微基准测试 C 代码和缓存效果

问：

我在 macOS Sonoma 上使用 M1 Pro，编译时使用 15 （） 而没有任何（显式）优化。（编辑：使用 -O3，我可以观察到各个版本之间没有有意义的差异。不过，与同一版本的先前运行相比，最后一个版本似乎略快。clangclang-1500.0.40.1

我写了一个小函数来洗牌数组，我想测试它的性能。为此，我编写了以下函数：

void test_performance() {
    // initialize only once to measure performance
    int ns[] = {1, 2, 3, 4, 5};
    int ops = 1E6;
    int start = clock();
    for (int i = 0; i < ops; i++) {
        shuffle(ns, 5);
    }
    int end = clock();
    double s_total = ((double) (end - start)) / CLOCKS_PER_SEC;
    double ns_op = s_total / ops * 1E9;
    printf("test_performance: %fns/op (%fs total) \n", ns_op, s_total);
}

在我的机器上，这会产生 ~30ns/op。

然后我意识到循环操作包含在测量中。虽然它可能几乎可以忽略不计，但我本可以消除这个小噪音，所以我将其更改为在循环中调用，并将实际花费的时间添加到累加器中，从而产生以下代码。clock()shuffle

void test_performance() {
    // initialize only once to measure performance
    int ns[] = {1, 2, 3, 4, 5};
    int ops = 1E6;
    int start, end, ticks = 0;
    for (int i = 0; i < ops; i++) {
        start = clock();
        shuffle(ns, 5);
        end = clock();
        ticks += (end - start);
    }
    double s_total = ((double) ticks) / CLOCKS_PER_SEC;
    double ns_op = s_total / ops * 1E9;
    printf("test_performance: %fns/op (%fs total) \n", ns_op, s_total);
}

程序总体运行速度明显变慢，这并不奇怪，因为现在我有几百万个调用。然而，我确实发现令人惊讶的是，最后报告的每个操作的时间增加了一个数量级，约为 ~330ns/op。clock()

第一个问题：是什么导致了这种巨大的差异？

我最好的猜测是，他与现代硬件、缓存以及可能涉及系统调用的事实有关，在一种情况下始终在 CPU 缓存中，在另一种情况下不断被驱逐的代码，但我不太确定是否是这样，或者我是否缺少更明显的东西。clock()shuffle

第二个问题：如果是这样的话，在使用 C 进行微基准测试并评估缓存的影响时，有哪些好的做法？我主要感兴趣的是制作相对健壮的基准测试，而不需要专门的工具，但我也很高兴听到 C 社区使用的微基准测试工具。

编辑

有趣的是，我尝试使用 ，这也允许明确要求单调增加的时间，最终得到以下内容：clock_gettime

void test_performance() {
    struct timespec start_time, end_time;
    // initialize only once to measure performance
    int ns[] = {1, 2, 3, 4, 5};
    int ops = 1E6;
    double s_total = 0;
    for (int i = 0; i < ops; i++) {
        if (clock_gettime(CLOCK_MONOTONIC, &start_time) != 0) {
            perror("clock_gettime");
            return;
        }
        shuffle(ns, 5);
        if (clock_gettime(CLOCK_MONOTONIC, &end_time) != 0) {
            perror("clock_gettime");
            return;
        }
        s_total += (end_time.tv_sec - start_time.tv_sec) + (end_time.tv_nsec - start_time.tv_nsec) / 1.0e9;
    }
    double ns_op = s_total / ops * 1E9;
    printf("test_performance: %fns/op (%fs total) \n", ns_op, s_total);
}

有趣的是，这段代码报告的时间约为 ~25ns。当我尝试将时间测量值放在整个循环中而不是测量单个呼叫时，报告的时间又回到了 ~30ns，就像我使用 .clock()

我很想知道为什么似乎不会引起与 相同的惩罚。clock_gettimeclock()