проверка кода на скорость выполнения

Максимально точное измерение кода

3b25df5006a9cac258b63d7bbb2813a7
В моей статье полугодичной давности о длинной арифметике есть замеры скорости (throughput в тактах) очень коротких фрагментов кода — всего по несколько инструкций. Методика измерения была кривовата, но давала правдоподобные результаты. Потом выяснилось, что результаты таки неверные — поверхностный подход всегда сказывается.

В этом посте я опишу надежный метод «нанобенчмаркинга» с минимальной погрешностью и без подключения специальных библиотек и драйверов, к которому в итоге пришел. Применимость: сравнение однопоточного потенциала процессоров, просто интерес.

Я использую только GCC — соответственно способ заточен под него. Но буду делать обобщения, чтобы владельцы других компиляторов могли разобраться.

Непосредственно мерилом служит команда RDTSC. На Википедии справедливо отмечается, что она ненадежна и рекомендуется использовать специальные сервисы ОС. Однако для микроизмерений они работают слишком долго (сотни тактов) и неодинаково от запуска к запуску, что вносит неустранимые погрешности. Сама по себе RDTSC работает не более нескольких десятков тактов — постоянное количество или одно из небольшого набора.

Измерительная обвязка состоит из трех вложенных циклов.

Средний цикл содержит 2 замера тактов и неизменный внутренний цикл посередине. Его роль — определить минимальное время, за которое может выполниться внутренний цикл. 20-30 итераций вполне хватает, чтобы все данные попали в кеш, начальная и конечная RDTSC заняли одинаковое время, а также сошлись все прочие звезды, если они существуют 🙂

Внешний цикл управляет длиной внутреннего. Расположите в нем инициализацию входных данных перед средним циклом.

Внешний цикл необходим, потому что время, достигнутое в среднем цикле, всегда включает константу — время инициализации внутреннего цикла + затраты на 1 ошибку в предсказании перехода (самые умные интеловские ядра ошибаются реже). Поэтому время из среднего цикла нельзя просто разделить на кол-во итераций.

В итоге на конвейере устанавливается «паттерн» работы длиной от 1 до 10-15(?) итераций:
image loader
Точный througput в тактах имеет смысл считать как минимум для 1 такого паттерна, а не 1 итерации.

Как легко убедиться из цифр в примерах ниже, даже при измерении паттернов разброс результатов остается. Предположительно, на самом деле RDTSC не так хороша, как расписано выше 🙂

Итак, получив разницы времени выполнения внутренних циклов с длинами кратными шагу паттерна, остается посчитать статистики.

Примеры

Сравните результаты замеров (здесь и далее все значения в тактах) из статьи про длинную арифметику:

Поверхностный метод 7.5 5.5 5.5 7 5 2 2.5 3.25(?)–3.5
Умный метод 7 6 6 7 5 2 2 3

Все дальнейшие тесты проводились на 2 ядрах: AMD K10 и Intel Core 2 Wolfdale.

Важно оценить сами инструменты.

Пустой цикл

Внутренний цикл выглядит так:

Далее (10, 1.0) — (длина паттерна, итого в среднем на 1 итерацию)

RDTSC

Без среднего и внутреннего цикла:

Приближенное вычисление синуса

Интересно посмотреть, сколько можно сэкономить, вычисляя синус рядом Тейлора 3-го порядка. При углах от −π/2 до π/2 получается точность в 2 знака после запятой. Можно представить приложения, где ее будет достаточно.

Инструкция FSIN — точный синус
угол 0.0 0.0001 π/2 случайный
K10 30.2 ± 10.3 89.8 ± 2.9 143.1 ± 8.5 (2, 71.6) 75.6
Core 2 40.0 ± 11.0 68.0 ± 5.6 88.0 ± 13.0 89.4
Ряд Тейлора 3-го порядка
Векторизованный ряд Тейлора

Получается, что вычисление синуса с точностью до 2 знаков можно организовать как минимум в 10 раз быстрее, чем обычно.

Источник

Измерение производительности функций в JavaScript

33d9acbd82db46d1bab42e089fb28d6f

Производительность всегда играла ключевую роль в программном обеспечении. А в веб-приложениях её значение ещё выше, поскольку пользователи легко могут пойти к конкурентам, если сделанный вами сайт работает медленно. Любой профессиональный веб-разработчик должен об этом помнить. Сегодня по-прежнему можно успешно применять массу старых приёмов оптимизации производительности, вроде минимизации количества запросов, использования CDN и не использования для рендеринга блокирующего кода. Но чем больше разработчики применяют JavaScript, тем важнее становится задача оптимизации его кода.

Вероятно, у вас есть определённые подозрения относительно производительности часто используемых вами функций. Возможно, вы даже прикинули, как можно улучшить ситуацию. Но как вы измерите прирост производительности? Как можно точно и быстро протестировать производительность функций в JavaScript? Идеальный вариант — использовать встроенную функцию performance.now() и измерять время до и после выполнения ваших функций. Здесь мы рассмотрим, как это делается, а также разберём ряд подводных камней.

Performance.now()

С точки зрения математики монотонная функция либо только возрастает, либо только убывает. Другой пример, для лучшего понимания: переход на летнее или зимнее время, когда все часы в стране переводятся на час назад или час вперёд. Если мы сравним значения двух копий Date — до и после перевода часов, то получим, например, разницу «1 час 3 секунды и 123 миллисекунды». А при использовании двух копий performance.now() — «3 секунды 123 миллисекунды 456 789 тысячных миллисекунды». Не будем здесь подробно разбирать этот API, желающие могут обратиться к статье Discovering the High Resolution Time API.

Читайте также:  проверить батч код парфюма armani

Выполнение подобных функций можно измерить следующим способом:

Если выполнить данный код в браузере, то результат будет выглядеть так:

Ошибка № 1: случайное измерение ненужных вещей

Ошибка № 2: однократное измерение

Многие проводят лишь одно измерение, складывают общее время и делают далеко идущие выводы. Но ситуация каждый раз может меняться, ведь скорость выполнения сильно зависит от таких факторов, как:

Риск данного подхода заключается в том, что браузерный JavaScript-движок может выполнять субоптимизацию, т. е. во второй раз функция будет вызвана с теми же входными данными, которые будут запомнены и использованы в дальнейшем. Чтобы это обойти, можно использовать много разных входных строк вместо того, чтобы раз за разом брать одно и то же значение. Однако при разных входных данных и скорость выполнения функции раз от раза может отличаться.

Ошибка № 3: излишнее доверие к средним значениям

Итак, целесообразно делать серию измерений, чтобы точнее оценить производительность той или иной функции. Но как определить производительность функции, если при разных входных данных она выполняется с разной скоростью? Давайте сначала поэкспериментируем и измерим время выполнения десять раз с одними и теми же входными данными. Результаты будут выглядеть примерно так:

Обратите внимание, насколько самое первое значение отличается от остальных. Скорее всего, причина как раз в проведении субоптимизации и в необходимости «прогрева» компилятора. Мало что можно сделать, чтобы этого избежать, но зато можно обезопасить себе от неверных заключений.

Например, можно исключить первое значение и вычислить среднеарифметическое из остальных девяти. Но лучше взять все результаты и вычислить медиану. Результаты сортируются по порядку, и выбирается средний. Вот где performance.now() очень полезен, потому что вы получаете значение, с которым можно делать что угодно.

Итак, давайте измерим снова, но в этот раз используем срединное значение выборки:

Ошибка № 4: сравнение функций в предсказуемом порядке

Теперь мы знаем, что всегда лучше делать несколько измерений и брать среднее. Более того, последний пример говорит о том, что в идеале нужно вместо среднего брать медиану.

Этот код можно улучшить, поскольку цикл haystack.forEach будет перебирать все элементы, даже если мы быстро нашли совпадение. Воспользуемся старым добрым for:

Теперь посмотрим, какой вариант быстрее. Выполним каждую функцию по десять раз и вычислим «правильные» результаты:

Получим такой результат:

Выводы

Ещё одна причина, почему мы не можем знать заранее, какой вариант будет быстрее, заключается в том, что всё зависит от ситуации. В последнем примере мы искали совпадение среди 26 значений вне зависимости от регистра. Но если мы будем искать среди 100 000 значений, то выбор функции может оказаться иным.

Источник

Инструмент анализа скорости PHP-функций

В последнее время обращал внимание на материалы о производительности и замерах скорости функций PHP. После анализа ряда материалов был сделан следующий вывод. Сравнений довольно много, но все замеры проводятся с разными входными условиями, вывод результатов тестирования у каждого решения свой, не говоря уже о том, если появится желание проверить тесты в своей среде, то придется копипастить куски кода.

Поэтому возникла идея написать собственный механизм простого тестирования скорости различных операций. Задумка показалась интересной, поэтому начало было положено!

Начать следовало с постановки целей будущего инструмента. Проект хотелось видеть как универсальный инструмент для тестирования скорости чего угодно. Но поразмыслив над деталями и ошибками прошлого, решено было начать с малого.

Итак, требовалось получить инструмент, который:

Механизм замеров

Для замера времени выполнения функции было решено воспользоваться подобным, методом

Принцип действия прост, если происходит вызов без параметров, то возвращаем текущее состоянии времени, если же вызов происходит с параметром времени, тогда возвращается разница между текущим и переданным временем.

Но там где расчет времени, там же и потребляемый объем памяти, поэтому в последствии был добавлен аналогичный метод измерения потребляемой памяти.

Механизм аналогичен механике замера времени, только в данном случае происходит передача значения выделенной памяти скрипту.

Как известно, некоторые функции ведут себя по разному в зависимости от входного набора данных, поэтому в каждом тесте определен массив входных данных для функций тестирования. Для получения наиболее точных результатов, тестирование функций проводится на каждом наборе несколько раз. Помимо прочего, тестирование проводится в разной последовательности.

В ходе экспериментов, было замечено, что объем свободной памяти перед началом каждого теста разный, хоть для большинства проводимый испытаний это было незначительным, но для порядка хотелось бы иметь условия одинаковые для всех испытаний либо близкие к таковым. Поэтому хранение результатов было решено реализовать в локальном хранилище SQLite, а перед началом испытаний делать один проверочный тест для заполнения переменных данными.

Для того, чтобы иметь возможность создания собственных вариантов представления результатов и собственных вариантов теста, создано 2 модели абстракции. Модель тестов (Test), содержит всю информацию о тесте, включая функции тестирования. Модель представления данных (DataViwer) содержит методы преобразования результатов тестирования в читаемый вид. Для удобного вывода представлений был задействован шаблонизатор Twig и подключена библиотека стилей bootstrap, также создан вьювер с графиком HighCharts.

В итоге общий механизм работы такой. Берутся необходимые для сравнения функции и запускаются на выполнение с разными наборами данных и в разной последовательности. При этом происходит замер времени каждого выполнения и запись результата в хранилище. За данный этап отвечает модель теста (Test). После всех замеров происходит передача результатов в представление данных (DataViwer), где происходит обработка и вывод информации.

Читайте также:  мокка восстановить пин код

Реализация тестирования

Класс теста

Простой пример реализации класса теста, на примере тестирования скорости выполнения операции пред инкрементирования и пост инкрементирования.

Класс должен наследовать абстрактный класс TestAbstract, в котором заложена основная механика работы с потоками данных.

$name — задает название теста, которое может быть использовано при выводе в DataViewer.

$valueTest — объем выборки тестирования, массив значений, с каждым из которых будет выполнена функция для тестирования. Таким образом каждая тестируемая функция должна обязательно принимать один параметр. Будет он являться числом, строкой или массивом не важно, все зависит от конкретного случая. В нашем примере, достаточно чисел, которые будут обозначать объем проводимых операций с инкрементом.

$qntTest — говорит о том, какое количество раз будет протестирован каждый объем выборки.

$viewers — массив представлений данных, который будет сформирован при рендере отчета. На самом деле это набор полных имен классов наследующих абстрактный класс ViewrAbstract. Заранее подготовленные вьюверы вынесены в константы класса TestCore.

$functions — массив названий функций которые будут использоваться в тестировании. Ключами массива являются названия, которые будут отображены в результатах.

$strategy — массив стратегий тестирования, каждая стратегия должна быть представлена массивом с последовательностью имен функций. В примере указано 2 стратегии — прямой последовательности и в обратной.

Непосредственно сами функции, которые как говорилось выше, должны принимать одно значение. В нашем примере, мы считаем это за количество выполняемых операций серии инкрементирования.

В итоге получим, серию тестов где каждая стратегия тестирования будет протестирована по 5 раз с каждым объемом выборки ([100, 1000, 2000, 3000]).

Класс представления данных

Сейчас давайте подробнее рассмотрим простой класс представления данных.

Класс реализует абстрактный класс ViewerAbstract.

$view — содержит имя представления, которое поумолчанию должно лежать в папке /views/viewers

function generateData($data) — метод обработки массива результатов тестирования. Результат будет передан поумолчанию в параметр data в указанное представление.

function run($data) — необязательный для реализации метод, но если необходимо изменить путь к представлению данных, то именно он должен быть переопределен.

public static function model($class = __CLASS__) — метод поддержки статического обращения к методам

Варианты использования

Чтобы воспользоваться функционалом тестирования, создано 2 основных метода.

Метод запуска теста

$test — полное имя запускаемого теста. Могут быть задействованы как свои варианты тестов либо заранее подготовленные.

$params — массив параметров для запуска теста. Данным параметром можно точечно изменить параметры тестирования.

$onlyData — параметр отвечающий за вывод набора результатов либо отрендеренное представление.

Метод сравнения функций

Метод сравнения пользовательских функций без создания дополнительных классов

$func — массив анонимных функций, где ключи массива являются названиями функций в результатах тестирования.

$params — массив параметров тестирования, аналогичен параметрам метода test.

$onlyData — также аналогичен параметру метода test, и отвечает за вариант вывода результатов.

Примеры работы

Самый простой и быстрый вариант использования — это воспользоваться заранее подготовленным тестом. Все подготовленные тесты вынесены в константы класса Speedy.

Для сравнения пользовательских функций, необходимо создать анонимные функции и вызвать метод Speedy::compare

Результаты тестирования

Результаты тестирования на данный момент могут быть выведены 4мя представлениями.

VIEWER_TLIST

Представление в табличной форме списка всех произведенных замеров времени. По сути это вывод всех записей из хранилища, без каких-либо преобразований. В наборе данных содержится информация о имени тестируемой функции, затраченном времени, объему выборки, используемому объему памяти, номер партии в которой выполнялся тест и комментарий. В комментарии указывается в рамках какой стратегии был выполнен тест данной функции.

Результат тестирования операторов инкрементирования.

name time size memory part comment
postInc 0.000650882720947 100 48 2 postInc-prefInc
prefInc 0.000411987304688 100 48 2 postInc-prefInc
prefInc 0.000406980514526 100 48 3 prefInc-postInc
postInc 0.000549077987671 100 48 3 prefInc-postInc
postInc 0.000330924987793 100 48 5 postInc-prefInc
prefInc 0.000287055969238 100 48 5 postInc-prefInc
prefInc 0.00043797492981 100 48 6 prefInc-postInc
postInc 0.000365018844604 100 48 6 prefInc-postInc
postInc 0.000295162200928 100 48 8 postInc-prefInc
prefInc 0.000373125076294 100 48 8 postInc-prefInc
prefInc 0.000263929367065 100 48 9 prefInc-postInc
postInc 0.000449895858765 100 48 9 prefInc-postInc
postInc 0.00030517578125 100 48 11 postInc-prefInc
prefInc 0.000247955322266 100 48 11 postInc-prefInc
prefInc 0.000244140625 100 48 12 prefInc-postInc
postInc 0.000265121459961 100 48 12 prefInc-postInc
postInc 0.000267028808594 100 48 14 postInc-prefInc
prefInc 0.000245094299316 100 48 14 postInc-prefInc
prefInc 0.000285148620605 100 48 15 prefInc-postInc
postInc 0.000273942947388 100 48 15 prefInc-postInc
postInc 0.00273203849792 1000 48 17 postInc-prefInc
prefInc 0.00240206718445 1000 48 17 postInc-prefInc
prefInc 0.00274896621704 1000 48 18 prefInc-postInc
postInc 0.00259804725647 1000 48 18 prefInc-postInc
postInc 0.00391817092896 1000 48 20 postInc-prefInc
prefInc 0.00303602218628 1000 48 20 postInc-prefInc
prefInc 0.00229096412659 1000 48 21 prefInc-postInc
postInc 0.00281691551208 1000 48 21 prefInc-postInc
postInc 0.00273108482361 1000 48 23 postInc-prefInc
prefInc 0.00221014022827 1000 48 23 postInc-prefInc
prefInc 0.00266814231873 1000 48 24 prefInc-postInc
postInc 0.00307106971741 1000 48 24 prefInc-postInc
postInc 0.00283098220825 1000 48 26 postInc-prefInc
prefInc 0.00239992141724 1000 48 26 postInc-prefInc
prefInc 0.00246214866638 1000 48 27 prefInc-postInc
postInc 0.00273704528809 1000 48 27 prefInc-postInc
postInc 0.00283288955688 1000 48 29 postInc-prefInc
prefInc 0.00229215621948 1000 48 29 postInc-prefInc
prefInc 0.00220608711243 1000 48 30 prefInc-postInc
postInc 0.0028657913208 1000 48 30 prefInc-postInc
postInc 0.00557017326355 2000 48 32 postInc-prefInc
prefInc 0.0048840045929 2000 48 32 postInc-prefInc
prefInc 0.00449013710022 2000 48 33 prefInc-postInc
postInc 0.0064799785614 2000 48 33 prefInc-postInc
postInc 0.00543594360352 2000 48 35 postInc-prefInc
prefInc 0.00509881973267 2000 48 35 postInc-prefInc
prefInc 0.00483298301697 2000 48 36 prefInc-postInc
postInc 0.00555992126465 2000 48 36 prefInc-postInc
postInc 0.00516104698181 2000 48 38 postInc-prefInc
prefInc 0.00512599945068 2000 48 38 postInc-prefInc
prefInc 0.00484395027161 2000 48 39 prefInc-postInc
postInc 0.00530505180359 2000 48 39 prefInc-postInc
postInc 0.00509691238403 2000 48 41 postInc-prefInc
prefInc 0.00525093078613 2000 48 41 postInc-prefInc
prefInc 0.00447416305542 2000 48 42 prefInc-postInc
postInc 0.00536584854126 2000 48 42 prefInc-postInc
postInc 0.0054669380188 2000 48 44 postInc-prefInc
prefInc 0.00468182563782 2000 48 44 postInc-prefInc
prefInc 0.00512504577637 2000 48 45 prefInc-postInc
postInc 0.00545692443848 2000 48 45 prefInc-postInc
postInc 0.00782418251038 3000 48 47 postInc-prefInc
prefInc 0.00726389884949 3000 48 47 postInc-prefInc
prefInc 0.00674796104431 3000 48 48 prefInc-postInc
postInc 0.007483959198 3000 48 48 prefInc-postInc
postInc 0.00781297683716 3000 48 50 postInc-prefInc
prefInc 0.0069580078125 3000 48 50 postInc-prefInc
prefInc 0.00711393356323 3000 48 51 prefInc-postInc
postInc 0.0072808265686 3000 48 51 prefInc-postInc
postInc 0.00790119171143 3000 48 53 postInc-prefInc
prefInc 0.00662994384766 3000 48 53 postInc-prefInc
prefInc 0.00825595855713 3000 48 54 prefInc-postInc
postInc 0.00739097595215 3000 48 54 prefInc-postInc
postInc 0.00811100006104 3000 48 56 postInc-prefInc
prefInc 0.00712990760803 3000 48 56 postInc-prefInc
prefInc 0.00698399543762 3000 48 57 prefInc-postInc
postInc 0.00758218765259 3000 48 57 prefInc-postInc
postInc 0.00795316696167 3000 48 59 postInc-prefInc
prefInc 0.00725698471069 3000 48 59 postInc-prefInc
prefInc 0.00684094429016 3000 48 60 prefInc-postInc
postInc 0.00778198242188 3000 48 60 prefInc-postInc
Читайте также:  проверить запчасти по вин коду автомобиля

VIEWER_TGROUP

Представление в табличной форме в виде сгруппированных данных по партии тестирования (по номеру прохода по стратегии), т.е. в одной строке окажутся результаты тестирования функций которые проводились в рамках одной стратегии и в рамках одного прохода теста.

В столбцах таблицы будут отображены данные о размере выборки, времени выполнения, проценту скорости от худшего результата, затраченной памяти, комментария и названия функции, которая стала победителем по времени среди текущего прохода. Отдельно хотелось бы пояснить столбец процента. Данное значение высчитывается как процент, на сколько по времени функция опередила выполнение самой медленной функции. Если значение не установлено, значит эта функция по времени выполнения является аутсайдером в проходе.

Результат тестирования операторов инкрементирования.

size postInc prefInc comment time win
time % memory time % memory
100 0.000650882720947 48 0.000411987304688 36.7 48 postInc-prefInc prefInc
100 0.000549077987671 48 0.000406980514526 25.88 48 prefInc-postInc prefInc
100 0.000330924987793 48 0.000287055969238 13.26 48 postInc-prefInc prefInc
100 0.000365018844604 16.66 48 0.00043797492981 48 prefInc-postInc postInc
100 0.000295162200928 20.89 48 0.000373125076294 48 postInc-prefInc postInc
100 0.000449895858765 48 0.000263929367065 41.34 48 prefInc-postInc prefInc
100 0.00030517578125 48 0.000247955322266 18.75 48 postInc-prefInc prefInc
100 0.000265121459961 48 0.000244140625 7.91 48 prefInc-postInc prefInc
100 0.000267028808594 48 0.000245094299316 8.21 48 postInc-prefInc prefInc
100 0.000273942947388 3.93 48 0.000285148620605 48 prefInc-postInc postInc
1000 0.00273203849792 48 0.00240206718445 12.08 48 postInc-prefInc prefInc
1000 0.00259804725647 5.49 48 0.00274896621704 48 prefInc-postInc postInc
1000 0.00391817092896 48 0.00303602218628 22.51 48 postInc-prefInc prefInc
1000 0.00281691551208 48 0.00229096412659 18.67 48 prefInc-postInc prefInc
1000 0.00273108482361 48 0.00221014022827 19.07 48 postInc-prefInc prefInc
1000 0.00307106971741 48 0.00266814231873 13.12 48 prefInc-postInc prefInc
1000 0.00283098220825 48 0.00239992141724 15.23 48 postInc-prefInc prefInc
1000 0.00273704528809 48 0.00246214866638 10.04 48 prefInc-postInc prefInc
1000 0.00283288955688 48 0.00229215621948 19.09 48 postInc-prefInc prefInc
1000 0.0028657913208 48 0.00220608711243 23.02 48 prefInc-postInc prefInc
2000 0.00557017326355 48 0.0048840045929 12.32 48 postInc-prefInc prefInc
2000 0.0064799785614 48 0.00449013710022 30.71 48 prefInc-postInc prefInc
2000 0.00543594360352 48 0.00509881973267 6.2 48 postInc-prefInc prefInc
2000 0.00555992126465 48 0.00483298301697 13.07 48 prefInc-postInc prefInc
2000 0.00516104698181 48 0.00512599945068 0.68 48 postInc-prefInc prefInc
2000 0.00530505180359 48 0.00484395027161 8.69 48 prefInc-postInc prefInc
2000 0.00509691238403 2.93 48 0.00525093078613 48 postInc-prefInc postInc
2000 0.00536584854126 48 0.00447416305542 16.62 48 prefInc-postInc prefInc
2000 0.0054669380188 48 0.00468182563782 14.36 48 postInc-prefInc prefInc
2000 0.00545692443848 48 0.00512504577637 6.08 48 prefInc-postInc prefInc
3000 0.00782418251038 48 0.00726389884949 7.16 48 postInc-prefInc prefInc
3000 0.007483959198 48 0.00674796104431 9.83 48 prefInc-postInc prefInc
3000 0.00781297683716 48 0.0069580078125 10.94 48 postInc-prefInc prefInc
3000 0.0072808265686 48 0.00711393356323 2.29 48 prefInc-postInc prefInc
3000 0.00790119171143 48 0.00662994384766 16.09 48 postInc-prefInc prefInc
3000 0.00739097595215 10.48 48 0.00825595855713 48 prefInc-postInc postInc
3000 0.00811100006104 48 0.00712990760803 12.1 48 postInc-prefInc prefInc
3000 0.00758218765259 48 0.00698399543762 7.89 48 prefInc-postInc prefInc
3000 0.00795316696167 48 0.00725698471069 8.75 48 postInc-prefInc prefInc
3000 0.00778198242188 48 0.00684094429016 12.09 48 prefInc-postInc prefInc

VIEWER_TAVG

Представление в табличной форме в виде усредненных показателей по размеру выборки, т.е. в одной строке окажутся средние показатели тестирования функций по одной выборке.

В столбцах представлена информация по количеству побед функции в выборке, средний процент времени побед, имя функции-победителя. Функции-победитель — определяется количеством побед в выборке.

Результат тестирования операторов инкрементирования.

size postInc prefInc winner
winns % winns %
100 3 13.83 7 21.72 prefInc
1000 1 5.49 9 16.98 prefInc
2000 1 2.93 9 12.08 prefInc
3000 1 10.48 9 9.68 prefInc

VIEWER_GBUBLE

Итоги

Подытожить хотелось бы тем, что поставленные цели были достигнуты. Но конечно же еще есть над чем поработать. В планах работа над обработкой исключений, добавление возможности смены в настройках набора столбцов а также возможность задавать собственные имена столбцам, увеличение количества тестов. Также хотелось бы добавить возможность удобного тестирования скорости работы с базами данных.

Источник

Поделиться с друзьями
admin
Здоровый образ жизни: советы и рекомендации
Adblock
detector