BenchmarkTools.jl 可视化：用 BenchmarkPlots 让性能结果一目了然

BenchmarkTools.jl 可视化：用 BenchmarkPlots 让性能结果一目了然

【免费下载链接】BenchmarkTools.jlA benchmarking framework for the Julia language项目地址: https://gitcode.com/gh_mirrors/be/BenchmarkTools.jl

BenchmarkTools.jl 是 Julia 语言最流行的性能基准测试框架，内置的@benchmark、@btime等宏能精确测量代码的运行耗时与内存分配。不过，默认输出的直方图文本虽然信息丰富，却很难在不同函数、不同实现之间快速对比。本文将带你认识 BenchmarkTools.jl 可视化方案 —— 官方配套插件 BenchmarkPlots，只需一行plot就能把枯燥的数字变成直观的分布图，让性能结果一目了然。

为什么你需要 BenchmarkTools.jl 可视化？

先看 BenchmarkTools 默认的文本输出。运行@benchmark后，你会得到类似这样的结果：

BenchmarkTools.Trial: 10000 samples with 972 evaluations. Range (min … max): 69.399 ns … 1.066 μs ┊ GC (min … max): 0.00% … 0.00% Time (median): 83.850 ns ┊ GC (median): 0.00% Time (mean ± σ): 89.471 ns ± 53.666 ns ┊ GC (mean ± σ): 3.25% ± 5.16%

这段文字信息量很大（最小/最大/中位数/均值/标准差），但它只覆盖一个基准。当你写出三四个候选实现、想比较谁更快时，来回翻看文字输出就非常痛苦了。这正是性能结果可视化发挥价值的地方：一张图就能呈现完整的时间分布，异常值、抖动、集中趋势都看得清清楚楚。

BenchmarkPlots：专为 BenchmarkTools 设计的可视化插件

BenchmarkPlots 是 BenchmarkTools 官方提供的可视化扩展，它本身不绘制图形，而是利用 RecipesBase.jl 为Trial和BenchmarkGroup两类对象定义了专属绘图配方，再由 Julia 生态通用的 Plots.jl 负责渲染。核心实现只有短短二十多行，定义在 BenchmarkPlots.jl 中：

• Trial配方：将每次采样的耗时绘制成violin plot（提琴图），y 轴单位为纳秒；
• BenchmarkGroup配方：把组内每一个子基准都画成一把“小提琴”，横向排列、自动标注名称。

也就是说，你不需要学习任何新的绘图 API，只要会plot就能完成 BenchmarkTools.jl 可视化。

一键安装：最快的配置方法

BenchmarkPlots 是 Julia 包，安装与导入都非常简单。在 Julia REPL 中按]进入包管理模式，输入：

pkg> add BenchmarkPlots

装好后在代码开头导入：

using BenchmarkTools, BenchmarkPlots, StatsPlots

其中 StatsPlots 提供提琴图（violin）所需的统计绘图能力，是必选项。官方文档 manual.md 的第 987 行附近也给出了同样的用法示例。

单个 Trial 可视化：三行代码画出性能分布

先用一个真实基准生成Trial对象，再交给plot：

using BenchmarkTools, BenchmarkPlots, StatsPlots t = @benchmark lu(rand(10, 10)) plot(t)

输出是一幅漂亮的提琴图：横轴没有刻度（单个基准无需对比），纵轴是耗时（纳秒），琴体越宽表示该耗时区间出现的样本越多。与默认文本相比，你能一眼看到：

• 大多数样本集中在哪个耗时区间（中位数附近最宽）；
• 是否存在明显的慢速长尾（右侧拉长的琴体）；
• 整体抖动有多大（琴体宽度）。

官方文档建议用@benchmarkable+run先构建再绘图，便于复用参数：

b = @benchmarkable lu(rand(10, 10)) t = run(b) plot(t)

BenchmarkGroup 整体可视化：多基准同屏对比

日常开发中更常见的是一组基准的对比——例如同一算法的三种实现。此时用BenchmarkGroup组织基准（参考示例 benchmarks.jl 的写法），然后一次性可视化：

using BenchmarkTools, BenchmarkPlots, StatsPlots g = BenchmarkGroup() g["冒泡排序"] = @benchmarkable sort!(copy($data)) g["内置 sort!"] = @benchmarkable sort!($data) plot(run(g))

BenchmarkGroup 的可视化配方会自动为组内每个Trial绘制一把“小提琴”，横向排列并标注基准名称。多把琴并排时，中位数高低、分布宽窄的差异一目了然，非常适合向同事展示“优化后的版本到底快了多少”。

进阶技巧：让 BenchmarkTools.jl 可视化图表更易读

BenchmarkPlots 完全兼容 Plots.jl 的全部关键字参数，这里列出几个最实用的：

例如，当基准组内既有 50 纳秒的轻量操作、又有 5 毫秒的重型计算时，线性刻度会让慢基准把快基准压成一条线，改用yaxis=:log10后两者都能看清。

把可视化结果保存下来

图表画好后，直接用 Plots.jl 的savefig导出，方便写进周报或代码评审文档：

savefig("benchmark_comparison.png")

建议在标题和文件名中包含核心关键词（如benchmark_viz），便于日后检索。

写在最后

BenchmarkTools.jl 可视化并不复杂：BenchmarkPlots把最耗时的工作——把采样数据变成统计图形——封装进了两个优雅的配方里，你要做的只是using BenchmarkPlots后调用一次plot。从单个Trial的提琴图，到BenchmarkGroup的多基准并排对比，再到st=:box、yaxis=:log10等细节调优，这套流程足以覆盖日常性能分析的绝大多数场景。下次写完基准测试，别忘了用 BenchmarkPlots 画张图，让性能结果一目了然。

【免费下载链接】BenchmarkTools.jlA benchmarking framework for the Julia language项目地址: https://gitcode.com/gh_mirrors/be/BenchmarkTools.jl