Go 的三种不同 md5 计算方式性能比较

今天介绍的三种不同的 md5 计算方式,其实区别是读文件的不同,也就是磁盘 I O, 所以也可以举一反三用在网络 I O 上。 ReadFile

今天介绍的三种不同的 md5 计算方式,其实区别是读文件的不同,也就是磁盘 I/O, 所以也可以举一反三用在网络 I/O 上。

ReadFile

先看第一种, 简单粗暴:

func md5sum1(file string) string { data, err := ioutil.ReadFile(file) if err != nil { return "" } return fmt.Sprintf("%x", md5.Sum(data))}

之所以说其粗暴,是因为 ReadFile 里面其实调用了一个 readall, 分配内存是最多的。

Benchmark 来一发:

var test_path = "/path/to/file"func BenchmarkMd5Sum1(b *testing.B) { for i := 0; i < b.N; i++ { md5sum1(test_path) }}
 go test -test.run=none -test.bench="^BenchmarkMd5Sum1$" -benchtime=10s -benchmemBenchmarkMd5Sum1-4 300 43704982 ns/op 19408224 B/op 14 allocs/opPASSok tmp 17.446s

先说明下,这个文件大小是 19405028 字节,和上面的 19408224 B/op非常接近, 因为 readall 确实是分配了文件大小的内存,代码为证:

ReadFile 源码

// ReadFile reads the file named by filename and returns the contents.// A successful call returns err == nil, not err == EOF. Because ReadFile// reads the whole file, it does not treat an EOF from Read as an error// to be reported.func ReadFile(filename string) ([]byte, error) { f, err := os.Open(filename) if err != nil { return nil, err } defer f.Close() // It's a good but not certain bet that FileInfo will tell us exactly how much to // read, so let's try it but be prepared for the answer to be wrong. var n int64 if fi, err := f.Stat(); err == nil { // Don't preallocate a huge buffer, just in case. if size := fi.Size(); size < 1e9 { n = size } } // As initial capacity for readAll, use n + a little extra in case Size is zero, // and to avoid another allocation after Read has filled the buffer. The readAll // call will read into its allocated internal buffer cheaply. If the size was // wrong, we'll either waste some space off the end or reallocate as needed, but // in the overwhelmingly common case we'll get it just right. // readAll 第二个参数是即将创建的 buffer 大小 return readAll(f, n+bytes.MinRead)}func readAll(r io.Reader, capacity int64) (b []byte, err error) { // 这个 buffer 的大小就是 file size + bytes.MinRead buf := bytes.NewBuffer(make([]byte, 0, capacity)) // If the buffer overflows, we will get bytes.ErrTooLarge. // Return that as an error. Any other panic remains. defer func() { e := recover() if e == nil { return } if panicErr, ok := e.(error); ok && panicErr == bytes.ErrTooLarge { err = panicErr } else { panic(e) } }() _, err = buf.ReadFrom(r) return buf.Bytes(), err}

io.Copy

再看第二种,

func md5sum2(file string) string { f, err := os.Open(file) if err != nil { return "" } defer f.Close() h := md5.New() _, err = io.Copy(h, f) if err != nil { return "" } return fmt.Sprintf("%x", h.Sum(nil))}

第二种的特点是:使用了 io.Copy。 在一般情况下(特殊情况在下面会提到),io.Copy 每次会分配 32 *1024 字节的内存,即32 KB, 然后咱看下 Benchmark 的情况:

func BenchmarkMd5Sum2(b *testing.B) { for i := 0; i < b.N; i++ { md5sum2(test_path) }}
$ go test -test.run=none -test.bench="^BenchmarkMd5Sum2$" -benchtime=10s -benchmemBenchmarkMd5Sum2-4 500 37538305 ns/op 33093 B/op 8 allocs/opPASSok tmp 22.657s

32 * 1024 = 32768, 和 上面的 33093 B/op很接近。

io.Copy + bufio.Reader

然后再看看第三种情况。这次不仅用了 io.Copy,还用了 bufio.Reader。 bufio 顾名思义, 即 buffered I/O, 性能相对要好些。bufio.Reader 默认会创建 4096 字节的 buffer。

func md5sum3(file string) string { f, err := os.Open(file) if err != nil { return "" } defer f.Close() r := bufio.NewReader(f) h := md5.New() _, err = io.Copy(h, r) if err != nil { return "" } return fmt.Sprintf("%x", h.Sum(nil))}

看下 Benchmark 的情况:

func BenchmarkMd5Sum3(b *testing.B) { for i := 0; i < b.N; i++ { md5sum3(test_path) }}
$ go test -test.run=none -test.bench="^BenchmarkMd5Sum3$" -benchtime=10s -benchmemBenchmarkMd5Sum3-4 300 42589812 ns/op 4507 B/op 9 allocs/opPASSok tmp 16.817s

上面的 4507 B/op是不是和 4096 很接近? 那为什么 io.Copy+ bufio.Reader的方式所用内存会比单纯的 io.Copy占用内存要少一些呢? 上文也提到, 一般情况下 io.Copy 每次会分配 32 *1024 字节的内存,那特殊情况是? 答案在源码中。

一起看看 io.Copy 相关源码:

func Copy(dst Writer, src Reader) (written int64, err error) { return copyBuffer(dst, src, nil)}// copyBuffer is the actual implementation of Copy and CopyBuffer.// if buf is nil, one is allocated.func copyBuffer(dst Writer, src Reader, buf []byte) (written int64, err error) { // If the reader has a WriteTo method, use it to do the copy. // Avoids an allocation and a copy. // hash.Hash 这个 Writer 并没有实现 WriteTo 方法,所以不会走这里 if wt, ok := src.(WriterTo); ok { return wt.WriteTo(dst) } // Similarly, if the writer has a ReadFrom method, use it to do the copy. // 而 bufio.Reader 实现了 ReadFrom 方法,所以,会走这里 if rt, ok := dst.(ReaderFrom); ok { return rt.ReadFrom(src) } if buf == nil { buf = make([]byte, 32*1024) } for { nr, er := src.Read(buf) if nr > 0 { nw, ew := dst.Write(buf[0:nr]) if nw > 0 { written += int64(nw) } if ew != nil { err = ew break } if nr != nw { err = ErrShortWrite break } } if er == EOF { break } if er != nil { err = er break } } return written, err}

从上面的源码来看, 用 bufio.Reader 实现的 io.Reader 并不会走默认的 buffer创建路径,而是提前返回了,使用了 bufio.Reader 创建的 buffer, 这也是使用了 bufio.Reader 分配的内存会小一些。

当然如果你希望 io.Copy 也分配小一点的内存,也是可以做到的,不过是用 io.CopyBuffer, buf 就创建一个 4096 的 []byte 即可, 就跟 bufio.Reader 区别不大了。

看看是不是这样:

// Md5Sum2 用 CopyBufer 重新实现,buf := make([]byte, 4096)BenchmarkMd5Sum2-4 500 38484425 ns/op 4409 B/op 8 allocs/opBenchmarkMd5Sum3-4 500 38671090 ns/op 4505 B/op 9 allocs/op

从结果来看, 分配的内存相差不大,毕竟实现不一样,不可能一致。

那下次如果你要写一个下载大文件的程序,你还会用 ioutil.ReadAll(resp.Body) 吗?

最后整体对比下 Benchmark 的情况:

$ go test -test.run=none -test.bench="." -benchtime=10s -benchmemtesting: warning: no tests to runBenchmarkMd5Sum1-4 300 42551920 ns/op 19408230 B/op 14 allocs/opBenchmarkMd5Sum2-4 500 38445352 ns/op 33089 B/op 8 allocs/opBenchmarkMd5Sum3-4 500 38809429 ns/op 4505 B/op 9 allocs/opPASSok tmp 63.821s

小结

  1. 这三种不同的 md5 计算方式在执行时间上都差不多,区别最大的是内存的分配上;
  2. bufio 在处理 I/O 还是很有优势的,优先选择;
  3. 尽量避免 ReadAll 这种用法。

本文地址 http://holys.im/2016/11/24/3-kind-of-md5-sum/

未登录用户
全部评论0
到底啦