概述 #
切片的底层是数组，并且不同的切片之间共享一个底层数组，在实现 过滤器 功能时，可以利用这个特点，将过滤后的结果切片引用为同一个底层数组，实现内存零分配。
不复用底层数组 #
测试代码如下:
package performance
import "testing"
func filter(x int) bool {
return x&1 == 1
}
func Benchmark_Filter(b *testing.B) {
b.StopTimer()
// 数据初始化操作
size := 10000
data := make([]int, size)
for i := 0; i < size; i++ {
data[i] = i
}
b.StartTimer()
for n := 0; n < b.N; n++ {
res := make([]int, 0, size>>1) // res 重新初始化，不复用 data 的底层数组
for i := 0; i < size; i++ {
if filter(data[i]) {
res = append(res, data[i])
}
}
}
}
运行测试，并将基准测试结果写入文件:
# 运行 100000 次，统计内存分配
$ go test -run='^$' -bench=. -count=1 -benchtime=100000x -benchmem . > slow.txt
复用底层数组 #
测试代码如下:
package performance
import "testing"
func filter(x int) bool {
return x&1 == 1
}
func Benchmark_Filter(b *testing.B) {
b.StopTimer()
// 数据初始化操作
size := 10000
data := make([]int, size)
for i := 0; i < size; i++ {
data[i] = i
}
b.StartTimer()
for n := 0; n < b.N; n++ {
res := data[:0] // res 复用 data 的底层数组
for i := 0; i < size; i++ {
if filter(data[i]) {
res = append(res, data[i])
}
}
}
}
运行测试，并将基准测试结果写入文件:
# 运行 100000 次，统计内存分配
$ go test -run='^$' -bench=. -count=1 -benchtime=100000x -benchmem . > fast.txt
使用 benchstat 比较差异 #
$ benchstat -alpha=100 fast.txt slow.txt
# 输出如下
name old time/op new time/op delta
_Filter-8 7.92µs ± 0% 21.11µs ± 0% +166.67% (p=1.000 n=1+1)
name old alloc/op new alloc/op delta
_Filter-8 0.00B 40960.00B ± 0% +Inf% (p=1.000 n=1+1)
name old allocs/op new allocs/op delta
_Filter-8 0.00 1.00 ± 0% +Inf% (p=1.000 n=1+1)
输出的结果分为了三行，分别对应基准期间的: 运行时间、内存分配总量、内存分配次数，采用了 复用底层数组 方案后:
- 运行时间提升了将近
1.7 倍 - 内存分配总量降至 0
- 内存分配次数降至 0
小结 #
通过复用底层数组，极大地提高了性能，最重要的是，将内存分配优化到了 0。当然，这个优化的前提是: 源切片指向的底层数组的共享数据允许被修改。
