jacicson1987的专栏

在实际软件开发中，性能优化的手段非常多样，最常见的往往是业务逻辑、数据结构和算法层面的改进。本文主要聚焦于计算密集型场景下的一些底层优化方法，包括循环展开、SIMD、循环合并、分支去除和数据预取等。这些技术并不是通用的“万能钥匙”，而是针对特定类型的性能瓶颈，在合适的场景下可以带来显著提升。

文章摘要：本文对比了三种计算字符串长度的实现方法：普通循环、4次循环展开和SIMD（AVX2）优化版本。测试数据显示，在10万次随机字符串测试中，SIMD版最快（16.7ms），4次展开版次之（30.2ms），原始循环最慢（41.1ms）。循环展开通过减少循环次数（N/4）和分支判断提升性能，而SIMD利用AVX2指令集一次处理32字节数据，实现并行计算。性能排序为：SIMD > 4次展开 > 原始循环，验证了优化策略的有效性。

本文比较了多模匹配算法(Aho-Corasick)与普通字符串查找在性能上的差异。多模匹配通过构建Trie树和失败指针，实现时间复杂度为O(n+m)的高效匹配，而普通查找则为O(n*k)。实验使用不同数量级的关键词(10,100,500个)测试一个系统日志文件，结果表明多模匹配在关键词数量较大时性能优势显著。测试代码基于开源aho_corasick实现，通过计时器测量两种方法的匹配耗时，为选择合适的关键词规模场景提供数据参考。

压缩算法性能对比与实测分析 通过对LZ4、Zstandard、Brotli、LZO和Snappy五种压缩算法的测试表明： 速度方面：LZ4和LZO表现最佳，压缩/解压耗时最短（LZ4仅需15ms解压）； 压缩率：Zstd以9.23%的压缩率显著领先，Brotli次之（13.19%）； 综合性能：Zstd在压缩率和速度间取得平衡，适合文件压缩、数据库备份等场景；LZ4则更适用于实时数据处理。实测日志压缩中，Zstd压缩耗时71ms，解压31ms，综合性价比最优。各算法安装简单，通过GitHub源码编译即可快速

测试程序单连接写入并且同步只有 10000 req/s 左右的写入性能。如果关闭PUB，单纯写入会有20000 req/s左右性能。通过benchmark验证，单链接也是18000 req/s写入性能。

单线程内存顺序拷贝，首次拷贝性能不如SSD写入性能！

其中发送速率12016406，基本稳定在1200000 KB/s以上。三个窗口分别同时开3个iperf3 client，跑10分钟。三个iperf3 Client, 合并速率大约 92GB/s。Kbps Mbps Gbps换算倍数是 1000。三个窗口分别开3个iperf3 server。ubuntu20.04, 系统设置默认状态。Kpbs 与 KB/s换算关系是 x8。两台服务器 100G网卡对插直连。

测试方法gettimeofday 和 clock_gettime的7种类型时间的对比。clock_gettime类型如下类型含义CLOCK_REALTIME从1970.1.1到目前的时间CLOCK_MONOTONIC系统启动到现在的时间CLOCK_THREAD_CPUTIME_ID线程所消耗的时间CLOCK_PROCESS_CPUTIME_ID进程所消耗的时间CLOCK_MONOTONIC_RAW基于硬件时间CLOCK_REALTIME_CO