哪些 benchmark 数字可以用于选型？¶

主要结论¶

用同负载、同预算、同计时口径的实测选择执行模式；跨配置数据只用于了解各自性能水位。 启动、工具执行、合入和资源占用回答不同问题，不能相互替代。

Motivation¶

启动更快并不保证编译更快，可写挂载与暂存审查也提供不同工作流。选型需要同时知道速度、执行边界和改动最终如何进入原目录。

实验设计¶

同机对照¶

B-STARTUP、B-FS-TOOLS、B-AGENT-TASK 使用相同离线工具和固定输入，对照原生、pVisor host/staged/VM、私有 rootless Docker、Firecracker PCI、QEMU q35 和 microvm。镜像、工具与 daemon 预先准备，所有组使用同一两核亲和性，工具 VM 的内存预算相同；每个任务使用新的工作区，按固定种子随机交替执行。完整 Ubuntu、macOS 和不同制品单独成批。

下载、编译 benchmark 制品、镜像导入和输入复制不计入任务等待。计时区分首条有效输出、内部工具与校验、结果返回，以及启动到进程退出。成功样本必须通过输出、执行器和暂存完整性校验；暂存模式还检查宿主原目录未改动。

分布与失败¶

不合并批次，不事后剔除慢样本。失败与校验不通过单列，不能计作零耗时。未执行的容量 guard 不能当成完成任务。P95 只是所测样本的观察参考，少于 30 次不展示，公开统计不展示 P99；小样本不给稳定尾延迟结论。

存在分离簇时分别展示比例和各簇中位数。复测的描述性分簇规则在运行手册中给出，不据此推断原因。工程 A/B 的百分比变化需配中位数差异的 95% bootstrap 区间；用户页不展示优化过程。

隔离与资源¶

Docker writable bind mount 直接写宿主；pVisor staged 保留改动到 apply。Firecracker/QEMU 使用私有 ext4，pVisor VM 使用 virtio-fs，内核与设备不同；对照不是纯 VMM 或生产安全排名。独立 stage 的隔离能力以实际记录和隔离校验为准。

RSS 是定期采样的进程范围求和，可能重复共享页、漏掉短峰；Docker 必须包含实际容器进程与专属 daemon 并标明范围。整组内存必须包含全部子进程、backing 和已计费缓存，不重复相加重叠 cgroup。配置 RAM、RSS、macOS RAM proxy 和净物理内存不可混算。

实验数据和分析¶

已准备环境¶

启动 · 文件与工具 · 修复任务和 CLI。各表保留独立批次与样本数，使用固定制品，不代表第三方当前最新版。

完整发行版¶

Ubuntu 使用发行版内核、initrd、systemd 和私有磁盘；pVisor 复用已准备工具目录。该对照回答部署等待，不隔离纯 VMM 成本。

QEMU 完整发行版¶

q35 和 microvm 使用同一 Ubuntu 模板；样本和百分位数与其他批次分开，不合并。

任务与资源¶

合入 · 网络 · 并发 · 隔离 · 回放 · 审查。未测的业界方案明确标记，不填入厂商宣传数字。

文件系统工程实验¶

工程 A/B、带计数器的 profile 和诊断探针保存在技术分析，不作为跨产品主表。

数据位置与下载¶

Markdown 保存面向用户的加工表格，每篇附可下载的同目录 CSV。原始报告、逐次样本、日志、制品清单和冻结 harness 放在相关目录的 .data/，被 Git 忽略，也不发布到站点。CSV 只保留整理后的统计和来源摘要，不能伪装成原始样本。

复现与来源保留规则见运行手册。

数据下载与复现¶

整理后的表格 CSV · 证据来源摘要 · 比较方法 · 复现手册