如何在C++中测量内存分配耗时？为何结果始终为0纳秒？

你的结果是合理的，核心原因有这几点：

• 时钟分辨率限制：high_resolution_clock虽是系统最高精度时钟，但仍有最小刻度（多数系统为10~100纳秒级别）。单次内存分配的实际耗时可能比这个刻度还短，两次now()调用刚好落在同一个时钟周期内，因此差值为0。
• 堆分配的快速路径：new底层的内存分配器（比如glibc的ptmalloc）会维护内存池，当分配的内存大小在池内有空闲块时，仅需简单的指针操作，耗时极短（可能只有几纳秒），不足以被时钟捕捉。
• 编译器优化干扰：如果分配的内存后续未被实际使用，编译器可能对分配操作进行优化（比如提前执行、甚至忽略分配），导致计时结果失真。

针对你的问题，这些方法可以得到更可靠的结果：

• 批量分配，统一释放：把多次分配的指针存入容器，仅测量分配阶段的时间，完成后统一释放，避免delete耗时混入：

  #include <iostream>
  #include <chrono>
  #include <vector>
  
  using namespace std;
  using namespace chrono;
  
  int main()
  {
      const int iterations = 100000;
      vector<int*> ptrs;
      ptrs.reserve(iterations);
  
      high_resolution_clock::time_point t0 = high_resolution_clock::now();
      for (int i = 0; i < iterations; ++i) {
          ptrs.push_back(new int[1000]);
          // 写入数据防止编译器优化分配操作
          ptrs.back()[0] = i;
      }
      high_resolution_clock::time_point t1 = high_resolution_clock::now();
  
      nanoseconds total_ns = duration_cast<nanoseconds>(t1 - t0);
      cout << "总耗时: " << total_ns.count() << "ns\n";
      cout << "单次平均耗时: " << total_ns.count() / (double)iterations << "ns\n";
  
      // 统一释放内存
      for (auto p : ptrs) {
          delete[] p;
      }
  
      return 0;
  }
  

• 强制编译器不优化：在分配后对内存进行读写操作（比如给数组元素赋值），确保分配操作不会被编译器优化。如果使用GCC/Clang，可临时添加-O0编译选项关闭全局优化，但注意这会影响整体代码运行效率，仅适合测试场景。
• 先测量时钟分辨率：先确认系统时钟的最小精度，明确单次测量的下限：

  #include <iostream>
  #include <chrono>
  
  using namespace std;
  using namespace chrono;
  
  int main()
  {
      const int test_times = 10000;
      nanoseconds min_diff(1000000);
      for (int i = 0; i < test_times; ++i) {
          auto t0 = high_resolution_clock::now();
          auto t1 = high_resolution_clock::now();
          auto diff = duration_cast<nanoseconds>(t1 - t0);
          if (diff < min_diff) {
              min_diff = diff;
          }
      }
      cout << "时钟最小分辨率: " << min_diff.count() << "ns\n";
      return 0;
  }
  

• 分配超大内存块：如果分配的内存超过内存池大小，分配器需要向操作系统申请新内存（比如调用mmap），这个操作耗时更长，更容易被测量到。比如把数组大小改成10000000，单次分配的耗时就会明显增加。

内容的提问来源于stack exchange，提问作者Kudor