C# 基准测试实战指南：如何精准测量代码性能并避免常见陷阱

1次阅读

没有评论

共计 1516 个字符，预计需要花费 4 分钟才能阅读完成。

当我们尝试优化代码性能时，第一反应往往是使用 Stopwatch 手动计时。但这种方法存在明显缺陷：

无法自动处理 JIT 编译预热
难以排除 GC 垃圾回收的干扰
缺少统计分析方法（如去除异常值）

BenchmarkDotNet 通过自动化这些流程，使性能测试结果具有统计学意义。官方数据显示，手动测试的误差幅度可能高达 30%，而专业工具可将误差控制在 1% 以内。

冷启动误差 ：未考虑 JIT 编译预热，首次运行耗时明显偏高
GC 干扰 ：测试过程中触发的垃圾回收会污染时间数据
测试隔离不足 ：并行运行的测试相互产生资源竞争
数据代表性差 ：使用极小数据集无法反映真实场景
错误统计方法 ：仅凭单次运行时间做出判断

首先通过 NuGet 安装核心组件：

dotnet add package BenchmarkDotNet

[SimpleJob(RuntimeMoniker.Net60)]
[MemoryDiagnoser] // 启用内存分配统计
public class StringConcatenationBenchmark
{
    private const int N = 1000;
    private readonly string[] words = Enumerable.Repeat("sample", N).ToArray();

    [Benchmark(Baseline = true)]
    public string StringConcat()
    {
        string result = string.Empty;
        foreach (var word in words)
        {result += word;}
        return result;
    }

    [Benchmark]
    public string StringBuilder()
    {var sb = new System.Text.StringBuilder();
        foreach (var word in words)
        {sb.Append(word);
        }
        return sb.ToString();}
}

[SimpleJob(
    runtimeMoniker: RuntimeMoniker.Net60,
    invocationCount: 100,
    iterationCount: 20,
    warmupCount: 5)]
[MemoryDiagnoser]
[ThreadingDiagnoser] // 线程竞争分析
public class ConfiguredBenchmark {/*...*/}

[Benchmark]
[Arguments(4)] // 线程数
public void ParallelProcessing(int degreeOfParallelism)
{
    Parallel.For(0, 1000, new ParallelOptions 
    {MaxDegreeOfParallelism = degreeOfParallelism}, i =>
    {// 测试代码});
}

通过 [MemoryDiagnoser] 属性可以获取：