如何提升C++ 代码性能-以loop为例

一个简单的累加

对于C++开发者来说，写一个累加算法是可以说是小菜一碟，但是对于累加算法的性能却各有不同，一个简单的累加算法如下：

int res = 0;
int num = 5000000;
start = std::chrono::system_clock::now();
for (int i = 1; i <= num; i++)
    {
        res += i;
    }
end = std::chrono::system_clock::now();
std::chrono::duration<double> dura = end - start;
std::cout << "共耗时：" << dura.count() << "s" << std::endl;

对于此程序，我们可以测试其性能，测试结果如下：

循环展开-流水线(Pipeline)优化

使用相同变量进行累加

为了优化上述程序，我们可以将循环进行部分展开，以减少循环次数，代码如下：

int res = 0;
int num = 5000000;
start = std::chrono::system_clock::now();
for (int i = 1; i <= num; i+=4)
    {
         res += i;
         res += i + 1;
         res += i + 2;
         res += i + 3;
    }
end = std::chrono::system_clock::now();
std::chrono::duration<double> dura = end - start;
std::cout << "共耗时：" << dura.count() << "s" << std::endl;

此时，我们将循环次数缩小四倍，每次循环时，将四个值累加到res中，性能如下：

可以看到性能提升了0.00463s。

使用不同变量进行累加

int res = 0;
int num = 5000000;
int r0 = 0, r1 = 0, r2 = 0, r3 = 0;
start = std::chrono::system_clock::now();
for (int i = 1; i <= num; i+=4)
    {
        r0 += i;
        r1 += i + 1;
        r2 += i + 2;
        r3 += i + 3;
    }
res = r0 + r1 + r2 + r3;
end = std::chrono::system_clock::now();
std::chrono::duration<double> dura = end - start;
std::cout << "共耗时：" << dura.count() << "s" << std::endl;

此时我们使用不同的变量进行累加，最终再将累加的结果求和，此时性能如下：

此时的性能又有了进一步提升，进一步提升了0.00418s。

register关键字

这个关键字请求编译器尽可能的将变量存在CPU内部寄存器中，而不是通过内存寻址访问，以提高效率。代码如下：

int res = 0;
int num = 5000000;
register int r4 = 0, r5 = 0, r6 = 0, r7 = 0;
start = std::chrono::system_clock::now();
for (int i = 1; i <= num; i += 4)
    {
        r4 += i;
        r5 += i + 1;
        r6 += i + 2;
        r7 += i + 3;
    }
res1 = r4 + r5 + r6 + r7;
end = std::chrono::system_clock::now();
std::chrono::duration<double> dura = end - start;
std::cout << "共耗时：" << dura.count() << "s" << std::endl;

此时性能如下：

此时性能提升了0.00418s.注意是"尽可能"，不是绝对。你想想，一个CPU 的寄存器也就那么几个或几十个，你要是定义了很多很多register 变量，它累死也可能不能全部把这些变量放入寄存器吧。

添加编译优化-O3

gcc提供了大量优化选项，用来对编译时间，目标文件长度，执行效率三个维度进行不同的取舍和平衡。

• O1优化。 
  在不影响编译速度的前提下，尽量采用一些优化算法降低代码大小和可执行代码的运行速度
• O2 优化。 
  该优化选项会牺牲部分编译速度，除了执行-O1所执行的所有优化之外，还会采用几乎所有的目标配置支持的优化算法，用以提高目标代码的运行速度。
• O3优化。 
  该选项除了执行-O2所有的优化选项之外，一般都是采取很多向量化算法，提高代码的并行执行程度，利用现代CPU中的流水线，Cache等
• Os优化。
  这个优化标识和-O3有异曲同工之妙，当然两者的目标不一样，-O3的目标是宁愿增加目标代码的大小，也要拼命的提高运行速度，但是这个选项是在-O2的基础之上，尽量的降低目标代码的大小，这对于存储容量很小的设备来说非常重要。

我们在上个优化的基础上，给cmake添加O3优化，如下：

set(CMAKE_CXX_FLAGS "${CMAKE_C_FLAGS} -O3  -Wall")
set(CMAKE_C_FLAGS "${CMAKE_C_FLAGS} -O3  -Wall")

测试结果如下：

此时性能提升了0.00322s, 可以看到编译器本身对程序优化效果还是很大的。

思考

O3优化本身就有优化展开的优化，和我们的循环展开有冲突吗？

附录

代码： https://github.com/xiaoycolor/cmakestudy