Rivalry2

HTML Diff

0 added 0 removed

Original 2026-01-01

Modified 2026-03-10

1 Теги: c#, производительность, unity, быстродействие, оптимизация кода, wpf, windows forms, dot.net framework, core

2 Статья посвящена изучению быстродействия часто используемых функций стандартных классов языка C# в разных окружениях, таких как WPF, Windows forms, Unity и ASP.NET. Реализован асинхронный механизм инструментальной оценки быстродействия участков кода. Рассмотрены несколько версий фреймворка, включая Mono, Core и традиционный .NET Framework, чтобы выявить разницу в скорости выполнения тех или иных функциональных возможностей платформ.

3 <h2>Введение</h2>

4 Оптимизации быстродействия ПО многими разработчиками в настоящее время уделяется недостаточно внимания. Это хорошо заметно по медленной работе некоторых современных приложений и их большим размерам. В качестве примера можно привести несколько самых распространенных по назначению приложений, реализующих такие функции как набор текстов, просмотр страниц в сети Интернет, голосовая связь (рис. 1), с которым справлялись и машины конца прошлого века, обладавшие в десятки и сотни раз меньшими мощностями, чем нынешние [1].

5 Рисунок 1. Пример объёмов памяти, занимаемых современным ПО:

6 Проблема кроется, зачастую, в использовании излишне тяжелых библиотек и компонентов, которые тяжелы из-за того, что сами используют другие библиотеки и это дерево уходит своими корнями глубоко в историю. Не меньшее влияние оказывает и неправильное применение структур данных, не учитывающие сложности алгоритмов при обработке множеств элементов. Элементарные операции и типовые функции из стандартных библиотек, на первый взгляд, влияют на быстродействие в меньшей степени, однако они, ввиду частого использования тоже, порой, вносят своё воздействие в изменение быстродействия. Особенно это становится заметно при обработке больших объемов данных.

7 Данная статья посвящена изучению быстродействия элементарных операций и часто используемых функций языка C# в разных окружениях, таких как WPF, Windows forms, Unity. Мы рассмотрим несколько версий фреймворка и видов проекта, чтобы увидеть, есть ли разница в скорости выполнения того или иного функционала.

8 Для изучения напишем небольшой тестовый класс, разместим его в переносимой библиотеке и будем ее подключать в разные среды выполнения. Компактная переносимая библиотека классов, подключаемая к разным средам выполнения с исходным кодом размещена в открытом доступе на сервисе Bitbucket [2].

9 <h2>Методология и реализация тестового окружения</h2>

10 Основной функционал класса, реализованного для изменения быстродействия, следующий:

11 <ul><li>поток, постоянно выполняющий изучаемую функцию из её делегата private Action TestAction, что позволяет частично обойти оптимизацию повторяющихся операций механизмами .Net Framework-а;</li>

12 <li>функция замера, принимающая делегат - замеряет количество выполнений этого делегата потоком в течение 1 миллисекунды;</li>

13 <li>функция подсчета - накапливает результаты одинаковых замеров в словаре для последующего устранения пиковых результатов, усреднения, вычисления медианного значения;</li>

14 <li>механизм минимизации вызова сборщика мусора и замера частоты его во время тестов.</li>

15 </ul>Класс тестировщика производительности представлен ниже:

16 public class TimeTestAsync { public int TimeMilliseconds = 1; private Action TestAction = () => { }; private Thread Thread; public int Count = 0; public readonly Dictionary<string, List<TimeResult>> Results = new Dictionary<string, List<TimeResult>>(); private void Init() { if (Thread != null) return; Thread = new Thread(TestFunk) { IsBackground = true }; Thread.Start(); } ~TimeTestAsync() => Stop(); public void Zamer(string info, Action action) { Init(); if (!Results.ContainsKey(info)) Results.Add(info, new List<TimeResult>()); var z = Zamer(action); Results[info].Add(z); } private DateTime _start; private TimeResult Zamer(Action action) { var gc = GC.CollectionCount(0); TestAction = action; Count = 0; _start = DateTime.UtcNow; Thread.Sleep(TimeMilliseconds); var end = DateTime.UtcNow.Subtract(_start); return new TimeResult() { Count = Count, Time = end, GC = GC.CollectionCount(0) - gc }; } private void TestFunk() { while (true) { TestAction.Invoke(); ++Count; } } public void Stop() { Thread?.Abort(); Thread = null; } }Результат замеравыглядит следующим образом:

17 public class TimeResult { public int Count; public TimeSpan Time; public int GC; public double Nanoseconds() { return Time.TotalMilliseconds / Count * 1000000; } public override string ToString() { return "\t" + Nanoseconds() + "\t" + Count; } }По времени замера и количеству операций он определяет время выполнения тестируемой функции в наносекундах.

18 И, собственно, применение этого класса замеров возможно, например, в таком виде:

19 public class Tests { readonly TimeTestAsync Tester = new TimeTestAsync(); private const string Br = "\t"; private float ClassProperty { get; set; } static float StaticProperty { get; set; } static float StaticField = 0; float ClassField = 0; float ClassField2 = 0; string ClassStr = ""; bool ClassBool = false; private const int Min = 50, Max = 100; … public string Test() { var localRandom = new Random(); for (int i = 0; i <= 10; i++) { ClassStr = ""; ClassStringBuilder = new StringBuilder(); ClassField = localRandom.Next(Min, Max); … GC.Collect(); Tester.Zamer("() => { ClassField++; }", () => { ClassField++; }); Tester.Zamer("() => ClassStr = \"S1\"", () => ClassStr = "S1"); Tester.Zamer("() => ClassStr = \"S1\" + ++ClassField", () => ClassStr = "S1" + ++ClassField); GC.Collect(); … if (i == 0) Tester.Results.Clear(); StaticField += localField; } Tester.Stop(); var tempCount = ClassField + StaticField; string s = $"Функция{Br}" + $"Среднее время на выполнение, нс{Br}" + $"Медианное время на выполнение, нс{Br}" + $"Среднеквадратичное отклонение{Br}" + $"Среднее к-во запусков за тест, раз{Br}" + $"Среднее Время теста, мс{Br}" + $"К-во тестов, раз{Br}" + $"Среднее к-во вызовов сборки мусора на тест, раз\n"; foreach (var r in Tester.Results) { var withResults = r.Value.Where(x => x.Count > 0).ToArray(); var nano = withResults.Select(x => x.Nanoseconds()).ToList(); s += $"{r.Key}{Br}" + $"{nano.Average(x => x):F2}{Br}" + $"{nano.OrderBy(x => x).ToArray()[nano.Count / 2]:F2}{Br}" + $"{StandardDeviation(nano):F2}{Br}" + $"{withResults.Average(x => (double)x.Count):F0}{Br}" + $"{withResults.Average(x => x.Time.TotalMilliseconds):F2}{Br}" + $"{withResults.Length}{Br}" + $"{withResults.Average(x => (double)x.GC):F2}\n"; } s += "\n\n" + tempCount;// + "\n\n" + Tester.GcCount return s; }Простейший интерфейс позволяет скопировать результаты в Excel и там их обработать.

20 Рисунок 2. Результат измерения в простом окне WPF для последующего копирования в Excel:

21 Относительные результаты измерения быстродействия по рассмотренным группам операций оценивались относительно WPF по специальной формуле.

22 Ознакомиться с подробными результатами измерений в табличном виде вы сможетево второй части статьи.

23 Список литературы: 1. Моё разочарование в софте [Электронный ресурс] // Хабр.<a>Прочитать</a>2. Публичный репозиторий с кодом проекта [Электронный ресурс].<a>Прочитать</a>3. Четверина О. А. Повышение производительности кода при однофазной компиляции // Программирование. 2016. № 1. С. 51-59.