使用 Rust 構建一個 CPU 基準測試工具
在這篇文章中，我們將創建一個能執行的 Rust 腳本來測量 CPU 的性能。
爲了實現目標，我們將創建一些在循環中運行的虛擬計算，分佈在所有可用的 CPU 內核上。理想情況下，我們的計算需要 CPU 密集型任務，所以我們儘可能接近 100% 的 CPU 使用率。
創建一個 Rust 項目：
cargo new cpu-benchmark
在 Cargo.toml 文件中添加如下代碼：
[dependencies]
indicatif = "0.17.5"
sysinfo = "0.29.7"
[profile.release]
lto = "fat"
strip = "debuginfo"
因爲計算階乘是一項 cpu 密集型任務，所以我們首先在 src/main.rs 文件中寫入一個計算階乘的函數：
pub fn factorial(num: u128) -> u128 {
(1..=num).product()
}
然後，我們在循環中調用這個階乘函數：
fn add_one_loop(&n_loops: &u64) {
for _in in 0..n_loops {
let _ = factorial(20);
}
}
在 main 函數中，我們需要做一些處理：
-
找出有多少內核和線程可用
-
爲了方便打印一些系統信息
-
多線程處理
-
顯示進度條
對於系統信息，我們使用一個名爲 sysinfo 的 crate：
use sysinfo::{System, SystemExt};
fn main() {
let mut sys = System::new_all();
sys.refresh_all();
// 顯示系統信息
println!("System name: {:?}", sys.name());
println!("System kernel version: {:?}", sys.kernel_version());
println!("System OS version: {:?}", sys.os_version());
println!("System host name: {:?}", sys.host_name());
// 獲取CPU數
println!("Number of available threads: {}", sys.cpus().len());
}
進度條我們使用另一個名爲 indicatif 的 crate，此外，我們還測量開始和結束之間的時間，並計算每秒的計算次數以獲得分數。
main.rs 的完整代碼如下：
use std::{thread::available_parallelism, time::Instant, env};
use indicatif::ProgressBar;
use sysinfo::{System, SystemExt};
pub fn factorial(num: u128) -> u128 {
(1..=num).product()
}
fn add_one_loop(&n_loops: &u64) {
for _in in 0..n_loops {
let _ = factorial(20);
}
}
fn main() {
let args: Vec<String> = env::args().collect();
let num_calcs_arg: Option<&String> = args.get(1);
let num_calcs: u64 = match num_calcs_arg {
Some(num_calcs_arg) => num_calcs_arg.trim().parse::<u64>().unwrap(),
None => 400000000,
};
let num_iters: u64 = 20000;
let total_calc: u64 = num_calcs * num_iters;
println!(
"Running {} calculations over {} iterations each with a total of {} calculations.",
&num_calcs, &num_iters, &total_calc,
);
// 獲取系統信息
let mut sys = System::new_all();
sys.refresh_all();
// 顯示系統信息
println!("System name: {:?}", sys.name());
println!("System kernel version: {:?}", sys.kernel_version());
println!("System OS version: {:?}", sys.os_version());
println!("System host name: {:?}", sys.host_name());
// 獲取CPU數
println!("Number of available threads: {}", sys.cpus().len());
// 獲取我們可以使用多少線程的信息，並使用其中的一半
let available_cores: u64 = available_parallelism().unwrap().get() as u64;
let iter_per_core: u64 = num_calcs / available_cores;
let now = Instant::now();
let bar = ProgressBar::new(num_iters);
for _i in 0..num_iters {
let mut results = Vec::new();
let mut threads = Vec::new();
for _i in 0..available_cores {
threads.push(std::thread::spawn(move || add_one_loop(&iter_per_core)));
}
for thread in threads {
results.extend(thread.join());
}
bar.inc(1);
}
bar.finish();
let elapsed = now.elapsed();
let calc_per_sec: f64 = (total_calc as f64) / (elapsed.as_secs() as f64);
println!("Total runtime: {:.2?}", elapsed);
println!("Calculations per second: {:.2?} seconds.", calc_per_sec);
}
現在運行如下命令測試我們的簡單腳本：
cargo run --release
結果如下：
Running 400000000 calculations over 20000 iterations each with a total of 8000000000000 calculations.
System name: Some("Darwin")
System kernel version: Some("23.4.0")
System OS version: Some("14.4.1")
System host name: Some("Koshkaaas-MacBook-Pro.local")
Number of available threads: 10
████████████████████████████████████████████████████████████████████████████████████ 20000/20000Total runtime: 1.99s
Calculations per seconds: 4011255834575.31 seconds
我們獲得了系統信息、運行時間、進度條和可解釋的基準分數。
