计时机制中如何以最快速度存储定长字符串标签

核心思路是把所有重操作从计时热路径移走，觉得标签存储开销高，本质是把字符串拷贝、复杂处理逻辑放在了step()打点的临界区，完全没必要。按开销从低到高，几个可直接落地的方案：

方案1：零拷贝延迟读取（推荐，额外开销<5CPU周期） #

这是性能损耗最低的方案，打点全程不需要做任何字符串拷贝：

• 计时热路径（start/step/end调用时）只存两个值：标签字符串的const char*指针、字符串长度，直接写入预分配的std::array，全程无内存分配、无内存拷贝
• 所有字符串读取、拷贝、文件IO操作全部移到end()调用、最后一个时间戳采集完成之后再执行——这时候计时已经完全结束，后续操作哪怕开销再高，都不会影响采集到的rdtsc数值准确性。

绝大多数性能打点场景下，传入的标签都是全局生命周期的字符串字面量，指针永久有效，完全不需要提前拷贝。对于字面量参数，编译器可以通过内置函数直接在编译期算出字符串长度，连运行期遍历字符串算长度的开销都能省掉。

核心实现片段：

#include <cstdint>
#include <array>
#include <cstdio>
#include <immintrin.h>

template<size_t NumSteps>
struct timer {
    // 存储点位：start + NumSteps个step + end，共NumSteps+2个点
    std::array<uint64_t, NumSteps + 2> tsc_buf;
    // 标签仅存指针+长度，无任何拷贝
    std::array<std::pair<const char*, size_t>, NumSteps + 2> tag_buf;
    size_t cur = 0;

    void start() {
        tsc_buf[cur] = __rdtsc();
        tag_buf[cur] = {"start", 5}; // 指针和长度编译期直接确定
        cur++;
    }

    void step(const char* tag) {
        // 热路径仅3个操作：读tsc、算长度（常量直接编译期求值）、写指针和长度
        tsc_buf[cur] = __rdtsc();
        size_t tag_len = __builtin_strlen(tag);
        tag_buf[cur] = {tag, tag_len};
        cur++;
    }

    void end() {
        // 先采集最后一个时间戳，所有计时操作到此结束
        tsc_buf[cur] = __rdtsc();
        tag_buf[cur] = {"end", 3};
        cur++;

        // 后续写文件、字符串处理全部在计时完成后执行，对精度无影响
        FILE* f = fopen("tsc_trace.log", "a");
        for (size_t i = 0; i < cur; i++) {
            fprintf(f, "%llu | %.*s\n", 
                (unsigned long long)tsc_buf[i], 
                (int)tag_buf[i].second, 
                tag_buf[i].first);
        }
        fclose(f);
    }
};

// 使用示例
void funcToTime() {
    timer<2> t;
    t.start();
    // ... 第一段待计时逻辑
    t.step("hi");
    // ... 第二段待计时逻辑
    t.step("bye");
    // ... 第三段待计时逻辑
    t.end();
}

O2优化下，上述step函数的热路径汇编不到10条指令，额外开销不超过5个CPU周期，和rdtsc指令本身的开销（约10~20周期）比完全可以忽略。

如果需要兼容短生命周期的字符串标签，只需要给step加一个重载，对传入的临时字符串做定长拷贝到预留的栈上缓冲区即可，这类场景占比不到1%，不影响默认路径的性能。

方案2：定长小字符串内联存储（兼容短生命周期标签，额外开销<10CPU周期） #

如果确实需要在打点时就把标签拷贝到计时器内部，避免生命周期问题，不要用std::string或者通用安全检查版字符串函数：

• 利用MaxTagLen是编译期常量的特性，直接预留std::array<char, MaxTagLen+1>的定长缓冲区，不需要任何动态内存
• 拷贝操作直接按机器字长展开（比如64位系统一次拷8字节），不要调用运行期的strcpy/memcpy，编译器会对固定长度的拷贝直接展开为寄存器mov指令，10字节左右的标签只需要2次内存写操作，开销极低
• 不需要额外存字符串长度，写入时在末尾补\0即可，读的时候遇到结束符自动停止

这种方案的开销比零拷贝方案略高，但依然在10个周期以内，完全满足cycle级计时的精度要求。

方案3：标签预注册（极致零开销，适合固定打点场景） #

如果对开销要求到极致，可以在计时器初始化前提前把所有要用到的标签注册到全局静态表，每个标签对应一个整数ID。打点时只需要传入标签ID，热路径上仅存储一个整数，和存rdtsc值的开销完全一致。等写文件时再通过ID查表拿到对应的标签字符串即可。
缺点是使用时需要提前注册标签，灵活度稍差，适合打点点位和标签完全固定的场景。

常见误区 #

之前觉得字符串拷贝开销过高，大概率是在Debug模式下测试，或者用了std::string的通用赋值逻辑、带边界检查的字符串函数。开O2优化后，10字节以内的固定长度字符串拷贝会被编译器完全展开为寄存器操作，没有任何函数调用开销，实际耗时远低于预期，完全不会影响计时精度。

内容的提问来源于stack exchange，提问作者bun9