石頭自清潔掃拖機器人G10S評測：多年黑科技集大成之作 懶人終極福音
科技圈經常能看到一個詞叫“縫合怪”，用來形容那些把好多功能或者外觀結合在一起的產品，通常這樣的詞是貶義詞，但如果真的是產品縫合的好、縫合的實用的話，那它就成了中性詞，今
譯者 | 劉汪洋
審校 | 重樓
如果在閱讀這篇文章之前，你還不了解“十億行挑戰”（ The One Billion Row Challenge，1brc ），我推薦你訪問 Gunnar Morling 的 1brc GitHub 代碼倉庫了解更多詳情。
我有兩位同事已經參與這項挑戰并成功上榜，因此我也選擇加入。
雖然 PHP 的執行速度并不出名，但我正開發一個 PHP 分析器，因此我想親自測試一下 PHP的處理速度。
我首先克隆了挑戰的代碼倉庫，并生成了一個包含十億行數據的文件measurements.txt。接下來，我開始嘗試第一個解決方案：
<?php$stations = [];$fp = fopen('measurements.txt', 'r');while ($data = fgetcsv($fp, null, ';')) { if (!isset($stations[$data[0]])) { $stations[$data[0]] = [ $data[1], $data[1], $data[1], 1 ]; } else { $stations[$data[0]][3]++; $stations[$data[0]][2] += $data[1]; if ($data[1] < $stations[$data[0]][0]) { $stations[$data[0]][0] = $data[1]; } if ($data[1] > $stations[$data[0]][1]) { $stations[$data[0]][1] = $data[1]; } }}ksort($stations);echo '{';foreach ($stations as $k => &$station) { $station[2] = $station[2] / $station[3]; echo $k, '=', $station[0], '/', $station[2], '/', $station[1], ', ';}echo '}';這段代碼邏輯簡單明了：打開文件并通過 fgetcsv()讀取數據。若之前未記錄過該站點，則創建一個新條目；否則，進行計數器增加、溫度累加，并檢查當前溫度是否刷新了最低或最高記錄，如是，則進行更新。
處理完所有數據后，我使用ksort()對數組$stations進行排序，并輸出每個站點的最低溫度、平均溫度（總溫度/記錄數）和最高溫度。
令我驚訝的是，在我的筆記本電腦上運行這段簡單腳本竟然耗時達到了25分鐘。
很明顯，我需要對這段代碼進行優化，并對其進行性能分析：
通過可視化的時間線，我們可以分析出腳本運行明顯受到 CPU 限制，腳本開始時的文件編譯時間可以忽略不計，且幾乎沒有垃圾收集事件發生。
火焰圖清晰地顯示出，fgetcsv()函數占據了約 46% 的 CPU 時間。
為了提升性能，我決定用fgets()替換fgetcsv()函數來逐行讀取數據，并手動按;字符進行分割。
// ...while ($data = fgets($fp, 999)) { $pos = strpos($data, ';'); $city = substr($data, 0, $pos); $temp = substr($data, $pos + 1, -1);// ...同時，我還把代碼中的$data[0]重命名為$city，$data[1]重命名為$temp，以增強代碼的可讀性。
這個簡單的修改使得腳本運行時間大幅減少到 19 分鐘 49 秒，雖然時間仍然較長，但相比之前已經減少了 21%。
通過火焰圖的比較，可以看到在替換后 CPU 的時間利用率發生了變化，詳細的根幀分析也揭示了具體的性能瓶頸位置：
在腳本的第 18 行和第 23 行花費了大約 38% 的CPU時間。
18 | $stations[$city][3]++; | // ...23 | if ($temp > $stations[$city][1]) {第 18 行是數組$stations的首次訪問和增量操作，而第 23 行進行了一次看似不那么耗時的比較操作。盡管如此，進一步優化有助于揭示這些操作中潛在的性能開銷。
為了提高性能，我決定在處理數組時使用引用，以避免每次訪問數組時都對$stations數組中的鍵進行搜索。這相當于為數組中的"當前"站點設置了一個緩存。
代碼如下：
$station = &$stations[$city];$station[3]++;$station[2] += $temp;// 替代原有的$stations[$city][3]++;$stations[$city][2] += $temp;這一改變實際上大大減少了執行時間，將其縮短到 17 分鐘 48 秒，進一步減少了 **10% **的運行時間。
在審查代碼的過程中，我注意到了以下片段：
if ($temp < $station[0]) { $station[0] = $temp;} elseif ($temp > $station[1]) { $station[1] = $temp;}考慮到一個溫度值如果低于最小值，則不可能同時高于最大值，因此我使用elseif來優化條件判斷，這可能會節省一些 CPU 周期。
需要指出的是，由于我不知道measurements.txt中溫度值的排列順序，根據這個順序，首先檢查最小值還是最大值可能會有所不同。
這次優化將時間進一步縮短到 17 分鐘 30 秒，節省了大約 2% 的時間，雖然這個提升并不是非常顯著。
PHP是一種動態類型語言，我在編程初期非常欣賞它這一特點，因為它簡化了許多問題。然而，另一方面，明確變量類型能幫助解釋引擎更高效地執行代碼。
$temp = (float)substr($data, $pos + 1, -1);令人驚訝的是，這個簡單的類型轉換把腳本執行時間縮短至 13 分鐘 32 秒，性能提升達到了驚人的 **21% **！
18 | $station = &$stations[$city]; | // ...23 | } elseif ($temp > $station[1]) {在優化后，第 18 行顯示數組訪問的 CPU 時間消耗從 11% 減少，這是因為減少了在 PHP 的哈希映射（關聯數組的底層數據結構）中搜索鍵的次數。
第 23 行的 CPU 時間從約 32% 減少到約 15%。這是因為避免了類型轉換的開銷。在優化之前，$temp、$station[0]和$station[1]是字符串類型，因此 PHP 在每次比較時必須將它們轉換為浮點數。
在優化過程中，我還嘗試啟用了 PHP 的 JIT（即時編譯器），它是 OPCache 的一部分。默認情況下，OPCache 在 CLI（命令行界面）模式下被禁用，因此需通過將opcache.enable_cli 設置為 on來啟用。此外，雖然JIT默認為開啟狀態，但由于緩沖區大小默認設置為0，實際上處于禁用狀態。通過將opcache.jit-buffer-size設置為10M，我有效地啟用了 JIT。
啟用 JIT 后，腳本執行時間驚人地縮減至 7 分鐘 19 秒，速度提升了 45.9%。
通過這系列優化，我將腳本的執行時間從最初的 25 分鐘大幅降低到了約 7 分鐘。在這個過程中，我注意到使用fgets()讀取一個 13GB 的文件時，竟然分配了大約 56GiB 每分鐘的 RAM，這顯然是不合理的。經過調查，我發現省略fgets()的長度參數可以大量減少內存分配：
while ($data = fgets($fp)) {// 替代之前的while ($data = fgets($fp, 999)) {這個簡單變化雖然只使性能提高了約 1%，但將內存分配從每分鐘 56GiB 降至每分鐘 6GiB，顯著減少了內存占用。這一改進雖然對執行時間影響不大，但減少內存消耗對于大規模數據處理仍然是一個重要的優化方向。
以上優化展示了在 PHP 性能調優中考慮各種因素的重要性，包括代碼邏輯優化、類型明確、JIT編譯以及內存管理等，共同作用下可以顯著提升應用性能。
到目前為止，我使用的單線程方法，與許多PHP程序默認的單線程方式相符，但通過使用parallel 擴展，PHP 實際上能在用戶空間內實現多線程操作。
性能分析明確指出，在 PHP 中進行數據讀取成為了性能瓶頸。雖然從 fgetcsv() 切換到 fgets() 并手動進行字符串分割有所改進，但這種方式仍舊相對耗時。因此，我們考慮采用多線程的方式來并行地讀取和處理數據，并在之后將各個工作線程的中間結果合并起來。
<?php$file = 'measurements.txt';$threads_cnt = 16;/** * 計算并返回每個線程應處理的文件塊的起始和結束位置。 * 這些位置將基于 /n 字符進行對齊，因為我們使用 `fgets()` 進行讀取， * 它會讀取直到遇到 /n 字符為止。 * * @return array<int, array{0: int, 1: int}> */function get_file_chunks(string $file, int $cpu_count): array { $size = filesize($file); if ($cpu_count == 1) { $chunk_size = $size; } else { $chunk_size = (int) ($size / $cpu_count); } $fp = fopen($file, 'rb'); $chunks = []; $chunk_start = 0; while ($chunk_start < $size) { $chunk_end = min($size, $chunk_start + $chunk_size); if ($chunk_end < $size) { fseek($fp, $chunk_end); fgets($fp); // 將文件指針移動到下一個 /n 字符 $chunk_end = ftell($fp); } $chunks[] = [ $chunk_start, $chunk_end ]; $chunk_start = $chunk_end; } fclose($fp); return $chunks;}/** * 該函數負責打開指定的 `$file` 文件，并從 `$chunk_start` 開始讀取處理數據， * 直到達到 `$chunk_end`。 * * 返回的結果數組以城市名作為鍵，其值為一個數組，包含最低溫度（鍵 0）、最高溫度（鍵 1）、 * 溫度總和（鍵 2）及溫度計數（鍵 3）。 * * @return array<string, array{0: float, 1: float, 2: float, 3: int}> */$process_chunk = function (string $file, int $chunk_start, int $chunk_end): array { $stations = []; $fp = fopen($file, 'rb'); fseek($fp, $chunk_start); while ($data = fgets($fp)) { $chunk_start += strlen($data); if ($chunk_start > $chunk_end) { break; } $pos2 = strpos($data, ';'); $city = substr($data, 0, $pos2); $temp = (float)substr($data, $pos2 + 1, -1); if (isset($stations[$city])) { $station = &$stations[$city]; $station[3]++; $station[2] += $temp; if ($temp < $station[0]) { $station[0] = $temp; } elseif ($temp > $station[1]) { $station[1] = $temp; } } else { $stations[$city] = [ $temp, $temp, $temp, 1 ]; } } return $stations;};$chunks = get_file_chunks($file, $threads_cnt);$futures = [];for ($i = 0; $i < $threads_cnt; $i++) { $runtime = new /parallel/Runtime(); $futures[$i] = $runtime->run( $process_chunk, [ $file, $chunks[$i][0], $chunks[$i][1] ] );}$results = [];for ($i = 0; $i < $threads_cnt; $i++) { // 等待線程結果，主線程在此處阻塞直至獲取結果 $chunk_result = $futures[$i]->value(); foreach ($chunk_result as $city => $measurement) { if (isset($results[$city])) { $result = &$results[$city]; $result[2] += $measurement[2]; $result[3] += $measurement[3]; if ($measurement[0] < $result[0]) { $result[0] = $measurement[0]; } if ($measurement[1] > $result[1]) { $result[1] = $measurement[1]; } } else { $results[$city] = $measurement; } }}ksort($results);echo '{', PHP_EOL;foreach ($results as $k => &$station) { echo "/t", $k, '=', $station[0], '/', ($station[2] / $station[3]), '/', $station[1], ',', PHP_EOL;}echo '}', PHP_EOL;該段代碼主要執行以下操作：首先，它掃描文件并將其分割成以 /n 為界的塊（利用 fgets() 進行讀取）。準備好這些塊后，我啟動了 $threads_cnt 個工作線程，它們分別打開相同的文件并跳轉到分配給它們的塊的起始位置，繼續讀取并處理數據直到塊結束，返回中間結果。最后，在主線程中合并、排序并輸出這些結果。
利用多線程處理，這個過程只需：
本文鏈接：http://www.tebozhan.com/showinfo-26-84720-0.html使用 PHP 處理十億行數據，如何極致提升處理速度？
聲明：本網頁內容旨在傳播知識，若有侵權等問題請及時與本網聯系，我們將在第一時間刪除處理。郵件：2376512515@qq.com
上一篇： 如何編寫可讀性高的 C/C++代碼？
Copyright ? 2016-2023 天津谷騏科技有限公司 版權所有 sitemap.xml
違法及侵權請聯系：2376512515@qq.com 津ICP備18001702號
津公網安備 12010102000574號