本文详细介绍了在Intel Pentium4环境下，使用X264编码器的性能测试，对比了Debug和Release版本的编码效率。通过Intel VTune Performance Analyzer分析，发现去块滤波器、量化与反量化、离散余弦变换与逆变换等环节的时耗，并指出运动估计和运动补偿是主要耗时部分。文章还探讨了程序性能优化的三个方面：算法结构优化、编译优化和程序优化，强调了编译器优化、汇编指令优化以及减少函数调用的重要性。
测试环境
测试环境：Intel Pentium4 3.00GHz (双核cpu),开启超线程
内存: DDR 1.00G
操作系统: Windows sever 2003 Enterprise Edition
分析软件: Intel(R) VTune(TM) Performance Analyzer 8.0(评估版lic)
编译软件: VC71+nasm0.98
Bus Speed: 800MHz
测试程序: X264 20060506 编码器
1、Debug版本
编码参数:
X264 -fps -o foreman.264 forman.cif 352x288
编码400frames,编码效率:23fps左右(libx264 debug版本),35fps(libx264 release版本)，提高了10fps以上，比较可观
2、
编码参数:
X264 -fps --no-asm -o foreman.264 forman.cif 352x288
--no-asm，Disable all CPU optimizations即未使用mmx,mmxext, sse,sse2,3dNow,3dnow ext,altivec等汇编指令优化。
编码400frames，编码效率2.67fps(libx264 debug版本),12.67fps(libx264 release版本),提高了10fps
Clockticks per Instructions Retired (CPI)表示该程序段的平均执行一条指令所需的时钟周期数,CPI越大表示该程序段调用的浮点数操作,乘法，除法，I/O处理，系统调用或文
件访问等代价昂贵的操作较多。
Instructions Retired events, 表示执行的指令数,越大表示该模块调用的较多.
Clockticks events 则表示该模块所消耗的时钟周期数,一般Clockticks events = Instructions Retired events * Clockticks per Instructions Retired (CPI),越大表示该模块消耗的时间越多,后面的Clockticks %则表示该模块的在所有程序中的时耗百分比.
这里有一点需要注意:(还是举例吧),例如要分析视频编码中去块滤波器算法/程序的时耗,并不是一个x264_frame_deblocking_filter函数的时间消耗就是所有x264编解码过程中的时间消耗,由于x264_frame_deblocking_filter调用deblck_edge,x264_clip3(该函数也被其他函数所调用)函数,而deblock_edge下又调用x264_deblock_v8_luma_mmxext, x264_deblock_h_luma_mmxext,x_264_deblock_h_chroma_mmxext, deblock_luma_intra_c, x264_deblock_v_chroma_mmxext（这些函数通过指针重定义的方式以适应于不同的硬件平台，比如Intel,AMD的CPU采用不同的指令系统，其实Mplayer,FFMPEG,T264等软件都采用类似的重定义方式,已达到一个软件使用与不同构架/平台，如arm,powerpc,x86等）等函数。那么这里如果统计去块滤波器的算法的时间消耗百分比，就需要将该函数及其所有调用的子函数的时间消耗都计算在内，x264_deblock_****都是唯一被deblock_edge调用，但对于x264_clip3，并不仅仅是去块滤波器部分调用，那么就只能部分计算在去块滤波器之内，至于部分是多少要根据个函数的调用次数，这里不确定。
相关x264时耗分析数据后面的表格。deblock占4.3%左右，quant+dequant占3.3%左右，DCT+IDCT占1.1%左右，主要是运动估计和运动补偿，ME中大量的sad/satd的计算，MC中的六阶滤波器tap_filter是主要时耗，具体我没有太细统计将近20%左右，x264中由于采用了算法优化，程序优化及mmx,sse,sse2等指令优化，将原本消耗较大的去块滤波器等都有了较大程度地优化。
这里再讨论一下程序性能优化技术，程序性能优化可以大致从3个部分考虑。
1、算法结构优化，实现同样的应用功能可采用多种不同的算法和方法，比如H.264种的运动估计全搜索和快速运动估计算法，实现的编码效率基本一致，但是处理时间可以节省10~20倍，所以需要选择高效的算法。还有递归算法非递归化，递归算法使得程序结构清晰，可读性高，但却需要执行大量的过程调用，堆栈保存等，运行效率低下。
2、编译优化，现在很多编译器都实现了较强的代码优化功能，多数编译器都基于数据流分析以实现别名分析（通过变量重命名来消除数据相关，提高流水线的执行效率），常数折叠，公共子表达式消除、冗余代码删除，循环逆转和循环展开等与体系结构无关的优化，例如GNU gcc就是个很好的编译工具。还有借用并行程序设计技术，进行相关性分析，并通过相应技术是程序具有更好的局部性以提高Cashe命中率。对于GCC中采用-O -O2 -O3 -O4等选项选择针对速度/面积等性能优化,另外debug版本由于程序中加入较多的debug参数,影响程序效率,上面x264的debug和release运行效率的对比可见一斑.编译优化属于静态优化，由编译器自动完成，但是编译器很难得到程序的语义信息，算法流程等信息。所以需要我们手工编程优化以最大程度提高程序运行效率
3、程序优化，包括a)使用inline函数，很多编译器支持inline关键字，减少函数调用开销却增加了代码量。b)针对程序运行平台，如x86(Intel)，Xscale，ARM，DSP等不同构架，可采用相应的汇编优化，将主要时耗部分/循环调用等，进行汇编指令优化MMX,SSE,WiMMX,ARM/Thumb指令,DSP汇编等，或者采用专用的库函数,如针对Intel CPU/Xscale构架的嵌入式系统（PXA255,PXA270等）可使用IPP/GPP库，提高程序效率。c)对于DSP系统，由于有多个并行处理单元，编译器会并行优化，所以需要尽量减少频繁小循环跳转，将循环展开，同时减少循环或内层循环也可以提高CPU的流线效率，尽量不断流。d)在Switch语句中根据发生频率排序case语句，编译器对于switch语句将生成if-else-if的嵌套代码，按概率排序可提高效率（FPGA/CPLD等逻辑器件中，采用VHDL语言描述的switch是生成多个逻辑器件，并且完全并行的）。e)减少函数调用参数. f)减少耗时的浮点数操作，除法操作等降低CPI
| Size | Function | Clockticks per Instructions Retired (CPI) | Instructions Retired events | Clockticks events | Clockticks % | Source File |
| 4917 | refine_subpel | 3.050938338 | 1119000000 | 3414000000 | 6.582219909 | f:/x264-060506/x264-060506/encoder/me.c |
| 176 | x264_mc_chroma_mmxext | 1.463709677 | 2232000000 | 3267000000 | 6.298802707 | |
| 21502 | x264_me_search_ref | 2.515923567 | 942000000 | 2370000000 | 4.569379374 | f:/x264-060506/x264-060506/encoder/me.c |
| 880 | x264_pixel_satd_8x8_sse2 | 1.43551797 | 1419000000 | 2037000000 | 3.927352652 | |
| 99 | RTC_CheckStackVars | 3.563157895 | 570000000 | 2031000000 | 3.915784603 | |
| 3296 | x264_pixel_satd_16x16_sse2 | 1.54047619 | 1260000000 | 1941000000 | 3.742263867 | |
| 237 | get_ref_mmx | 1.725925926 | 810000000 | 1398000000 | 2.695355428 | f:/x264-060506/x264-060506/common/i386/mc-c.c |
| 1183 | block_residual_write_cabac | 3.15862069 | 435000000 | 1374000000 | 2.649083232 | f:/x264-060506/x264-060506/encoder/cabac.c |
| 6480 | x264_macroblock_analyse | 24.05555556 | 54000000 | 1299000000 | 2.504482619 | f:/x264-060506/x264-060506/encoder/analyse.c |
| 272 | x264_pixel_satd_4x4_mmxext | 1.229850746 | 1005000000 | 1236000000 | 2.383018104 | |
| 80 | x264_pixel_avg_w16_mmxext | 2.096045198 | 531000000 | 1113000000 | 2.145873099 | |
| 232 | x264_mb_decimate_score | 1.354085603 | 771000000 | 1044000000 | 2.012840534 | f:/x264-060506/x264-060506/encoder/macroblock.c |
| 64 | x264_pixel_avg_w8_mmxext | 1.756906077 | 543000000 | 954000000 | 1.839319799 | |
| 2413 | x264_frame_deblocking_filter | 1.703910615 | 537000000 | 915000000 | 1.76412748 | f:/x264-060506/x264-060506/common/frame.c |
| 2491 | x264_macroblock_cache_save | 2.152173913 | 414000000 | 891000000 | 1.717855284 | f:/x264-060506/x264-060506/common/macroblock.c |
| 656 | x264_center_filter_mmxext | 1.211864407 | 708000000 | 858000000 | 1.654231014 | |
| 146 | quant_4x4 | 2.989247312 | 279000000 | 834000000 | 1.607958818 | f:/x264-060506/x264-060506/encoder/macroblock.c |
| 5930 | x264_macroblock_cache_load | 2.090225564 | 399000000 | 834000000 | 1.607958818 | f:/x264-060506/x264-060506/common/macroblock.c |
| 206 | x264_cabac_encode_renorm | 2.125984252 | 381000000 | 810000000 | 1.561686622 | f:/x264-060506/x264-060506/common/cabac.c |
| 83 | array_non_zero_count | 1.191964286 | 672000000 | 801000000 | 1.544334548 | f:/x264-060506/x264-060506/encoder/macroblock.h |
| 96 | memset | 9.464285714 | 84000000 | 795000000 | 1.532766499 | F:/VS70Builds/3077/vc/crtbld/crt/src/intel/memset.asm |
| 363 | predict_16x16_p | 1.095435685 | 723000000 | 792000000 | 1.526982474 | f:/x264-060506/x264-060506/common/predict.c |
| 184 | x264_cabac_encode_decision | 2.371428571 | 315000000 | 747000000 | 1.440222107 | f:/x264-060506/x264-060506/common/cabac.c |
| 37 | _RTC_CheckEsp | 1.707142857 | 420000000 | 717000000 | 1.382381861 | |
| 3693 | x264_macroblock_encode | 2.890243902 | 246000000 | 711000000 | 1.370813812 | f:/x264-060506/x264-060506/encoder/macroblock.c |
| 47 | x264_clip_uint8 | 1.317365269 | 501000000 | 660000000 | 1.272485395 | f:/x264-060506/x264-060506/common/clip1.h |
| 304 | x264_quant_4x4_core15_mmx | 1.674796748 | 369000000 | 618000000 | 1.191509052 | |
| 2091 | x264_mb_analyse_intra | 1.844036697 | 327000000 | 603000000 | 1.162588929 | f:/x264-060506/x264-060506/encoder/analyse.c |
| 1680 | x264_pixel_satd_8x16_sse2 | 1.144508671 | 519000000 | 594000000 | 1.145236856 | |
| 1696 | x264_pixel_satd_16x8_sse2 | 1.449612403 | 387000000 | 561000000 | 1.081612586 | |
| 164 | motion_compensation_chroma_mmxext | 1.459677419 | 372000000 | 543000000 | 1.046908439 | f:/x264-060506/x264-060506/common/mc.c |
| 328 | deblock_edge | 1.594059406 | 303000000 | 483000000 | 0.931227948 | f:/x264-060506/x264-060506/common/frame.c |
| 363 | predict_8x8c_p | 1.453703704 | 324000000 | 471000000 | 0.90809185 | f:/x264-060506/x264-060506/common/predict.c |
| 176 | x264_macroblock_cache_mv | 1.662650602 |
最低0.47元/天 解锁文章
扫一扫
310
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
