可重現的基準測試（控制頻率縮放）

你替你最佳化過的函式計時：8.2 毫秒。再跑一次：9.7 毫秒。又一次：7.9 毫秒。你的改動有幫助嗎，還是機器只是吵雜？如果「同一段」程式碼的兩次量測差了 20%，你就無法相信你以為看到的 5% 改善。可重現的基準測試就是把環境釘死、好讓同一段程式碼給出同一個數字、讓真正的改動從雜訊中凸顯出來的紀律。

這種漂移最大的單一來源是動態頻率縮放。現代 CPU 不以固定時脈執行：為省電它在閒置時放慢（頻率縮放／省電調速器），為短暫衝刺它把時脈提升到基準之上（turbo／boost）——但 turbo 受溫度與有多少核心在忙所限，所以同一段程式碼會依晶片多熱、以及還有什麼在跑，而以不同時脈速度執行。在涼爽的 turbo 衝刺期間量測，它看起來快；在晶片發熱降頻後量測，它看起來慢。對策很具體：固定 CPU 頻率（把調速器設成 performance、或停用 turbo，使時脈恆定），並在計時前暖機。除了頻率，還要控制其他雜訊來源：把基準綁到特定核心（CPU affinity），最好把那些核心從排程器與中斷中隔離出來，讓別的工作無法搶佔它；停用超執行緒，使一個同伴執行緒不會偷走資源；讓機器安靜（關掉背景行程）；考慮定址空間佈局隨機化（它會讓效能逐次跑變動），方法是跑很多次試驗；並在多次重複上回報一個穩健的統計量（中位數加一個高百分位），而非單一的最佳或平均數字。目標是：原封不動地重跑基準能重現結果。

它之所以重要，是因為一個不穩定的基準會產生有信心的胡說：你「確認」了其實是雜訊的改善、又丟棄了真正的改善，而且沒人能在另一台機器上重現你的數字。誠實的張力：一個最大程度受控的基準（固定時脈、隔離核心、沒有其他負載）是公平比較兩個程式版本的正確方式，但它「不是」你的軟體在正式環境中執行的環境，那裡 turbo、吵雜的鄰居與爭用都是真實的。所以用一個受控的設置把改動歸因到你的程式碼，再用一個獨立的、類正式環境的量測去了解它在真實世界中實際如何表現——並且永遠回報條件，因為一個沒有附環境的基準數字，依定義就是不可重現的。