讀CSAPP 2 程式效能優化

合適的資料結構與演算法

編寫出編譯器能夠有效優化以轉換成高效可執行**的原始碼。

將運算量特別大的計算，可以分成多部分，這些部分可以在多核多處理器的某種組合上並行處理

本篇主要以第二點進行討論，編譯器在優化的時候只會做最壞打算，做各種假設。為了保證程式的準確性，捨棄效能優化。

void
twiddle1
(long
*xp,
long
*yp)
void
twiddle2
(long
*xp,
long
*yp)

void
twiddle1
(long
*xp,
long
*yp)
void
twiddle2
(long
*xp,
long
*yp)

**則可以寫成上面這樣，這時候兩個函式的意義就不同了，twiddle1將xp增加了4倍，twiddle2將xp增加了3倍。

兩個指標指向同乙個記憶體位址，稱之為：記憶體別名使用，編譯器必須假設不同指標可能指向相同位址，限制了優化策略

longf(
);long
func1()
long
func2()

看起來兩個函式結果是相同的，但假設函式f內部為：

long counter =0;
longf(
)

那麼func1和func2返回結果就不同了，而且修改全域性狀態也不同。

大多數編譯器不會試圖判斷乙個函式是否沒有***，如果沒有，可能被優化成func2的形式。否則假設最糟糕的情況，保持不變。

用內聯函式減少開銷，也對展開**做了優化。

下面程式是將元素累加，之後我們對combine1函式進行一步步優化

int
get_vec_element
(vec_ptr v,
long index, data_t *dest)
long
vec_length
(vec_ptr v)
void
combine1
(vec_ptr v, data_t *dest)
}

將冪等函式移動出迴圈

void
combine2
(vec_ptr v, data_t *dest)
}

get_vec_element中對邊界檢查，雖然很有用，但在本例中能明顯看出所有引用都是合法，可以去除

void
combine3
(vec_ptr v, data_t *dest)
}

combine3將計算值累積在指標dest位置，每次迴圈都會進行三步操作

讀取dest值

讀取data[i]值

寫入dest所在記憶體

從dest讀取的值，就是上次寫入dest的值，加上個臨時的變數

讀data[i]值，計算結果放到臨時記憶體

記憶體的值不寫入，當迴圈完畢最後在寫入到dest

優化後每次迴圈只需要讀取一次data[i]值即可。

void
combine4
(vec_ptr v, data_t *dest)
*dest = acc;
}

編譯器應該也會幫我們優化成combine4的形式，但由於記憶體別名的使用，可能會有不同行為。

比如 *dest引用的是data的位址，那結果會有區別，所以不會優化。

增加每次迴圈迭代計算的元素數量，減少迭代次數。

void
combine5
(vec_ptr v, data_t *dest)
*dest = acc;
}

編譯器一般會幫助我們進行迴圈展開操作，只要優化等級3或更高。

在**層面，下面三行是一條條按序執行，但cpu發現a和b的賦值操作是互不影響的，會同時執行a和b，這種現象叫做：指令級並行。

int a =1;
int b =2;
int c = a + b;

所以我們可以將combine5的**再進行一次優化：

void
combine6
(vec_ptr v, data_t *dest)
*dest = acc0 + acc1;
}

combine5的迴圈展開，將迴圈次數減少了一半，提高了效率。但是cpu執行還是按序執行，無法進行並行操作，因為新的acc值總要依靠上乙個acc，必須按順序執行，才能獲取。

現在將奇數索引的值賦給acc0，偶數索引的值賦給acc1，兩個變數互不影響，cpu就可以進行並行操作了，最後將結果相結合

迴圈展開的數量並不是越多效率越高，迴圈的變數一旦超過可用暫存器數量，效率反而會更慢。

案例

**引用-婉兒飛飛

下面**，對陣列值大於等於128的進行求和。求和前進行排序要比不進行排序直接求和效率要高3倍左右。

#include
#include
#include
intmain()
}double elapsedtime = static_cast<
double
>
(clock()
- start)
/ clocks_per_sec;
std:
:cout << elapsedtime << std:
:endl;
std:
:cout <<
"sum = "
<< sum << std:
:endl;
}

cpu對分支進行**，猜測下一步走哪個分支。如果猜對，cpu不會暫停一直執行，猜錯，就要停止-回滾-熱啟動。

cpu根據歷史進行猜測下一步走向。有序的陣列，**判斷條件的結果更加準確，無序陣列無法**，命中率低，導致效率低。

優化方案

如果可以的話移除分支

//用位運算 替換 if判斷
int t =
(data[c]
-128
)>>31;
sum +
=~t & data[c]
;

提高分支的可**性，比如上面先排序

stackoverflow-分支**

優化程式效能（CSAPP）

一程式優化綜述 1 高效程式的特點 1 適當的演算法和資料結構。方法和資料的組織形式無疑是最關鍵的，是優化的基礎 2 能夠被編譯器轉化成高效的可執行需要深入了解使用的編譯器的優化方法，和常見的優化策略 3 運用現代並行程式設計技術。多核以及硬體支援提供更大的加速可能，例如gpu 2 優化程式的一...

CSAPP 優化程式效能

1.選擇合適的演算法和資料結構。2.編寫出編譯器能夠有效優化以轉換為高效可執行的源 3.平行計算。當然重點還是第乙個，良好的演算法和資料結構大大減小了程式的時間複雜度。編譯器可以對程式進行不同程式的優化，在終端中，編譯時新增命令列選項 o1,o2等等可以進行不同級別的優化，這樣雖然提高了程式的效能，...

CSAPP 優化程式效能二

程式示例為了說明乙個抽象程式是如何被系統地轉換成更有效的的，我們使用基於如下所示的向量資料結構的執行示例向量由兩個記憶體塊表示，頭部和資料陣列，頭部宣告結構如下,data t代表基本資料型別 typedef struct vec rec,vec ptr 生成向量，訪問向量元素，確定向量長度的基...

讀CSAPP 2 程式效能優化

優化程式效能（CSAPP）

CSAPP 優化程式效能

CSAPP 優化程式效能 二

相關推薦

CSAPP 優化程式效能二