python - 测量小型应用程序的性能

Question

我为 Sway WM（https://swaywm.org）写了一个状态栏，基本上每秒打印一些信息（loadavg、cpu 使用情况、内存使用情况、时间……）。

该项目 ( https://gitlab.com/Yellowhat/statusbar ) 纯粹是为了了解 CI/CD 以及如何测量性能（如果可能在嘈杂的环境中）。

最初该项目是全部编写的，python但前一段时间我决定在rust（https://gitlab.com/Yellowhat/statusbar/-/tree/master/tools/rust）中编写一个功能等效的（它们打印出完全相同的信息）。

查看每秒执行的指令数（ I refsusing ，精简版）：cachegrind

• python: ~800k
• rust: ~35k

我可以得出结论，这个rust版本比那个版本“轻”得多python。

由于状态栏会在系统运行时持续运行，我想了解它对我的系统的影响。所以我决定python在空闲时使用以下脚本监控我的系统（不要触摸电脑 1 小时，100% 亮度）：

from time import sleep

while True:
    stat = open("/proc/stat").readlines()[0].split()[1:8]
    power = float(open("/sys/class/power_supply/BAT0/power_now").read().strip()) / 10**6
    print(f"{stat},{power}")
    sleep(1)

• /proc/stat返回花费了多少 CPU 时间 (jiffies)：
  • user：在用户模式下执行的正常进程
  • nice: 在用户模式下执行的 niced 进程
  • system: 在内核模式下执行的进程
  • idle: 摆弄大拇指
  • iowait: 等待 I/O 完成
  • irq: 服务中断
  • softirq: 服务软中断
• /sys/class/power_supply/BAT0/power_now返回从电池中消耗了多少功率（微瓦）

我比较了4个案例：

1. tty：启动计算机并运行脚本tty
2. sway : 启动电脑，启动sway（不带栏），打开终端并运行脚本
3. sway barpy : 启动电脑，启动sway（带python版本），打开终端运行脚本
4. sway barrs：启动计算机，启动sway（使用rust版本），打开终端并运行脚本

下图显示了SUM(user_t, nice_t, system_t, iowait_t, irq_t, softirq_t) - SUM(user_t0, nice_t0, system_t0, iowait_t0, irq_t0, softirq_t0),（所有未空闲的 CPU 花费了多少时间）-（测试开始时的初始值）与 4 种情况的时间：

如您所见，tty是最低的，其次是sway，但有趣的rust是版本比那个高得多python。

下图显示了 4 种情况下的功率与时间：

可以看到，tty的消耗最低，sway次之，非常接近rust，python最后。这是我所期望的结果。

第一张图表明，在这种情况下，rust不比 轻python。

是否有更可靠的方法来测量“轻”应用？我误解了/proc/stat内容吗？

谢谢

更新 1

下图显示user_t - user_t0, nice_t - nice_t0,与和的system_t - system_t0时间关系：pythonrust

user相反system，nice它们是相似的，并且对于rust.

更新 2

正如 Peter Cordes 所建议的那样，我已经运行：

perf stat -a -d -e cpu-cycles,cycles,cycles:u,instructions,instructions:u -r 10 <binary>

下表总结了结果：

版本	期间	CPU 周期	循环	周期：u	指示	说明：u
Python	0	285,248,768	285,492,709	215,681,759	323,852,866	278,792,657
Python	60	3,038,749,610	3,046,770,477	1,360,477,472	2,425,399,588	1,612,134,730
Python	120	5,802,965,874	5,818,929,489	2,496,192,062	4,536,305,443	2,890,941,664
锈	0	1,165,223	1,165,869	304,188	1,319,168	442,565
锈	60	3,791,712,516	3,799,515,523	1,654,232,537	3,355,917,423	2,073,096,815
锈	120	7,878,549,570	7,897,534,278	3,341,698,282	6,665,643,064	4,144,148,632

删除初始值（持续时间 = 0）并除以持续时间：

版本	期间	CPU 周期	循环	周期：u	指示	说明：u
Python	60	45,891,681	46,021,296	19,079,929	35,025,779	22,222,368
Python	120	45,980,976	46,111,973	19,004,253	35,103,771	21,767,908
锈	60	63,175,788	63,305,828	27,565,472	55,909,971	34,544,238
锈	120	65,644,870	65,803,070	27,844,951	55,536,032	34,530,884

同样，似乎该rust版本运行的周期/指令比那个版本多python。

更新 3

$ valgrind \
    --tool=cachegrind \
    --cachegrind-out-file=/dev/null \
    --trace-children=yes \
    --I1=32768,8,64 \
    --D1=32768,8,64 \
    --LL=8388608,16,64 \
    --cache-sim=yes \
    --branch-sim=yes \
    <binary>

运行 120 秒：

• python版本：

I   refs:      328,117,776
I1  misses:      5,268,249
LLi misses:         15,274
I1  miss rate:        1.61%
LLi miss rate:        0.00%

D   refs:      135,851,173  (95,116,936 rd   + 40,734,237 wr)
D1  misses:      4,717,331  ( 4,145,263 rd   +    572,068 wr)
LLd misses:        167,298  (    57,266 rd   +    110,032 wr)
D1  miss rate:         3.5% (       4.4%     +        1.4%  )
LLd miss rate:         0.1% (       0.1%     +        0.3%  )

LL refs:         9,985,580  ( 9,413,512 rd   +    572,068 wr)
LL misses:         182,572  (    72,540 rd   +    110,032 wr)
LL miss rate:          0.0% (       0.0%     +        0.3%  )

Branches:       60,115,083  (56,103,351 cond +  4,011,732 ind)
Mispredicts:     5,661,255  ( 4,245,148 cond +  1,416,107 ind)
Mispred rate:          9.4% (       7.6%     +       35.3%   )

• rust版本：

I   refs:      100,950,027
I1  misses:        351,835
LLi misses:          5,859
I1  miss rate:        0.35%
LLi miss rate:        0.01%

D   refs:       44,227,512  (24,903,985 rd   + 19,323,527 wr)
D1  misses:        670,307  (   341,521 rd   +    328,786 wr)
LLd misses:         34,962  (    20,657 rd   +     14,305 wr)
D1  miss rate:         1.5% (       1.4%     +        1.7%  )
LLd miss rate:         0.1% (       0.1%     +        0.1%  )

LL refs:         1,022,142  (   693,356 rd   +    328,786 wr)
LL misses:          40,821  (    26,516 rd   +     14,305 wr)
LL miss rate:          0.0% (       0.0%     +        0.1%  )

Branches:       19,868,173  (18,608,630 cond +  1,259,543 ind)
Mispredicts:     1,289,209  (   771,555 cond +    517,654 ind)
Mispred rate:          6.5% (       4.1%     +       41.1%   )

标签： pythonperformancerustmonitoringbenchmarking