#include <math.h>
#include <stdio.h>
#include <stdlib.h>
#define PI 3.14159265359
float sx, sy;
float sdCircle(float px, float py, float r) {
float dx = px - sx, dy = py - sy;
return sqrtf(dx * dx + dy * dy) - r;
}
float opUnion(float d1, float d2) {
return d1 < d2 ? d1 : d2;
}
#define T px + scale * r * cosf(theta), py + scale * r * sin(theta)
float f(float px, float py, float theta, float scale, int n) {
float d = 0.0f;
for (float r = 0.0f; r < 0.8f; r += 0.02f)
d = opUnion(d, sdCircle(T, 0.05f * scale * (0.95f - r)));
if (n > 0)
for (int t = -1; t <= 1; t += 2) {
float tt = theta + t * 1.8f;
float ss = scale * 0.9f;
for (float r = 0.2f; r < 0.8f; r += 0.1f) {
d = opUnion(d, f(T, tt, ss * 0.5f, n - 1));
ss *= 0.8f;
}
}
return d;
}
int ribbon() {
float x = (fmodf(sy, 0.1f) / 0.1f - 0.5f) * 0.5f;
return sx >= x - 0.05f && sx <= x + 0.05f;
}
int main(int argc, char* argv[]) {
int n = argc > 1 ? atoi(argv[1]) : 3;
float zoom = argc > 2 ? atof(argv[2]) : 1.0f;
for (sy = 0.8f; sy > 0.0f; sy -= 0.02f / zoom, putchar('\n'))
for (sx = -0.35f; sx < 0.35f; sx += 0.01f / zoom) {
if (f(0, 0, PI * 0.5f, 1.0f, n) < 0.0f) {
if (sy < 0.1f)
putchar('.');
else {
if (ribbon())
putchar('=');
else
putchar("............................#j&o"[rand() % 32]);
}
}
else
putchar(' ');
}
}
将代码保存为 milo_tree.c (如上),拿到电脑上跑一遍,感觉圣诞树的生成速度很慢,在 Linux 下编译,用 time 指令看看具体时间:
$ gcc milo_tree.c -o milotree -lm
$ time ./milotree
.
.
.
==.
. o.. .
. ......#.. .
..... ....o.... .....
..=
== ==j ..
. . &.. . .
. .. ....... j# .
..&... # .&. & ..#...
. # . . .....==== = = = #
======....#
. .& ..... .. .
. . ## ...&... #. . .
.. ...... . ..... . .....= ==
. j o . & .#...==== = = . . .
= ===.& .
= .. . ....&.# . .. .
. . .... .....#... ...j . .
. . #o...... ..... ......j= = =
.#o. . ..........========= . .&..
. . .#=== =====.... ....& . .
= ..j ....... ... .
= . . #...................... . o .
. . . .&.#.....................==== = = &
......... ... .. ..&.=== == === .......&.
#.. . . ..=== = ====... . ..&.& . . ...
. .= = == =.. . .......#. . ... .. . &. .
= ... ................... .o. .
. . &#. ....................#.#..#.====== === . .
. . . ..#.....o... .. . o...=== = == ............ . . .
.. ......... .. j.. === =====.... .o. ... .. ......... ..
... . . . ==== == = .... ....&.... .... . .. .... . . . ...
= = . &.. ......o.... ... . . .
.. ......... ..
.........
.........
.........
.........
./milotree 18.34s user 0.00s system 99% cpu 18.384 total
18384 毫秒,很慢的速度。扫一眼代码,里面的嵌套 for 和大量的浮点数运算可能是生成速度慢的原因。但对于新手来说,靠猜测去判断程序的瓶颈在哪里是很不靠谱的。
这里就需要使用专门的性能分析工具,Linux 平台可使用 gprof
,Windows 平台的 Visual Studio 也有类似的功能。
这里我在 Linux 平台下演示,使用 grpof
需要在编译时加上 -pg
参数,然后运行一遍,才可以分析出来。如下指令:
$ gcc milo_tree.c -lm -pg -o milotree
$ ./milotree && gprof ./milotree
Flat profile:
Each sample counts as 0.01 seconds.
% cumulative self self total
time seconds seconds calls ms/call ms/call name
54.98 1.74 1.74 2911 0.60 1.03 f
26.53 2.58 0.84 224976635 0.00 0.00 sdCircle
13.51 3.00 0.43 230460959 0.00 0.00 opUnion
5.40 3.17 0.17 frame_dummy
0.00 3.17 0.00 702 0.00 0.00 ribbon
...
可以看到,代码内的 f 函数是性能瓶颈,sdCircle()
,opUnion()
函数的结构很简单,但由于调用次数接近 2 亿,也存在一定开销。
性能分析结束,开启 GCC 标准优化选项 O2 编译一遍:
$ gcc -O2 milo_tree.c -o milotree -lm && time ./milotree
...
./milotree 1.85s user 0.00s system 99% cpu 1.860 total
瞬间缩短到 1860 毫秒,9 倍左右的速度提升,这时 gprof
分析一下,结果是:
Flat profile:
Each sample counts as 0.01 seconds.
% cumulative self self total
time seconds seconds calls Ts/call Ts/call name
100.57 1.68 1.68 f
Call graph (explanation follows)
granularity: each sample hit covers 2 byte(s) for 0.60% of 1.68 seconds
index % time self children called name
5484324 f [1]
[1] 100.0 1.68 0.00 0+5484324 f [1]
5484324 f [1]
-----------------------------------------------
Index by function name
[1] f
可以看到,即使没有对 sdCircle()
和 opUnion()
加 inline
关键字,它们也被编译器自动展开了。
一般到这里,“优化” 就可以结束了。可一切都是编译器替我们做的,而且可能还期待执行速度可以更快一些。
这时,稍有一点经验的程序员可以从程序的具体实现入手。
接下来,从简单的函数开始,来分析优化点,看 sdCircle()
函数的代码:
float sdCircle(float px, float py, float r) {
float dx = px - sx, dy = py - sy;
return sqrtf(dx * dx + dy * dy) - r;
}
这里使用了 C 标准库的平方根算法的单精度浮点版本 sqrtf()
。这里提一下,标准库的实现都是稳健的,但不是所有都是高效率的。
在特定硬件平台,有专门的指令集提供这类数学上的运算指令,例如可以使用 C 的内联汇编来实现一个平方根运算:
// GCC 版本内联汇编,使用 SSE 指令集
float asm_sse_sqrtf(float x)
{
float ret;
// GCC inline assembly
__asm__ __volatile__ (
"rsqrtss %1, %%xmm0\n\t"
"rcpss %%xmm0, %%xmm0\n\t"
"movss %%xmm0, %0"
: "=m"(ret)
: "m"(x));
return ret;
}
但是这个程序并不需要精确到小数点后几十位的程度,精度只要足够即可,否则只是浪费处理器的时钟周期。
这时,回忆起雷神之锤 3 经典的快速平方根倒数算法,里面利用了一个魔数0x5f3759df
求平方根倒数的近似算法。当然,平方根也可以用魔数来快速运算,这篇文章提供了十几种快速平方根算法,其中就有几个是利用了魔数运算。
这里,我把上篇文章中的第 7 个算法简化,实现一个快速平方根运算函数,因为是为了优化,所以我定义成 inline
函数:
typedef unsigned int u32;
inline float f_sqrt(float x)
{
u32 i = (*(u32 *) &x + 0x3f800000) >> 1;
return *(float*) &i;
}
因为至少需要 32 位的无符号整型才能满足运算的数值范围,由于现代编译器在 32 位和 64 位操作系统上,int 型都是 32 位,所以用 int 的无符号版本即可。
另外,此算法可以通过牛顿迭代法来提高计算的精度,不过在此程序里没什么必要。
这时,再看一看代码,里面有个很慢的随机数算法 rand()
,同样它是 C 标准库提供的。要优化这个算法,可以浏览这篇 Intel 的快速随机数算法文章 ,里面介绍的 LCG 算法比标准库实现快 5 倍左右。
为了一些便利,我用 C++ 替代 C 来写 LCG 算法,并用 C 标准库 time()
的返回值作为种子值,确保每次运行时圣诞树的装饰都不一样:
...
#include <ctime>
typedef unsigned int u32;
class LCG {
public:
LCG(u32 seed) : mSeed(seed) {}
u32 operator()() {
mSeed = mSeed * 214013U + 2531011U;
return (mSeed >> 16U) & 0x7FFFU;
}
private:
u32 mSeed;
};
...
int main(int argc, char *argv[])
{
...
LCG rng(time(0));
...
}
编译、运行:
$ g++ i.cc -O2 && time ./a.out
./a.out 1.67s user 0.00s system 99% cpu 1.682 total
可以看到比原来的代码快了 200 毫秒左右。
这时候,再对 f 函数下手,浏览一下此函数的代码。第一个 for 循环进行 40 次迭代,虽然看似很简单,但是把宏
#define T px + scale * r * cos(theta), py + scale * r * sin(theta)
- 1
- 1
替换进去,可以看到里面包含了平方根,正弦,余弦的运算,实际整个函数的瓶颈就在此处,应该重点优化。但由于这个 for 循环是浮点数运算,且每次迭代都会用到上一次的结果,想要使用OpenMP 做并行很难,且效果差。
但稍微理解下 f()
函数的用意后,可以利用 opUnion()
函数做模拟并行,具体代码如下:
#define T px + scale * r * f_cos(theta), py + scale * r * f_sin(theta)
#define T2 px + scale * (r + 0.02f) * cos(theta), py + scale * \
(r + 0.02f) * sin(theta)
float f(float px, float py, float theta, float scale, int n)
{
float d = 0.0f, di = 0.0f;
float ret;
for (float r = 0.0f; r < 0.8f; r += 0.04f) {
d = opUnion(d, sdCircle(T, 0.05f * scale * (0.95f - r)));
di = opUnion(di, sdCircle(T2, 0.05f * scale * (0.93f - r)));
}
ret = opUnion(d, di);
if (n > 0)
for (int t = -1; t <= 1; t += 2) {
float tt = theta + t * 1.8f;
float ss = scale * 0.9f;
for (float r = 0.2f; r < 0.8f; r += 0.1f) {
ret = opUnion(ret, f(T, tt, ss * 0.5f, n - 1));
ss *= 0.8f;
}
}
return ret;
}
接下来对 sin()
和 cos()
动手,虽然不知道有没有魔数的方法来求近似值,但学过高数的同学会知道这两个函数都可以用泰勒级数来求近似值。由于上面提到精度足够即可,在具体实现中我只迭代了 10 次。具体实现如下:
// sin(x) = x - (x^3 / 3!) + (x^5 / 5!) - (x^7 / 7!) + ...
template <typename T>
T f_sin(const T& x)
{
const T x2 = x * x;
T power = x;
T facter = 1;
T sign = 1;
T sum = 0;
const int loop = 22; // 10 times loop
for (int i = 3; i < loop; i += 2) {
sign *= -1;
power *= x2;
facter *= i * (i - 1);
sum += sign * power / facter;
}
return sum + x;
}
// cos(x) = 1 - (x^2 / 2!) + (x^4 / 4!) - (x^6 / 6!) + ...
template <typename T>
T f_cos(const T& x)
{
const T x2 = x * x;
T power = 1;
T facter = 1;
T sign = 1;
T sum = 0;
const int loop = 21; // 10 times loop
for (int i = 2; i < loop; i += 2) {
sign *= -1;
power *= x2;
facter *= i * (i - 1);
sum += sign * power / facter;
}
return sum + 1;
}
因为这个两个函数实现可用于整型运算,所以我写成模板的形式。可能有更优雅的实现方式,而我只是按照公式写出实现。但这没什么,一切都可以交付给强大的编译器,去优化我的代码。
这时,如果用的是 GCC 编译器,可以
- 开启
-ffast-math
选项来加速浮点数运算; - 开启
-march=native
来让编译器做本地处理器架构优化; - 开启最高等级优化选项
-O3
,O3 和 fast-math 可以合写成-Ofast
:
$ g++ -Ofast -march=native i.cc && time ./a.out
$ gcc -Ofast -march=native milo_tree.c -o milotree -lm && time ./milotree
./a.out 0.35s user 0.00s system 99% cpu 0.350 total
./milotree 0.95s user 0.01s system 96% cpu 0.990 total
Milo Yip 的版本是 88 毫秒,优化后的是 35 毫秒,可能会觉得没有太大提升,这时把圣诞树大小放大 10 倍,来直观感受一下两者执行速度的差距:
$ g++ -Ofast -march=native i.cc && time ./a.out 3 10
$ gcc -Ofast -march=native milo_tree.c -o milotree -lm && time ./milotree 3 10
./a.out 3 10 34.01s user 0.01s system 99% cpu 34.139 total
./milotree 3 10 90.25s user 0.01s system 99% cpu 1:30.32 total
Milo Yip 的版本是 1 分 30 秒 32
优化后的版本是 34 秒 139
因此可以说一个好的算法,或者说一个适合的算法,在程序中发挥着重要作用。因此我们可以得出以下结论:
- 如果程序对性能没有极高的需求,就直接用编译器来为我们做优化;
- 在运算量较大的场合,可以适当取近似值来优化运算的开销;
- 为具体需求选择合适的代码实现
当然,编译器优化并非百利而无一害,比如对运算精度需求极高的程序,千万不可开启 -ffast-math
;
在较底层的代码中,会因为过度依赖编译器的优化选项,而造成现有代码无法直接迁移到编译器的更新版本上(比如 Linux 内核的某些底层实现、硬件驱动等,就过度依赖 GCC 的某一版本),去年我在 Linux 3.4 内核中也发现过类似问题
对性能做到良好取舍,写出合适的代码,都不是一日之功,希望日后可以有更多机会继续深入地学习相关方面的知识。
注:
- 优化后的完整代码
原文:http://blog.csdn.net/andytimes/article/details/51619469