[[380880]]

我們寫程序的目的就是使它在任何情況下都可以穩(wěn)定工作。一個運行的很快但是結(jié)果錯誤的程序并沒有任何用處。在程序開發(fā)和優(yōu)化的過程中，我們必須考慮代碼使用的方式，以及影響它的關鍵因素。通常，我們必須在程序的簡潔性與它的運行速度之間做出權衡。今天我們就來聊一聊如何優(yōu)化程序的性能。

•  1. 減小程序計算量
  
  •  1.1 示例代碼
  •  1.2 分析代碼
  •  1.3 改進代碼
•  2. 提取代碼中的公共部分
  
  •  2.1 示例代碼
  •  2.2 分析代碼
  •  2.3 改進代碼
•  3. 消除循環(huán)中低效代碼
  
  •  3.1 示例代碼
  •  3.2 分析代碼
  •  3.3 改進代碼
•  4. 消除不必要的內(nèi)存引用
  
  •  4.1 示例代碼
  •  4.2 分析代碼
  •  4.3 改進代碼
• 5.  減小不必要的調(diào)用
  
  •  5.1 示例代碼
  •  5.2 分析代碼
  •  5.3 改進代碼
•  6. 循環(huán)展開
  
  •  6.1 示例代碼
  •  6.2 分析代碼
  •  6.3 改進代碼
•  7. 累計變量，多路并行
  
  •  7.1 示例代碼
  •  7.2 分析代碼
  •  7.3 改進代碼
•  8. 重新結(jié)合變換
  
  •  8.1 示例代碼
  •  8.2 分析代碼
  •  8.3 改進代碼
• 9 條件傳送風格的代碼
  
  •  9.1 示例代碼
  •  9.2 分析代碼
  •  9.3 改進代碼
•  10. 總結(jié)

1. 減小程序計算量

1.1 示例代碼 

for (i = 0; i < n; i++) {  
  int nni = n*i;  
  for (j = 0; j < n; j++)  
    a[ni + j] = b[j];  
} 

1.2 分析代碼

代碼如上所示，外循環(huán)每執(zhí)行一次，我們要進行一次乘法計算。i = 0，ni = 0；i = 1，ni = n；i = 2，ni = 2n。因此，我們可以把乘法換成加法，以n為步長，這樣就減小了外循環(huán)的代碼量。

1.3 改進代碼 

int ni = 0;  
for (i = 0; i < n; i++) {  
  for (j = 0; j < n; j++)  
    a[ni + j] = b[j];  
  ni += n;         //乘法改加法  
} 

計算機中乘法指令要比加法指令慢得多。

2. 提取代碼中的公共部分

2.1 示例代碼

想象一下，我們有一個圖像，我們把圖像表示為二維數(shù)組，數(shù)組元素代表像素點。我們想要得到給定像素的東、南、西、北四個鄰居的總和。并求他們的平均值或他們的和。代碼如下所示。 

up =    val[(i-1)*n + j  ];  
down =  val[(i+1)*n + j  ];  
left =  val[i*n     + j-1];  
right = val[i*n     + j+1];  
sum = up + down + left + right; 

2.2 分析代碼

將以上代碼編譯后得到匯編代碼如下所示，注意下3,4,5行，有三個乘以n的乘法運算。我們把上面的up和down展開后會發(fā)現(xiàn)四格表達式中都有i*n + j。因此，可以提取出公共部分，再通過加減運算分別得出up、down等的值。 

leaq   1(%rsi), %rax  # i+1  
leaq   -1(%rsi), %r8  # i-1  
imulq  %rcx, %rsi     # i*n  
imulq  %rcx, %rax     # (i+1)*n  
imulq  %rcx, %r8      # (i-1)*n  
addq   %rdx, %rsi     # i*n+j  
addq   %rdx, %rax     # (i+1)*n+j  
addq   %rdx, %r8      # (i-1)*n+j 

2.3 改進代碼 

long iinj = i*n + j;  
up =    val[inj - n];  
down =  val[inj + n];  
left =  val[inj - 1];  
right = val[inj + 1];  
sum = up + down + left + right; 

改進后的代碼的匯編如下所示。編譯后只有一個乘法。減少了6個時鐘周期（一個乘法周期大約為3個時鐘周期）。 

imulq %rcx, %rsi  # i*n  
addq %rdx, %rsi  # i*n+j  
movq %rsi, %rax  # i*n+j  
subq %rcx, %rax  # i*n+j-n  
leaq (%rsi,%rcx), %rcx # i*n+j+n 
... 

對于GCC編譯器來說，編譯器可以根據(jù)不同的優(yōu)化等級，有不同的優(yōu)化方式，會自動完成以上的優(yōu)化操作。下面我們介紹下，那些必須是我們要手動優(yōu)化的。

3. 消除循環(huán)中低效代碼

3.1 示例代碼

程序看起來沒什么問題，一個很平常的大小寫轉(zhuǎn)換的代碼，但是為什么隨著字符串輸入長度的變長，代碼的執(zhí)行時間會呈指數(shù)式增長呢？ 

void lower1(char *s)  
{  
  size_t i;  
  for (i = 0; i < strlen(s); i++)  
    if (s[i] >= 'A' && s[i] <= 'Z')  
      s[i] -= ('A' - 'a');  
} 

3.2 分析代碼

那么我們就測試下代碼，輸入一系列字符串。

lower1代碼性能測試

當輸入字符串長度低于100000時，程序運行時間差別不大。但是，隨著字符串長度的增加，程序的運行時間呈指數(shù)時增長。

我們把代碼轉(zhuǎn)換成goto形式看下。 

void lower1(char *s)  
{  
   size_t i = 0;  
   if (i >= strlen(s))  
     goto done;  
 loop:  
   if (s[i] >= 'A' && s[i] <= 'Z')  
       s[i] -= ('A' - 'a');  
   i++;  
   if (i < strlen(s))  
     goto loop;  
 done:  
} 

以上代碼分為初始化（第3行），測試（第4行），更新（第9，10行）三部分。初始化只會執(zhí)行一次。但是測試和更新每次都會執(zhí)行。每進行一次循環(huán)，都會對strlen調(diào)用一次。

下面我們看下strlen函數(shù)的源碼是如何計算字符串長度的。 

size_t strlen(const char *s)  
{  
    size_t length = 0;  
    while (*s != '\0') {  
 s++;   
 length++;  
    }  
    return length;  
} 

strlen函數(shù)計算字符串長度的原理為：遍歷字符串，直到遇到‘\0’才會停止。因此，strlen函數(shù)的時間復雜度為O（N）。lower1中，對于長度為N的字符串來說，strlen 的調(diào)用次數(shù)為N,N-1,N-2 ... 1。對于一個線性時間的函數(shù)調(diào)用N次，其時間復雜度接近于O（N2）。

3.3 改進代碼

對于循環(huán)中出現(xiàn)的這種冗余調(diào)用，我們可以將其移動到循環(huán)外。將計算結(jié)果用于循環(huán)中。改進后的代碼如下所示。 

void lower2(char *s)  
{  
  size_t i;  
  size_t len = strlen(s);  
  for (i = 0; i < len; i++)  
    if (s[i] >= 'A' && s[i] <= 'Z')  
      s[i] -= ('A' - 'a');  
} 

將兩個函數(shù)對比下，如下圖所示。lower2函數(shù)的執(zhí)行時間得到明顯提升。

lower1和lower2代碼效率

4. 消除不必要的內(nèi)存引用

4.1 示例代碼

以下代碼作用為，計算a數(shù)組中每一行所有元素的和存在b[i]中。 

void sum_rows1(double *a, double *b, long n) {  
    long i, j;  
    for (i = 0; i < n; i++) {  
 b[i] = 0;  
 for (j = 0; j < n; j++)  
     b[i] += a[i*n + j];  
    }  
} 

4.2 分析代碼

匯編代碼如下所示。 

# sum_rows1 inner loop  
.L4:  
        movsd   (%rsi,%rax,8), %xmm0 # 從內(nèi)存中讀取某個值放到%xmm0  
        addsd   (%rdi), %xmm0      # %xmm0 加上某個值 
         movsd   %xmm0, (%rsi,%rax,8) # %xmm0 的值寫回內(nèi)存，其實就是b[i]  
        addq    $8, %rdi  
        cmpq    %rcx, %rdi  
        jne     .L4 

這意味著每次循環(huán)都需要從內(nèi)存中讀取b[i]，然后再把b[i]寫回內(nèi)存 。b[i] +=  b[i] + a[i*n + j]; 其實每次循環(huán)開始的時候，b[i]就是上一次的值。為什么每次都要從內(nèi)存中讀取出來再寫回呢？

4.3 改進代碼 

/* Sum rows is of n X n matrix a  
   and store in vector b  */  
void sum_rows2(double *a, double *b, long n) {  
    long i, j;  
    for (i = 0; i < n; i++) {  
 double val = 0;  
 for (j = 0; j < n; j++)  
     val += a[i*n + j];  
         b[i] = val;  
    }  
} 

匯編如下所示。 

# sum_rows2 inner loop  
.L10:  
        addsd   (%rdi), %xmm0 # FP load + add  
        addq    $8, %rdi  
        cmpq    %rax, %rdi  
        jne     .L10 

改進后的代碼引入了臨時變量來保存中間結(jié)果，只有在最后的值計算出來時，才將結(jié)果存放到數(shù)組或全局變量中。

5.  減小不必要的調(diào)用

5.1 示例代碼

為了方便舉例，我們定義一個包含數(shù)組和數(shù)組長度的結(jié)構(gòu)體，主要是為了防止數(shù)組訪問越界，data_t可以是int，long等類型。具體如下所示。 

typedef struct{  
 size_t len;  
 data_t *data;    
} vec; 

vec向量示意圖

get_vec_element函數(shù)的作用是遍歷data數(shù)組中元素并存儲在val中。 

int get_vec_element (*vec v, size_t idx, data_t *val)  
{  
 if (idx >= v->len)  
  return 0;  
 *vval = v->data[idx];  
 return 1;  
} 

我們將以以下代碼為例開始一步步優(yōu)化程序。 

void combine1(vec_ptr v, data_t *dest)  
{ 
    long int i;  
    *dest = NULL;  
    for (i = 0; i < vec_length(v); i++) {  
 data_t val;  
 get_vec_element(v, i, &val);  
 *dest = *dest * val;  
    } 
 } 

5.2 分析代碼

get_vec_element函數(shù)的作用是獲取下一個元素，在get_vec_element函數(shù)中，每次循環(huán)都要與v->len作比較，防止越界。進行邊界檢查是個好習慣，但是每次都進行就會造成效率降低。

5.3 改進代碼

我們可以把求向量長度的代碼移到循環(huán)體外，同時抽象數(shù)據(jù)類型增加一個函數(shù)get_vec_start。這個函數(shù)返回數(shù)組的起始地址。這樣在循環(huán)體中就沒有了函數(shù)調(diào)用，而是直接訪問數(shù)組。 

data_t *get_vec_start(vec_ptr v)  
{  
 return v->data;  
}  
void combine2 (vec_ptr v, data_t *dest)  
{  
 long i;  
 long length  = vec_length(v);  
    data_t *data = get_vec_start(v);  
 *dest = NULL;  
 for (i=0;i < length;i++)  
 {  
  *dest = *dest * data[i];  
 }  
} 

6. 循環(huán)展開

6.1 示例代碼

我們在combine2的代碼上進行改進。

6.2 分析代碼

循環(huán)展開是通過增加每次迭代計算的元素的數(shù)量，減少循環(huán)的迭代次數(shù)。

6.3 改進代碼 

void combine3(vec_ptr v, data_t *dest)  
{  
    long i;  
    long length = vec_length(v);  
    long limit = length-1;  
    data_t *data = get_vec_start(v);  
    data_t acc = NULL;   
    /* 一次循環(huán)處理兩個元素 */  
    for (i = 0; i < limit; i+=2) {  
    acc = (acc * data[i]) * data[i+1];  
    }  
    /*     完成剩余數(shù)組元素的計算    */  
    for (; i < length; i++) {  
  accacc = acc * data[i];  
    }  
    *dest = acc;  
} 

在改進后的代碼中，第一個循環(huán)每次處理數(shù)組的兩個元素。也就是每次迭代，循環(huán)索引i加2，在一次迭代中，對數(shù)組元素i和i+1使用合并運算。一般我們稱這種為2×1循環(huán)展開，這種變換能減小循環(huán)開銷的影響。

注意訪問不要越界，正確設置limit，n個元素，一般設置界限n-1

7. 累計變量，多路并行

7.1 示例代碼

我們在combine3的代碼上進行改進。

7.2 分析代碼

對于一個可結(jié)合和可交換的合并運算來說，比如說整數(shù)加法或乘法，我們可以通過將一組合并運算分割成兩個或更多的部分，并在最后合并結(jié)果來提高性能。

特別注意：不要輕易對浮點數(shù)進行結(jié)合。浮點數(shù)的編碼格式和其他整型數(shù)等都不一樣。

7.3 改進代碼 

void combine4(vec_ptr v, data_t *dest)  
{  
 long i; 
    long length = vec_length(v);  
    long limit = length-1;  
    data_t *data = get_vec_start(v);  
    data_t acc0 = 0;  
    data_t acc1 = 0;    
    /* 循環(huán)展開，并維護兩個累計變量 */  
    for (i = 0; i < limit; i+=2) {  
    acc0acc0 = acc0 * data[i];  
    acc1acc1 = acc1 * data[i+1];  
    }  
    /*     完成剩余數(shù)組元素的計算    */  
    for (; i < length; i++) {  
        acc0acc0 = acc0 * data[i];  
    }  
    *dest = acc0 * acc1; 
} 

上述代碼用了兩次循環(huán)展開，以使每次迭代合并更多的元素，也使用了兩路并行，將索引值為偶數(shù)的元素累積在變量acc0中，而索引值為奇數(shù)的元素累積在變量acc1中。因此，我們將其稱為”2×2循環(huán)展開”。運用2×2循環(huán)展開。通過維護多個累積變量，這種方法利用了多個功能單元以及它們的流水線能力

8. 重新結(jié)合變換

8.1 示例代碼

我們在combine3的代碼上進行改進。

8.2 分析代碼

到這里其實代碼的性能已經(jīng)基本接近極限了，就算做再多的循環(huán)展開性能提升已經(jīng)不明顯了。我們需要換個思路，注意下combine3代碼中第12行的代碼，我們可以改變下向量元素合并的順序（浮點數(shù)不適用）。重新結(jié)合前combine3代碼的關鍵路徑如下圖所示。

combine3代碼的關鍵路徑

8.3 改進代碼 

void combine7(vec_ptr v, data_t *dest)  
{  
 long i;  
    long length = vec_length(v);  
    long limit = length-1;  
    data_t *data = get_vec_start(v);  
    data_t acc = IDENT;     
    /* Combine 2 elements at a time */  
    for (i = 0; i < limit; i+=2) {  
   accacc = acc * (data[i] * data[i+1]);   }  
    /* Finish any remaining elements */  
    for (; i < length; i++) {  
        accacc = acc * data[i];    }  
    *dest = acc;  
} 

重新結(jié)合變換能夠減少計算中關鍵路徑上操作的數(shù)量，這種方法增加了可以并行執(zhí)行的操作數(shù)量了，更好地利用功能單元的流水線能力得到更好的性能。重新結(jié)合后關鍵路徑如下所示。

combine3重新結(jié)合后關鍵路徑

9 條件傳送風格的代碼

9.1 示例代碼 

void minmax1(long a[],long b[],long n){  
 long i;  
 for(i = 0;i,n;i++){  
        if(a[i]>b[i]){  
            long t = a[i];  
            a[i] = b[i];  
            b[i] = t; 
        }  
   }  
} 

9.2 分析代碼

現(xiàn)代處理器的流水線性能使得處理器的工作遠遠超前于當前正在執(zhí)行的指令。處理器中的分支預測在遇到比較指令時會進行預測下一步跳轉(zhuǎn)到哪里。如果預測錯誤，就要重新回到分支跳轉(zhuǎn)的原地。分支預測錯誤會嚴重影響程序的執(zhí)行效率。因此，我們應該編寫讓處理器預測準確率提高的代碼，即使用條件傳送指令。我們用條件操作來計算值，然后用這些值來更新程序狀態(tài)，具體如改進后的代碼所示。

9.3 改進代碼 

void minmax2(long a[],long b[],long n){  
 long i;  
 forfor(i = 0;i<n;i++){  
 long min = a[i] < b[i] ? a[i]:b[i];  
 long max = a[i] < b[i] ? b[i]:a[i];  
 a[i] = min;  
 b[i] = max;  
 }  
} 

在原代碼的第4行中，需要對a[i]和b[i]進行比較，再進行下一步操作，這樣的后果是每次都要進行預測。改進后的代碼實現(xiàn)這個函數(shù)是計算每個位置i的最大值和最小值，然后將這些值分別賦給a[i]和b[i]，而不是進行分支預測。 

本文轉(zhuǎn)載自微信公眾號「嵌入式與Linux那些事」，可以通過以下二維碼關注。轉(zhuǎn)載本文請聯(lián)系嵌入式與Linux那些事公眾號。