TangoLLVM

测量方法

每组数据的工作量、对照和置信区间决定了它可以回答哪些问题。

布局稳健计时

以 std 为常规对照。对各配置生成多份函数布局,用符号地址校验顺序与唯一性,同一布局内随机交错各配置。典型矩阵为六种布局、每种六轮,固定 CPU 与工作量。独立 std 布局对照用于估计布局噪声。历史批次可能有独立的对照或轮数,随用例注明。

先取同布局各轮的中位数,再取布局之间的中位数。相对变化为候选中位数除以对照中位数,再减一。汇总先对等权用例的比值求几何平均,再换算成百分比。耗时、停顿、内存和大小为负时表示降低,吞吐为正时表示上升。历史样本补算区间时,在匹配布局及轮次上做 1,000 次配对重采样,同进程的子基准一起抽取。区间跨零时,样本允许两种变化方向。

有效性审计

检查反汇编里的工作循环、输入、调用、数据写入与结果消费。幅度超过 30% 的变化优先复核。只剩空计数循环或部分工作被编译器消除的历史记录标为「审计排除」,从几何平均和趋势剔除。恢复实际工作量的用例保存为独立版本。零 GC 的运行没有可用的停顿分位数。

GC 停止时间由运行时直方图的桶上界估计。对服务使用每请求 GC CPU、栈与堆扫描量、分配量和 RSS 辅助检查。离线回放、解码循环和 RPC 回环的结果适用于各自的负载条件。scanobject 的独占样本占比受内联与符号归属影响。

多重比较与 BH 校正

同时检验多个预先定义的配置和指标时,Benjamini–Hochberg(BH)按同一检验族调整 p 值,以控制错误发现率。页面的 q 值来自实验原有检验族。置信区间用于估计效应范围,q 值用于多重检验的判断,两项分别报告。横线表示缺测或缺少可估计的区间。

证据级别

CONFIRMED
在所列样本、工具链和负载条件下实测或可复现的观察。
PLAUSIBLE
和现有观察一致的机制或推断,仍需独立对照验证。