函数开销困惑

在现代的开发工作中，相信绝大部分的同学手头的项目都不是从第零行代码开始搭建的。各个语言都有自己流行的代码框架，如PHP的有Laravel、CodeIgniter、ThinkPHP等等。大家都是在自己的框架的基础上添加自己的业务代码逻辑，开启开发工作。还记得我们团队有位开发同学当时问过我一个问题，我们用xx框架这么重，一个用户请求过来即使什么也不干，都已经进行了那么多次的函数调用了，适合用来做接口开发吗？
我当时给她的回答是，没问题放心吧，函数调用的开销很小的，不必担心。但回答完她的问题之后，我回头一想，我只知道函数调用的开销很小，但是具体是多大，我心里并吃不准，这就在我心里又种下了草。后来终于抽空进行了一次实践研究，把草拔掉了。

C语言测试

测试代码很简单，这就是一个for循环的函数调用。代码如下：

#include   
int func(int p){   
	return 1;
}  
int main()  
{  
	int i;  
	for(i=0; i<100000000; i++){  
		func(2);  
	}  
	return 0;  
}

函数调用耗时测试

我们用time命令来进行耗时测试

# gcc main.c -o main  
# time ./main  
real    0m0.335s  
user    0m0.334s  
sys     0m0.000s  

#perf stat ./main  
......  
1,100,989,673 instructions              #    1.37  insns per cycle  
......  

不过上面的实验中有个多余的开销，那就是for循环。我们单独计算一下这个for的开销，把func()调用那行注释掉，单独保留1亿次的for循环，再重新编译执行一遍。结果是

time ./main  
real    0m0.293s  
user    0m0.292s  
sys     0m0.000s  

perf stat ./main  
......  
301,252,997 instructions   #    0.43  insns per cycle
......  

通过上面两步测试的数据，(0.335-0.293)/100000000=0.4ns。我们可以得出结论1：每个c函数调用耗时大约是0.4ns左右。

函数调用CPU指令数分析

我们用perf命令可以统计到程序运行的底层CPU指令个数。1亿次的函数调用统计结果如下：

# perf stat ./main  
......  
1,100,989,673 instructions              #    1.37  insns per cycle  
......  

去掉for循环后，单独1亿次的for循环统计如下：

# perf stat ./main  
......  
301,252,997 instructions   #    0.43  insns per cycle
......  

通过这两个数据，(1,100,989,673-301,252,997)/100000000=8个。所以我们得出结论2：每个c函数需要的CPU指令数是8个！。

函数调用CPU指令剖析

如果有同学和我一样好奇结论2中的每个c函数的CPU指令到底干了些啥，请和我一起来，否则请开启3倍速快进。还是上述的实验代码，我们通过gdb的disassemble来查看一下其内部汇编执行过程,编译之。

gcc -g main.c -o main

再用gdb命令调试：

gdb ./main
start
disassemble
mov    $0x2,%edi

看到函数到了main函数处，并打印出了main函数的汇编代码

......
=> 0x0000000000400486 <+4>:	mov    $0x2,%edi
   0x000000000040048b <+9>:	callq  0x400474 
......

这是进入函数调用的两个CPU指令，每个指令大概含义如下：

• 指令1：mov $0x2,%edi是为了调用函数做准备，把参数放到寄存器中。
• 指令2：callq表示cpu开始执行func函数的代码段。

接下来让我们进入到func函数内部看一下：

break func
run

这时函数停在了func函数的入口处, 继续使用gdb的disassemble命令查看汇编指令：

(gdb) disassemble
Dump of assembler code for function func:
   0x0000000000400474 <+0>:	push   %rbp
   0x0000000000400475 <+1>:	mov    %rsp,%rbp
   0x0000000000400478 <+4>:	mov    %edi,-0x4(%rbp)
=> 0x000000000040047b <+7>:	mov    $0x1,%eax
   0x0000000000400480 <+12>:	leaveq 
   0x0000000000400481 <+13>:	retq   
End of assembler dump.

这6个指令是对应在函数内部执行，以及函数返回的操作。加上前面2个，这样在结论2中的每个函数8个CPU指令就都水落石出了。

• 指令3：push %rbp bp寄存器的值压入调用栈，即将main函数栈帧的栈底地址入栈（对应一次压栈操作，内存IO）
• 指令4：mov %rsp,%rbp被调函数的栈帧栈底地址放入bp寄存器，建立func函数的栈帧（一次寄存器操作）。
• 指令5：mov %edi,-0x4(%rbp)是从寄存器的地址-4的内存中取出，即获取输入参数（内存IO）
• 指令6：mov $0x1,%eax对应return 0，即是将返回参数写到寄存器中（内存读IO）

再接下来的两个执行令是进行调用栈的退栈，以便于返回到main函数继续执行。是指令3和指令4的逆操作。

• 指令7：leave q等价于mov %rbp, %rsp，寄存器操作
• 指令8：retq 等价于pop %rbp（内存IO）

总结：8次CPU指令中大部分都是寄存器的操作，即使有“内存IO”，也是在栈上进行。而栈操作密集，符合局部性原理，早就被L1缓存住了，其实都是L1的IO，所以耗时很低。前面实验结果表明1次函数调用的开销是0.4ns， 耗时竟然小于1次真正物理内存IO的耗时（40ns左右），

指令并行

不知道大家有没有人注意到，前面两次perf stat的结果中分别有如下两个提示

• 0.43 insns per cycle
• 1.37 insns per cycle
  这是说现代的CPU可以通过流水线的方式对CPU指令进行并行处理，当指令符合并行规则的时候，每个CPU周期内执行的指令数可能会大于1。这就是CPU指令并行的功劳。 所以增加函数调用后耗时并没有增加太多，除了函数调用本身开销不大的原因以外，还有一个原因就是函数调用让CPU的流水线并行技术得以施展，每秒处理的CPU指令数更多了。

PHP语言测试

很多同学又会问题，你用的是C语言进行测试，性能当然高了。

• “我用的可是PHP，这可是脚本语言”
• “我用的可是Java，中间可还有一层虚拟机”
• “我用的可是…”

好了，不抬杠，我们继续试一试不就完了么。就用php来继续实验一把。

<?php  
function func(){  
	return true;  
}  
for($i=0;$i<10000000;$i++){  
	func();  
}  

实验结果：

• php7： 1000W次耗时0.667s，减去0.140s的for循环耗时，平均每次函数调用耗时52ns
• php53：1000W次耗时2.1s，减去0.5s的for循环耗时，平均每次耗时160ns

结论

php的函数调用确实比c的要慢很多，从不到1ns升高到了50ns左右。因为php又用c虚拟了一层指令集，这层指令集还需要变成CPU的指令集后才可以真正运行。但是要知道的是ns这个时间单位太小了，假如你用的框架特别变态，一个用户请求来了直接就搞了1000次的函数调用，那么消耗在函数调用上的时间会是50ns*1000=50us。这和代码框架化后给团队项目带来的便利性来对比的话，这点时间开销，我觉得仍然是可以忽略的。

在这里我不是单纯介绍技术理论，也不只介绍实践经验。而是把理论与实践结合起来，用实践加深对理论的理解、用理论提高你的技术实践能力。