程序优化方法——CSAPP 读书笔记
来源:互联网 发布:turtlebot编程 编辑:程序博客网 时间:2024/06/13 06:16
Optimizing Program Performance
刚刚把CSAPP第五章看完,感触还是很深的。看完这章之后才知道以前以为自己会的好多东西其实都是会的表象,深层次的东西还是需要慢慢的发掘吸收的啊!
这一章主要讲的程序优化方面的东西。从底层,(汇编层,CPU模型层)对一个程序进行分析,找出其瓶颈,并针对性的对其进行优化。最终达到一个性能的提升。废话少说,直接上代码:
Implementation of vector abstract data type
typedef int data_t;typedef struct{ long int len; data_t *data;}vec_rec, *vec_ptr;#ifdef COMBIN_SUM #define IDENT 0 #define OP +#else #define IDENT 1; #define OP *;#endif/*Create vector of specified length*/vec_ptr new_vec(long int len){ /*Allocate header structure*/ vec_ptr result = (vec_ptr)malloc(sizeof(vec_rec)); if(!result) return NULL; /*Couldn;t allocate storage*/ result->len = len; /*Allocate array*/ if(len > 0) { data_t *data = (data_t*)calloc(sizeof(data_t)*len); if(!data){ free((void*)result); return NULL; } result->data = data; }else result->data = NULL; return result;}/* * Retrieve vector element and store at dest. * Return 0 (out of bounds) or 1 (successful)*/int get_vec_element(vec_ptr v, long int index, data_t *dest){ if(index < 0 || index >= v->len) return 0; *dest = v->data[index]; return 1;}/* Return length of vector */long int vec_length(vec_ptr v){ return v->len;}
上面是一个抽象数据类型 Vector的实现,也是后面例程的基础。
例程的主要目的是实现一个向量内所有元素的相加或者相乘,并返回结果。
/*Implementation with maximum use of data abstraction*/void combine1(vec_ptr v, data_t *dest){ long int i; *dest = IDENT; for(i=0; i<vec_length(v); i++) { data_t val; get_vec_element(v,i,&val); *dest = *dest OP val; }}
上面的代码是第一个版本,也是没有经过任何优化的版本。记为combine1其性能为(单位:CPE cycles per elements):
下面我们将会按照一定的原则逐步的对这段代码进行优化,从而在保证精度的同时提升函数的执行效率。
Eliminating Loop Inefficiencies
翻译过来就是消除因为循环而带来的效率低下的情况,比如那种重复的无意义的循环调用等。
我们可以看到在 combine1 中,
for(i=0; i
/*Move call to vec_length out of loop*/void combine2(vec_ptr v, data_t *dest){ long int i; long int length = vec_length(v); *dest = IDENT; for(i=0; i<length; i++){ data_t val; get_vec_element(v,i,&val); *dest = *dest OP val; }}
按照惯例,其性能指标为:
从上表的比较中我们可以发现,在某些特定的数据类型下(int),这种改写有着显著的性能提升,而在有些数据类型中,则收效甚微。这又涉及到优化中的一个重要的原则:需要评估一个函数的性能瓶颈,并针对性的进行优化。这一块会在以后的部分慢慢讨论。
Reducing Procedure Calls
减少函数的调用,函数调用会导致性能的低下,从而成为程序优化的一个重要模块。在combine2中,在每一次迭代中,我们都需要调用get_vec_element,去遍历向量中的元素。这个函数需要检查传进来的参数i是否越界,这是一个明显的多余的操作,因为在外层循环中就已经保证了这个i是不会超过向量的长度的,同时函数调用本身还需要消耗相应的资源。
换一种写法,假设我们给抽象数据类型vec_rec增加一个函数 get_vec_start,返回数据数组的起始地址。那么我们就可以对combine2进行改写,得到combine3:
data_t *get_vec_start(vec_ptr v){ return v->data;}/*Direct access to vector data*/void combine3(vec_ptr v, data_t *dest){ long int i; long int length = vec_length(v); data_t *data = get_vec_start(v); *dest = IDENT; for(i=0; i<length; i++){ *dest = *dest OP data[i]; }}
按照惯例,其性能指标为:
从结果上来看,这种写法的提升更加让人迷茫,除了整数的加法外,剩余的情况几乎没有太大的变化。产生这种结果的原因和cpu运行时的一个叫 branch predict的机制有关。有机会的话,会在后面的部分写出来。
Eliminating Unneeded Menory References
减少不必要的内存引用/解引用,combine3的代码中,在循环的过程中,累积计算的中间值到dest指针中,以下这段由编译器生成的汇编代码(X86_64),可以明确的看出这个问题。
combine3: data_t= float,OP = *i in %rdx, data in %rax, dest in %rbp.L498: Loop: movss (%rbp), %xmm0 Read product from dest mulss (%rax,%rdx,4), %xmm0 Multiply product by data[i] movss %xmmo, (%rbp) Store product at dest addq $1, %rdx Increment i cmpq %rdx, %r12 Compare i: limit jg .L498 if > goto Loop
从上述的汇编代码中我们可以看到,在第i次迭代的过程中,程序读取位于dest位置的的数据,拿他乘以data[i],然后把乘积存回dest。这里的读写操作就是多余的,因为在每次迭代中,读取进来的值和上一次迭代结束后存回去的值是同一个值。所以我们可以拿掉这个不必要的读写操作,得到combine4:
/*Accumulate result in local variable*/void combine4(vec_ptr v, data_t *dest){ long int i; lont int length = vec_length(v); data_t *data = get_vec_start(v); data_t acc = IDENT; for(i=0; i<length; i++){ acc = acc OP data[i]; } *dest = acc;}
和combine3相比,在循环的每一次迭代中,我们把内存操作从两个读一个写操作降到了一个读操作:
combine4: data_t = float, OP = *i in %rdx, data in %rax, limit in %rbp, acc in %xmm0.L488: Loop: mulss (%rax,%rdx,4), %xmm0 Mutilpy acc by data[i] addq $1, %rdx Increment i cmpq %rdx, %rbp Compare limit :i jg .L48 if > , goto loop
通过这么简单的一个改写,性能提升效果如下:
从上面四个代码的改写过程,我们可以看到一个显著的性能提升,而这些改写都是没有依赖任何目标机器的特性。换句话说就是这写原则是通用的。
下面针对现代的cpu特性,我们还可以进一步做一些优化操作:
Loop Unrolling
循环展开,循环展开可以从如下两个方面提升程序的性能,其一是减少了对程序结果没有贡献的额外的操作,比如循环变量和条件分支。 其二是他给我们提供了一个更广泛的优化空间,从而可以减少在主路径上的操作,提升性能。从而我们得到了combine5:
/*Unroll loop by 2*/void combine5(vec_ptr v, data_t *dest){ long int i; long int length = vec_length(v); long int 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){ acc = (acc OP data[i]) OP data[i+1]; } /*Finish any remaining elements*/ for(; i<length; i++) { acc = acc OP data[i]; } *dest = acc;}
其性能提升为:
Enhancing Parallelism
增加并行,combine5提升了 int 型的性能, 然而却于float,double 无补。问题出在哪里呢?
请看下面的一版改写combine6:
/*Unroll loop by 2, 2-way parallelism */void combine6(vec_ptr v, data_t *dest){ long int i; long int length = vec_length(v); long int limit = length - 1; data_t *data = get_vec_start(v); data_t acc0 = IDENT; data_t acc1 = IDENT; /*Combine 2 elements at a time*/ for(i=0; i<limit; i+=2){ acc0 = acc0 OP data[i]; acc1 = acc1 OP data[i+1]; } /*Finish any remaining elements*/ for(; i<length; i++){ acc0 = acc0 OP data[i]; } *dest = acc0 OP acc1;}
通过一个上述一个简单的操作,我们可以获取以下的性能提示:
到这一步其实关于这个函数的优化问题就基本上可以告一段落了,读书笔记也到此结束了。接下来要完成的就是针对这从头到尾的这些个优化做一些分析了。比如性能测试表中的数值是怎么得到的,比如为什么有的操作只对int提升效果较大,对float和double却几乎没有什么提升。比如combine6的写法有没有什么问题。会不会导致程序的结果不一样等…… 问题是无尽的。要想彻底回答以上种种疑问,就需要对编译器的优化准则,对现代CPU模型有一个深入的了解。嗯,我会重读这一章,再写一个全局意义上的感想与大家分享。未完待续
- 程序优化方法——CSAPP 读书笔记
- Chapter7 Linking(2)——CSAPP读书笔记
- CSAPP读书笔记——程序的机器级表示之寄存器分布与mov指令集
- CSAPP读书笔记——程序的机器级表示之条件跳转与循环
- CSAPP读书笔记——程序的机器级表示之栈帧结构
- 《CSAPP》优化程序性能——帮助编译器让程序更快
- CSAPP:优化程序性能(一)
- CSAPP:优化程序性能(二)
- CSAPP:优化程序性能(三)
- CSAPP:优化程序性能(四)
- Chapter 7 Linking——1(CSAPP读书笔记)
- CSAPP读书笔记——结构体的内存对齐
- 读书笔记:CSAPP
- 《CSAPP》优化程序性能:性能提高技术
- [CSAPP] 优化程序性能(一)
- 无约束优化方法读书笔记—入门篇
- 无约束优化方法读书笔记—入门篇
- 无约束优化方法读书笔记—入门篇
- 电脑使用问题解决Point
- 在导航栏添加搜索框
- FZU 2214 Knapsack problem (01背包)
- Java制作证书的工具keytool用法总结 (转载)
- 初识AOP
- 程序优化方法——CSAPP 读书笔记
- 买车注意事项
- Python代码优化及技巧笔记(一)
- mysql(一)
- C语言极简入门-VC6.0极速安装-2
- Swift变量和常量
- vi/vim基本使用方法
- ios NSNotificationCenter消息通讯机制
- 分布式系统中不可靠的TCP