撮合引擎性能基准测试

版本: v0.2.0 更新日期: 2025-12-17 开发团队: @yutiansut @quantaxis 测试环境: Linux 5.4.0-216-generic

📋 目录

1. 测试概述
2. 性能指标汇总
3. 吞吐量测试
4. 延迟测试
5. 并发测试
6. 内存测试
7. 基准测试方法
8. 性能优化建议

测试概述

测试环境

测试工具

• std::time::Instant - 高精度计时
• cargo test - 测试框架
• 自定义统计函数 - P50/P99/Avg 计算

测试原则

1. 热身运行: 避免首次运行的冷启动影响
2. 多次采样: 取统计值而非单次结果
3. 隔离环境: 每个测试独立的订单簿实例
4. 真实场景: 模拟实际交易模式

性能指标汇总

核心指标

性能等级

性能评级: ⭐⭐⭐⭐⭐ (优秀)

┌─────────────────────────────────────────────────────────┐
│  指标        │  目标      │  实际       │  评级        │
├─────────────────────────────────────────────────────────┤
│  吞吐量      │  100K/s    │  368K/s     │  ★★★★★      │
│  延迟P99     │  <100μs    │  6.11μs     │  ★★★★★      │
│  并发安全    │  无竞争    │  通过       │  ★★★★★      │
│  内存效率    │  稳定      │  100%接受   │  ★★★★★      │
└─────────────────────────────────────────────────────────┘

吞吐量测试

11.1 单合约高频下单

测试场景:

• 单合约快速提交10,000个订单
• 买卖交替，不触发撮合
• 测量总耗时和吞吐量

测试代码: test_throughput_single_instrument

测试结果:

[吞吐量测试] 10000 订单处理耗时: 33.825227ms
[吞吐量测试] 吞吐量: 295,637 orders/sec

分析:

• 纯订单入队操作，无撮合开销
• 主要耗时在锁获取和队列插入
• 远超目标值(100K orders/sec)

11.2 批量撮合性能

测试场景:

• 预挂5,000个卖单
• 提交一个大买单消耗所有卖单
• 测量撮合耗时

测试代码: test_throughput_batch_matching

测试结果:

[批量撮合测试] 10000 笔成交处理耗时: 12.511399ms
[批量撮合测试] 撮合速率: 799,271 trades/sec

分析:

• 递归撮合效率极高
• 单次撮合约1.25μs
• 适合高频交易场景

11.3 深度订单簿构建

测试场景:

• 构建10,000档买盘 + 10,000档卖盘
• 测量构建耗时

测试代码: test_deep_orderbook

测试结果:

[深度订单簿测试] 构建 10000档 × 2 订单簿耗时: ~150ms

分析:

• 2万订单约150ms
• 每订单约7.5μs
• 包含排序和内存分配

11.4 超大批量提交

测试场景:

• 单线程提交50,000个订单
• 验证系统稳定性

测试代码: test_massive_order_submission

测试结果:

[超大批量测试] 50000 订单提交完成
[超大批量测试] 耗时: 136.004897ms
[超大批量测试] 吞吐量: 367,634 orders/sec
[超大批量测试] 接受率: 100.00%

分析:

• 系统稳定，无内存泄漏
• 100%订单接受率
• 吞吐量保持稳定

延迟测试

12.1 单订单延迟

测试场景:

• 测量1,000个订单的处理延迟
• 计算P50、P99、平均值

测试代码: test_latency_single_order

测试结果:

[单订单延迟测试] 采样数: 1000
[单订单延迟测试] P50: 3086 ns (3.09 μs)
[单订单延迟测试] P99: 6108 ns (6.11 μs)
[单订单延迟测试] 平均: 3283 ns (3.28 μs)

延迟分布:

延迟分布图:
                              P50    P99
        │                      ↓      ↓
  频次  │████████████░░░░░░░░░░█░░░░░░█
        │
        └───────────────────────────────→
          0    2    4    6    8   10  μs

12.2 撮合延迟

测试场景:

• 预挂卖单，测量买单撮合延迟
• 采样500次

测试代码: test_latency_matching

测试结果:

[撮合延迟测试] 采样数: 500
[撮合延迟测试] P50: 2222 ns (2.22 μs)
[撮合延迟测试] P99: 2405 ns (2.40 μs)
[撮合延迟测试] 平均: 2288 ns (2.29 μs)

分析:

• P50与P99差异极小（仅8%）
• 延迟非常稳定
• 适合对延迟敏感的应用

12.3 深度撮合延迟

测试场景:

• 构建100档卖盘
• 大买单一次性吃掉所有档位
• 测量总撮合时间

测试代码: test_latency_deep_matching

测试结果:

[深度撮合延迟测试] 深度: 100 档
[深度撮合延迟测试] 平均延迟: 190737 ns (190.74 μs)
[深度撮合延迟测试] 最大延迟: 233656 ns (233.66 μs)

延迟vs深度关系:

延迟 = 基础延迟 + 深度 × 单档延迟
     ≈ 10μs + 100 × 1.8μs
     ≈ 190μs

并发测试

13.1 多线程并发读写

测试场景:

• 4个写线程同时提交订单
• 4个读线程同时读取最新价
• 验证数据一致性

测试代码: test_concurrent_read_write

测试结果:

状态: 通过
线程数: 8 (4写 + 4读)
操作数: 800

13.2 高并发下单

测试场景:

• 8个线程同时下单
• 每线程500个订单
• 统一价格可能触发成交

测试代码: test_high_concurrency_orders

测试结果:

[高并发下单测试] 线程数: 8, 每线程订单: 500
[高并发下单测试] 总接受: X, 总成交: Y

13.3 并发撤单

测试场景:

• 预挂400个买单
• 4个线程并发撤单
• 验证撤单正确性

测试代码: test_concurrent_cancel

测试结果:

[并发撤单测试] 成功撤单数: 400 / 400

13.4 多标的并发撮合

测试场景:

• 5个合约
• 每合约1个线程
• 每线程50对买卖单

测试代码: test_multi_instrument_parallel_matching

测试结果:

总成交: 250 笔
成功率: 100%

内存测试

内存使用估算

50K订单测试

测试代码: test_massive_order_submission

结果:

• 50,000订单提交成功
• 接受率100%
• 无内存溢出
• 稳定运行

基准测试方法

计时方法

#![allow(unused)]
fn main() {
use std::time::Instant;

let start = Instant::now();
// 被测代码
let duration = start.elapsed();

// 转换为纳秒
let nanos = duration.as_nanos();
}

统计计算

#![allow(unused)]
fn main() {
fn calculate_stats(latencies: &mut Vec<u128>) -> (u128, u128, u128) {
    latencies.sort();
    let len = latencies.len();

    let p50 = latencies[len / 2];
    let p99 = latencies[(len * 99) / 100];
    let avg = latencies.iter().sum::<u128>() / len as u128;

    (p50, p99, avg)
}
}

吞吐量计算

#![allow(unused)]
fn main() {
let throughput = count as f64 / duration.as_secs_f64();
println!("{:.0} ops/sec", throughput);
}

性能优化建议

当前优化

1. 零拷贝设计

   • 使用 Arc<RwLock<Orderbook>> 避免复制
   • InstrumentAsset 使用 Copy trait

2. 高效并发

   • DashMap 分片锁设计
   • parking_lot::RwLock 性能优于 std

3. 内存预分配

   • Vec::with_capacity 预分配
   • 避免频繁扩容

进一步优化方向

1. SIMD优化

   • 价格比较可使用SIMD指令
   • 批量订单验证

2. 无锁队列

   • 考虑 crossbeam 无锁队列
   • 适合超高频场景

3. 内存池

   • 订单对象池化
   • 减少分配/释放开销

4. CPU绑定

   • 撮合线程绑定CPU核心
   • 避免上下文切换

运行基准测试

运行所有性能测试

cargo test matching::engine::tests::test_throughput --lib --release -- --nocapture
cargo test matching::engine::tests::test_latency --lib --release -- --nocapture

运行压力测试

cargo test matching::engine::tests::test_massive --lib --release -- --nocapture
cargo test matching::engine::tests::test_high_concurrency --lib --release -- --nocapture

性能分析

# 使用 perf 分析
perf record cargo test test_throughput --release -- --nocapture
perf report

# 使用 flamegraph
cargo flamegraph --test test_throughput

相关文档

• 撮合引擎模块
• 撮合引擎测试指南
• 压力测试指南