性能实验设计与测试全解析
1. 测试与性能回归
在代码测试环节，其复杂程度取决于代码库的测试基础设施。一些代码库有大量单元测试确保正确性，可根据测试覆盖度和详细程度，利用现有测试；而有些代码库缺乏完善测试实践，就需编写自定义测试用例。若不确定，建议过度测试，避免引入功能或安全漏洞。
创建可复现实验时，可编写两个程序，一个评估当前性能，另一个评估当前正确性。为确保测试程序和性能程序使用相同代码，建议将实现放在不同源文件中，构建成不同目标文件。
性能回归测试也很重要，曾经的问题可能再次出现，需定期运行可复现实验，确保性能不会退回到优化前的状态，这与单元测试类似，发现的 bug 应添加到测试套件中，防止功能退化。低级别性能测试能很好地补充高级别性能测试，高级别测试检测性能回归，低级别测试帮助定位代码中出现问题的部分。
2. 选择合适的指标
性能分析和优化依赖准确的数据收集，选择合适的性能指标至关重要。性能指标主要分为两类：衡量单次操作成本的指标（如测量时间时，常称为测量延迟）和衡量给定时间间隔内操作发生频率的指标（常称为测量吞吐量）。
例如，在图形渲染性能测量中，帧时间属于第一类指标，它测量渲染一帧的时间成本；帧速率属于第二类指标，以每秒帧数衡量。选择指标时，要根据测量组件选择合适的详细程度，如比较 CPU 管道中两个算法的性能时，时钟周期是合适的指标；而比较图形渲染性能时，时钟周期可能过于底层。
所有指标按解读方式可分为三类：值越高越好（HIB）、值越低越好（LIB）、标称值最好（NIB）。HIB 和 LIB 指标更为常见。
3. 处理外部变量
在基准测试中
