性能分析与计时

v5.9.0 起整程序由 Python 侧一次调用交给 Go 原生引擎执行（ABI v2），结束后回传寄存器/向量/NZCV/脏内存段/输出。Python 侧不再逐指令记账，旧版的逐指令统计报告选项已随解释器一并移除——性能测量改用程序内计时。

• 内存模型与 --mem-size 见 /tools/memory-cache；
• 日志级别与错误面板见 /tools/logging；
• Python API 细节见 /reference/python-api。

程序内计时：time_us() / time_ns()

在 CIN 程序里直接打点。time_us() 返回单调微秒计时，time_ns() 是纳秒版本（更高分辨率）；两者的实现是引擎侧系统调用（SYS 138/139），不受 --seed 影响。

function main() -> int {
    int t0 = time_us()
    int sum = 0
    for (int i = 0; i < 1000000; i++) {
        sum += i
    }
    int t1 = time_us()
    println("耗时 " + int_to_str(t1 - t0) + " us, sum = " + int_to_str(sum))
    return 0
}

用法要点：

• 先 warm 再测：首次运行包含编译/装载开销；把被测代码放进函数、循环里多次执行取平均更稳；
• 纳秒粒度：极短代码段用 time_ns()，避免整数微秒截断成 0；
• 挂钟时间：日历时间用 time_ms()（毫秒级时间戳），不要拿它算耗时。

防止失控：外部超时

--max-instructions 在 v7.22.10 已弃用（仅作为隐藏参数保留），默认不限制指令数， 不再建议用它来兜底：

# 旧写法 (仅兼容旧脚本; 默认不限制)
codecin bench.cin --max-instructions 10000000

批处理/判题请优先用外部超时（如 timeout 10 codecin bench.cin），避免依赖已弃用选项。 步数统计仍可通过 stats.instruction_count 读取。

确认运行环境：--build-info

性能结论只在"确实跑在 Go 原生引擎上"时才有意义。发布/部署前先做一次环境自检：

codecin --build-info

它打印版本号、平台与原生库加载状态等环境信息（由 codecin/version.py 的 build_info() 生成，永不抛异常）。若动态库缺失或 ABI 不匹配，运行程序会直接抛 CPUSimulatorError 并附重建指引（codecin/native/build.ps1 / build.sh）——v5.9.0 起没有解释器回退，构建方法见 /dev/build-native。

引擎侧只有 steps 一项计数

原生引擎随结果回传的唯一执行统计是 steps（执行的指令数），由 Python 侧一次性写入 CPU.stats：

• stats.instruction_count = 引擎返回的步数；
• 逐操作码直方图等细粒度统计不再收集（直方图为空，计数集中在占位项）。

需要更细的性能归因（哪段代码慢）时，用上面的 time_us()/time_ns() 在程序内分段打点，这是 v5.9.0 起唯一的逐段测量方式。