порог 0)
boy illustration
Разработав более 10 проектов с помощью Cursor, я собрал 10 примеров и 60 подсказок.
boy illustration
Я потратил 72 часа на изучение курсорных агентов, и вот неоспоримые факты, которыми я должен поделиться!
boy illustration
Идеальная интеграция Cursor и DeepSeek API
boy illustration
DeepSeek V3 снижает затраты на обучение больших моделей
boy illustration
Артефакт, увеличивающий количество очков: на основе улучшения характеристик препятствия малым целям Yolov8 (SEAM, MultiSEAM).
boy illustration
DeepSeek V3 раскручивался уже три дня. Сегодня я попробовал самопровозглашенную модель «ChatGPT».
boy illustration
Open Devin — инженер-программист искусственного интеллекта с открытым исходным кодом, который меньше программирует и больше создает.
boy illustration
Эксклюзивное оригинальное улучшение YOLOv8: собственная разработка SPPF | SPPF сочетается с воспринимаемой большой сверткой ядра UniRepLK, а свертка с большим ядром + без расширения улучшает восприимчивое поле
boy illustration
Популярное и подробное объяснение DeepSeek-V3: от его появления до преимуществ и сравнения с GPT-4o.
boy illustration
9 основных словесных инструкций по доработке академических работ с помощью ChatGPT, эффективных и практичных, которые стоит собрать
boy illustration
Вызовите deepseek в vscode для реализации программирования с помощью искусственного интеллекта.
boy illustration
Познакомьтесь с принципами сверточных нейронных сетей (CNN) в одной статье (суперподробно)
boy illustration
50,3 тыс. звезд! Immich: автономное решение для резервного копирования фотографий и видео, которое экономит деньги и избавляет от беспокойства.
boy illustration
Cloud Native|Практика: установка Dashbaord для K8s, графика неплохая
boy illustration
Краткий обзор статьи — использование синтетических данных при обучении больших моделей и оптимизации производительности
boy illustration
MiniPerplx: новая поисковая система искусственного интеллекта с открытым исходным кодом, спонсируемая xAI и Vercel.
boy illustration
Конструкция сервиса Synology Drive сочетает проникновение в интрасеть и синхронизацию папок заметок Obsidian в облаке.
boy illustration
Центр конфигурации————Накос
boy illustration
Начинаем с нуля при разработке в облаке Copilot: начать разработку с минимальным использованием кода стало проще
boy illustration
[Серия Docker] Docker создает мультиплатформенные образы: практика архитектуры Arm64
boy illustration
Обновление новых возможностей coze | Я использовал coze для создания апплета помощника по исправлению домашних заданий по математике
boy illustration
Советы по развертыванию Nginx: практическое создание статических веб-сайтов на облачных серверах
boy illustration
Feiniu fnos использует Docker для развертывания личного блокнота Notepad
boy illustration
Сверточная нейронная сеть VGG реализует классификацию изображений Cifar10 — практический опыт Pytorch
boy illustration
Начало работы с EdgeonePages — новым недорогим решением для хостинга веб-сайтов
boy illustration
[Зона легкого облачного игрового сервера] Управление игровыми архивами
boy illustration
Развертывание SpringCloud-проекта на базе Docker и Docker-Compose