Adaptadores de Ferramenta de Benchmark


Os adaptadores convertem a saída da ferramenta de benchmark em JSON padronizado, no Formato de Métrica do Bencher (BMF). Os adaptadores são executados no servidor API quando um novo relatório é recebido. Veja a visão geral do benchmarking para uma explicação mais aprofundada. Eles podem ser especificados no subcomando bencher run CLI com a flag opcional --adapter. Se nenhum adaptador estiver especificado, o adaptador magic é usado por padrão.

É melhor usar o adaptador mais específico para o seu caso. Isso fornecerá uma análise mais precisa e performática. Por exemplo, se você está fazendo parse da saída do libtest bench em Rust , você deve usar o adaptador rust_bench, e não os adaptadores magic ou rust. Veja nossa página de desempenho do Bencher para uma boa comparação.

Comparação de Adaptadores de Benchmark para Bencher - Bencher

🪄 Magic (padrão)

O Adaptador Magic (magic) é um superconjunto de todos os outros adaptadores. Por esse motivo, é o adaptador padrão para bencher run, mas é melhor usá-lo apenas para exploração. No CI, você deve usar o adaptador mais específico para o seu caso.

{…} JSON

O Adaptador JSON (json) espera um JSON no formato BMF. É perfeito para integrar ferramentas de benchmark personalizadas com o Bencher.

Exemplo de BMF:

{
    "benchmark_name": {
        "latency": {
            value: 88.0,
            lower_value: 87.42,
            upper_value: 88.88
        }
    }
}

Neste exemplo, a chave benchmark_name seria o nome de um benchmark. Os nomes do benchmark podem ser qualquer string não vazia de até 1024 caracteres. O objeto benchmark_name contém slugs de Tipo de Métrica ou UUIDs como chaves. Neste exemplo, latency é o slug para o Tipo de Métrica Latência. Cada Projeto, por padrão, tem um Tipo de Métrica Latência (ou seja, latency) e Throughput (ou seja, throughput), que são medidos em nanossegundo (ns) e operações / segundo (ops/s) respectivamente. O objeto Tipo de Métrica contém uma Métrica com até três medidas: value, lower_value e upper_value. A lower_value e upper_value são opcionais, e seu cálculo é específico para a ferramenta de benchmark.

Neste exemplo, o objeto Tipo de Métrica latency contém as seguintes medidas:

  • Uma value de 88.0
  • Uma lower_value de 87.42
  • Uma upper_value de 88.88

Se o JSON BMF estiver armazenado em um arquivo, então você pode usar o subcomando bencher run CLI com o argumento opcional --file para especificar esse caminho do arquivo. Isso funciona tanto com um comando de benchmark (ex: bencher run "bencher mock > results.json" --file results.json) quanto sem um comando de benchmark (ex: bencher mock > results.json && bencher run --file results.json).


🐰 Nota: O subcomando CLI bencher mock gera Métricas BMF falsas.

#️⃣ C#

O Adaptador C# (c_sharp) é um superconjunto de c_sharp_dot_net.

#️⃣ C# DotNet

O Adaptador C# DotNet (c_sharp_dot_net) espera a saída do BenchmarkDotNet no formato JSON (ou seja, --exporters json). A Métrica de Tipo Latência (ou seja, nanosecond (ns)) é coletada.

Existem duas opções para a Métrica:

  • mean (padrão): A lower_value e upper_value estão uma desvio padrão abaixo e acima da média (ou seja, value) respectivamente.
  • median: A lower_value e upper_value estão um intervalo interquartil abaixo e acima da mediana (ou seja, value) respectivamente.

Isso pode ser especificado no subcomando bencher run CLI com a flag opcional --average.

➕ C++

O Adaptador C++ (cpp) é um superconjunto de cpp_catch2 e cpp_google.

➕ C++ Catch2

O Adaptador C++ Catch2 (cpp_catch2) espera a saída do Catch2. O Tipo de Métrica Latência (ou seja, nanoseconds (ns)) é coletado. A lower_value e upper_value estão um desvio padrão abaixo e acima da média (ou seja, value) respectivamente.

➕ C++ Google

O Adaptador C++ Google (cpp_google) espera a saída do Google Benchmark no formato JSON (ou seja, --benchmark_format=json). O Tipo de Métrica Latência (ou seja, nanoseconds (ns)) é coletado. Apenas a média (ou seja, value) está disponível. Não existem lower_value e upper_value.

🕳 Go

O Adaptador Go (go) é um superconjunto de go_bench.

🕳 Go Bench

O Adaptador Go Bench (go_bench) espera a saída do go test -bench. O Tipo de Métrica Latência (ou seja, nanoseconds (ns)) é coletado. Apenas a média (ou seja, value) está disponível. Não existem lower_value e upper_value.

☕️ Java

O Adaptador Java (java) é um superconjunto de java_jmh.

☕️ Java JMH

O Adaptador Java JMH (java_jmh) espera a saída do Java Microbenchmark Harness (JMH) no formato JSON (ou seja, -rf json). Os Tipos de Métrica latency e throughput (ou seja, nanoseconds (ns) e operations / second (ops/sec)) podem ser coletados. A lower_value e upper_value são os intervalos de confiança inferior e superior para a média (ou seja, value) respectivamente.

🕸 JavaScript

O Adaptador JavaScript (js) é um superconjunto de js_benchmark e js_time.

🕸 JavaScript Benchmark

O Adaptador JavaScript Benchmark (js_benchmark) espera a saída do Benchmark.js. O Tipo de Métrica Throughput (ie operations / second (ops/sec)) é coletado. A lower_value e upper_value são a margem de erro relativo abaixo e acima da mediana (ou seja, value) respectivamente.

🕸 JavaScript Time

O Adaptador JavaScript Time (js_time) espera a saída do console.time/console.timeEnd. O Tipo de Métrica Latência (ou seja, nanoseconds (ns)) é coletado. Apenas o tempo de operação (ou seja, value) está disponível. Não existem lower_value e upper_value.

🐍 Python

O Adaptador Python (python) é um superconjunto de python_asv e python_pytest.

🐍 Python ASV

O Adaptador Python ASV (python_asv) espera a saída da CLI airspeed velocity asv run. O Tipo de Métrica Latência (ou seja, nanoseconds (ns)) é coletado. A lower_value e upper_value são o intervalo interquartil abaixo e acima da mediana (ie value) respectivamente.

🐍 Python Pytest

O Adaptador Python Pytest (python_pytest) espera a saída do pytest-benchmark no formato JSON (ou seja, --benchmark-json results.json). Esta saída JSON é salva em um arquivo, portanto, você deve usar o argumento --file do CLI bencher run para especificar esse caminho do arquivo (ou seja, bencher run --file results.json "pipenv run pytest --benchmark-json results.json benchmarks.py"). O Tipo de Métrica Latência (ou seja, nanoseconds (ns)) é coletado.

Existem duas opções para a Métrica:

  • mean (default): A lower_value e upper_value estão uma desvio padrão abaixo e acima da média (ou seja, value) respectivamente.
  • median: A lower_value e upper_value estão um intervalo interquartil abaixo e acima da mediana (ou seja, value) respectivamente.

Isso pode ser especificado no subcomando bencher run CLI com a argumento opcional --average.

♦️ Ruby

O Adaptador Ruby (ruby) é um superconjunto de ruby_benchmark.

♦️ Ruby Benchmark

O Adaptador Ruby Benchmark (ruby_benchmark) espera a saída do módulo Benchmark para os métodos #bm, #bmbm, e #benchmark. Um rótulo é necessário para cada benchmark. O Tipo de Métrica Latência (ou seja, nanoseconds (ns)) é coletado. Apenas o valor informado (ou seja, value) está disponível. Não existem lower_value e upper_value.

🦀 Rust

O Adaptador Rust (rust) é um superconjunto de rust_bench e rust_criterion.

🦀 Rust Bench

O Adaptador Rust Bench (rust_bench) espera a saída do libtest bench. O Tipo de Métrica Latência (ou seja, nanoseconds (ns)) é coletado. A lower_value e upper_value são o desvio abaixo e acima da mediana (ou seja, value) respectivamente.

🦀 Rust Criterion

O Adaptador Rust Criterion (rust_criterion) espera a saída do Criterion. O Tipo de Métrica Latência (ou seja, nanoseconds (ns)) é coletado. A lower_value e upper_value são os limites inferior e superior do gradiente (se disponível) ou da média (se não) (ou seja, value) respectivamente.

🦀 Rust Iai

O Adaptador Rust Iai (rust_iai) espera a saída do Iai. Os Tipos de Métrica instructions, l1_access, l2_access, ram_access, e estimated_cycles são coletados. Apenas essas medidas (ou seja, value) estão disponíveis. Não existem medidas lower_value e upper_value. Os Tipos de Métrica para este adaptador não são criados por padrão para todos os projetos. Entretanto, quando você usa este adaptador, esses Tipos de Métrica serão automaticamente criados para o seu Projeto.



🐰 Parabéns! Você aprendeu tudo sobre adaptadores de ferramenta de benchmark! 🎉


Continue: Limites & Alertas ➡

🤖 Este documento foi gerado automaticamente pelo OpenAI GPT-4. Pode não ser preciso e pode conter erros. Se você encontrar algum erro, abra um problema no GitHub.