大话处理器之编写高效的代码总结

2011.11.15，阅读《大话处理器》第6章《编写高效的代码—时间就是生命》，主要内容笔记如下。

Profile在美剧《犯罪心理》中的意思是剖析犯罪分子的心理。在软件开发中，就叫软件性能剖析。性能剖析工具分析每个函数（有的工具能分析到每个循环）的执行时间。

常用的性能剖析软件有：IBM的Rational Quantify、Intel的VTune、AMD的CodeAnalyst，DSP的软件集成开发环境中也自带有这种工具。

(一)  减少指令数；

1.      使用更快的算法—算法，程序设计的灵魂；（高斯的故事）

2.      选用合适的指令—合适的人做合适的事；（主要是处理器的专用汇编指令）

3.      降低数据精度—比特也要省着用；（单精度浮点数绝对值函数fabsf()比双精度fabs()快）

4.      减少函数调用—不要老打断我；

a)      将小函数直接写成语句；

b)      将小函数写成宏；

c)       将函数声明为内联函数；

5.      空间交换时间；（Fibonacci数列某项值的计算、Google百度搜索引擎算法）

6.      减少过保护—打不破的部门墙；（函数入参检查、保护可适当去掉）

(二)  减少处理器不擅长的操作—不要逼我做我不喜欢的事情；

1.      少用乘法；（可转化为移位运算）

2.      少用除法、求余；

3.      在精度允许的条件下，将浮点数定点化；

《反恐精英》中扔了烟雾弹之后的半透明烟雾效果，使用图像的alpha混合：将两张图像进行半透明的混合来实现，混合后新图像的每个像素的颜色值为：

Pixel_C =(int)(Pixel_A * alpha + Pixel_B * (1 – alpha));

alpha为透明度，是介于0和1之间的小数，随着之间的推移，烟雾图像的alpha值越来越小。当alpha为0时，烟雾效果完全消失。

         由于浮点运算耗时，可以将alpha定点化为0~32之间的一个整数，0表示完全显示B图像，32表示完全显示A图像，中间分为32个等级，代码变为

Pixel_C =(Pixel_A * alpha + Pixel_B * (32 – alpha) + 16) >> 5);

由于全部都是定点语句，执行时间大幅减少。

4.      尽量减少分支；（if和switch跳转语句会打乱流水线执行，影响效率）

5.      将最有可能进入的分支放在if中，而不是else中；

(三)  优化内存访问

1.      少使用数组，少使用指针；（用局部变量代替）

2.      少使用全局变量；（用局部变量代替）

3.      一次多访问一些数据；

4.      数据对齐访问；对2字节变量，它的起始地址应该为2的整数倍；对于4字节变量，它的起始地址应该为4的整数倍；对于8字节变量亦是如此；

5.      大数据结构时的Cacheline对齐；（Intel处理器的Cache line大多为64 byte，在对大数据结构分配内存时，起始地址最好为64 byte的整数倍，这样Cachemiss的次数最少。）

6.      程序、数据访问符合Cache的时间、空间局部性；（两重for循环处理二维数组例子；程序组织、存储符合Cache局部性原则）

7.      多线程编程时，避免falsesharing；

8.      自己管理内存的动态分配；

9.      隐藏数据搬移时间；（根据处理器支持，用DMA将SRAM中数据搬移到处理器、Cache预取机制）

(四)  充分利用编译期进行优化—编译器：我才是优化第一高手；

1.      编译器提供了分级优化选项；

2.      简化表达式；（消除重复计算）

3.      提取公共代码；（把两个分支中的公共代码提到外面）

4.      循环展开、软件流水；（比如可以使用编译期的预编译指令）

5.      自动向量化；（使用关键字restrict）

6.      高效的数据组织；（编译器对变量、函数分配存储空间，减少Cache miss）

7.      指令并行化；

(五)  利用多核加速程序—人多力量大；

1.      并行计算；（分工：任务划分、数据划分、数据流划分；Amdahl’s law，阿姆达尔定律：串行与并行分开；多线程编程）

2.      OpenMP；（并行编程框架，适合共享内存系统、多核处理器）

 

 

1.      减少重复计算

for (i =0; i < strlen(pswd); i++)

{

    if (isNum(pswd[i]))

    {

        j++;

    }

}

...

 

2.  减少分支

for (i =0; i < 100; i++)

{

    if (i % 2 == 0)

    {

        a[i] = x;

    }

    else

    {

        a[i] = y;

    }

}

修改后：

for (i =0; i < 100; i+=2)

{

    a[i] = x;

    a[i+1] = y;

}

 

3.  程序、数据访问符合Cache的时间、空间局部性：

for (j< 0; j < 500; j++)

{

    for (i < 0; i < 500; i++)

    {

        sum += a[i][j];

    }

}

优化后：

for (i< 0; i < 500; i++)

{

    for (j < 0; j < 500; j++)

    {

        sum += a[i][j];

    }

}

 

4.  自动向量化：

void add(float *restrict a, float *restrict b, float *restrict c)

{

    int i;

    for (i = 0; i < 4; i++)

    {

        c[i] = a[i] + b[i];

    }

}

retrict关键字告诉编译期a、b、c三个指针指向的空间是没有交叠的，这样编译器可对它们做合适的优化。编译器能使用SIMD指令来优化。

/* VC 6.0帮助文档 */

i = 100;

while (i< 0)

{

    i += x + y;

    *p = i;

}

如果使用Assume No aliasing编译选项，编译期能将x+y放到循环外面；否则不会，因为指针p可能指向x或y；

 

5.  指令并行化：

x = a +b;

y = x +c;

z = y +d;

优化为：

x = a +b;

y = c +d;

z = x +y;