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

for?(i?=?0;?i?

	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?

	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?inj?=?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?=?'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?

	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?!=?'')?{
?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‘’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?=?'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?

	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?

	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;
?*val?=?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?

	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?

	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?

	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?

	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?

	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;
?for(i?=?0;i,n;i++){
?long?min?=?a[i]?

	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。

	10. 總結(jié)

	我們介紹了幾種提高代碼效率的技巧，有些是編譯器可以自動優(yōu)化的，有些是需要我們自己實現(xiàn)的。現(xiàn)總結(jié)如下。

	消除連續(xù)的函數(shù)調(diào)用。在可能時，將計算移到循環(huán)外。考慮有選擇地妥協(xié)程序的模塊性以獲得更大的效率。

	消除不必要的內(nèi)存引用。引入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。

	展開循環(huán)，降低開銷，并且使得進一步的優(yōu)化成為可能。

	通過使用例如多個累積變量和重新結(jié)合等技術，找到方法提高指令級并行。

	用功能性的風格重寫條件操作，使得編譯采用條件數(shù)據(jù)傳送。

	編輯：黃飛

	?