测量小型应用程序的性能

Question

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

该项目（https://gitlab.com/Yellowhat/statusbar）纯粹是为了学习CI/CD以及如何衡量性能（如果可能，在嘈杂的环境中）

最初这个项目都是用python写的，但不久前我决定用rust（https://gitlab.com/Yellowhat/statusbar/-/tree/master/tools/rust）写一个功能上等价的（它们打印出完全相同的信息）

查看每秒执行的指令数（I refs使用cachegrind，精简版本）：

• python:~800k
• rust:~35k

我可以得出结论rust版本比python版本“轻”得多

由于系统运行时状态栏将持续运行，因此我想了解它对系统的影响。因此，我决定在空闲时使用以下python脚本监控我的系统（1小时内不要触摸电脑，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返回在以下方面花费的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：玩弄拇指
  • iowait：正在等待I/O完成
  • irq：为中断提供服务
  • softirq：为软件IRQ提供服务
• /sys/class/power_supply/BAT0/power_now返回电池的电量（微瓦）

我比较了4个案例：

1. tty：从tty启动计算机并运行脚本
2. sway：启动计算机，启动sway（无条），打开终端并运行脚本
3. sway barpy：启动计算机，启动sway（使用python版本），打开终端并运行脚本
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CPU未空闲时花费的时间）-（测试开始时的初始值）与4种情况下的时间的对比：

正如您所看到的，tty最低，其次是sway，但有趣的是rust版本比python版本高得多

下图显示了4种情况下的功率与时间的关系：

如您所见，tty的消耗量最低，其次是sway，最后非常接近rust和python。这是我所期望的结果

第一个图表表明，在本例中，rust不比python轻

是否有更可靠的方法来测量“光”应用？ 我是否误解了/proc/stat的内容

谢谢

更新1

下图显示了user_t - user_t0、nice_t - nice_t0、system_t - system_t0与python和rust时间的关系：

user是相似的，而system和nice的rust要高得多

更新2

根据Peter Cordes的建议，我已经运行了：

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

下表总结了结果：

^{tb1}$

删除初始值（持续时间=0）并除以持续时间：

^{tb2}$

同样，似乎rust版本比python版本运行的周期/指令更多

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%   )