C++ 评测：简单代码行的自时间与总时间
在分析时，我们知道“self time”指的是方法忽略其调用的函数所花费的时间，而“total time”指的是该方法及其子函数被调用的总时间 我有一个简单的函数，其中我只对数组进行计算，不调用数组中的任何其他函数。但是，在分析时，self和total的时间是完全不同的，对于函数本身以及函数上的每一行。下面是Zoom Profiler中的一条剖面线示例，它使用32个线程运行 for循环中线路的计时C++ 评测：简单代码行的自时间与总时间,c++,c,multithreading,profiling,profiler,C++,C,Multithreading,Profiling,Profiler,在分析时，我们知道“self time”指的是方法忽略其调用的函数所花费的时间，而“total time”指的是该方法及其子函数被调用的总时间 我有一个简单的函数，其中我只对数组进行计算，不调用数组中的任何其他函数。但是，在分析时，self和total的时间是完全不同的，对于函数本身以及函数上的每一行。下面是Zoom Profiler中的一条剖面线示例，它使用32个线程运行 for循环中线路的计时 Total Self Code 29.4 sec 16.9
Total Self Code
29.4 sec 16.9 sec id=*(pid);
对正在发生的事情有什么想法吗？我不太担心 分析人员显示的统计数据，即使是优秀的分析人员，也必须“有一点保留”。 这些统计数据意味着，在一些包含该行代码的堆栈示例中，它不是堆栈上的最后一行代码，这很难让人相信。 更容易相信剖析器是错的。 如今，处理器的管道运行方式遥遥领先，这可能会让人相当困惑 在任何情况下，如果您分析的原因是为了找到加速，那么很难看到如何加速特定代码行。 你在寻找你能加速的东西，而不是你不能的东西 顺便说一句，我建议不要看秒或毫秒或任何绝对时间测量值，而是看分数时间-时间除以总时间。 实际加速往往占较大的比例，从5%到99%。 此外，不必担心自含时时间，如果程序的大小很大，因此堆栈样本会变深，那么堆栈样本上的非终端行（即函数调用）是加速的有利条件。 最后，不需要测量精度，因此不需要大量样本 这就是为什么很多人使用
编辑：FWIW，这就是我的意思。以下是5个随机时间堆栈示例：
---------------------------
... some calls above
... exp(4.02) ...
... some calls below
---------------------------
... some calls above
... exp(0.35) ...
... some calls below
---------------------------
... some calls above
... push_back(...) ...
...
... new ...
...
---------------------------
...
... myArray[...]
...
---------------------------
... some calls above
... exp(0.35) ...
... some calls below
---------------------------
expexpexpexpexp这是一种可靠的方法，可以获得难以匹敌的速度。建议：1）将测试用例压缩成一个直接从
main（）调用的简单函数。pid