不可盲目优化，否则不是缘木求鱼就是南辕北辙

作为在编码这块自留地里深耕多年的码农，凭借着自认为丰富的经验加上专业领域的博览群书，自觉对程序优化还是有点感觉、有点心得的。但最近的经历让我不得不感慨，“不听老人言，吃亏在眼前“还是很有道理的。

软件优化这件事，说难也不难，说不难也难。怎么讲呢，说不难是因为通过一些简单的技巧，就能获得不错的结果。比如，结合编译器的选项，现代处理器的高性能，以及一些专业书籍中提供的闭坑指南，基本就能取得不错的效果。说难，是因为同所有的行业一样，从良好到优秀，是一个量变到质变的过程，难度就会递增，而从优秀到卓越，更是一种突破，不是努努力就可以达到的。这就好比，从60分到80分，努力还是主要因素，而从90到100，就需要天赋加持了。这方面，算法大牛高德纳就是最好的例子。在硅谷科学家、大师圈子中的编程比赛，高德纳常年霸榜，说明要做好程序优化，从底层到上层，从逻辑到数学，精湛的技能一样都不能少。现实中，大家要么缺乏底层机制的深刻理解，要么缺乏算法训练，十八般武艺，七十二绝技俱佳的，少之又少。

那有人就纳闷了。你即说简单，又说不简单，那到底是能做还是不能做？答案就是根据二八原理，咱们做到80分就可以了。也就是说，努努力还是可以做到的，而且最终效果也还能做的不错。剩下的那一截就留给优秀的人吧。

回到主线，就要谈谈具体实践的问题了。如标题所述，具体实践中，切不可盲目优化。缘木求鱼也就罢了，没优化至少还能保住低，南辕北辙就得不偿失了，没优化反倒退化，那是万万不可接受的。所以一些基本的原则还是需要掌握的。关于这些基本的原则，博主在很早之前发布的一篇博客里有所介绍，感兴趣的读者可以先看看。

嵌入式Linux开发调优之二：应用程序_龙赤子的博客-CSDN博客

今天我要说的是一个具体的案例，一个因为盲目优化，而事倍功半的故事。注意，是事倍功半，而不是事半功倍哦。

在具体介绍案例之前，插播一条法则：优化第一法则。在优化之前，先分析系统的瓶颈。

无论我们是平凡码农还是业界大牛，上述第一法则是一定需要践行的。好了，下面我就介绍一下故事的背景。

博主最近在开发一个相对高实时性要求的程序。这个程序需要在微妙级别的时间内完成算法处理。算法基本上都是一些数学公式的代码转换，参与运算的基本都是浮点数。当博主添加了数据均衡的处理后，时间不够用了。为了实时完成算法，功能都是在中断中进行的。结果，当算法占用时间超过中断间隔后，下一次的中断就可能被阻住，其他非中断中处理的逻辑，基本就都歇菜了。开始还以为是哪里死锁或者卡死了，最后才发现是中断处理耗时太长，卡住了非中断逻辑。调整中断时间后，功能基本恢复。

以上就是简单的背景。当时想着，应该是最后加的处理，进行了大量浮点乘除运算，占用了过多的处理器时间，导致了异常结果。后面对浮点数运算进行优化，问题应该能够应对。当时心里也有了直接的方法，就是浮点转整形，另外把一些不需要每次计算的值，提前计算了，以此减少浮点运算时间。心里有底后，就继续完成功能。直到这两天，终于有时间可以处理优化的问题了。这样选择，也是受Windows NT之父卡特勒的影响，据说卡特勒的原则是先实现功能，后优化。我也是想着，功能验证通了，优化就可以更加专心。否则，还不知道整体是否可以跑通，心里总是有个疙瘩的。

具体的优化，就如前面所述。对浮点转整形后，发现效果不理想。通过查资料，分析代码，包括分析汇编验证，确定CPU支持浮点协处理器，也就是指令级别支持浮点运算的，编译选项中也支持了浮点的相关选项，所以，转整形其实没有什么必要（这一点，大家在实际中可以查看生成的汇编代码来确认）。浮点转整形，其实是没有浮点协处理器之前的优化招数，现代CPU上，这一招基本已经过时了。所以读书时多思考，多验证，就会有额外的收获。如果再深挖，我们会发现，因为处理器已经原生支持了浮点运算，此时转整形反而多此一举，适得其反，让运行更慢了，因为转换本身也消耗了额外的汇编指令。这一点可能超出很多人的直觉。

排除浮点数的原因后，方向就转向如何减少汇编指令，特别是循环中的。还别说，这一招初看还挺管用。将重复计算的东西移除循环体，使用部分全局变量代替函数，测试下来，外部执行从最开始的每五秒13000次提升到了22000次。看这效果杠杠的，人也如打了一针强心剂，准备继续修改，目标是达到25000次，基本实现翻倍的效果。

结果，现实打脸了。再继续修改测试，发现提升很有限，似乎到了极限。总不能自己实现数学库里的函数吧，别逼我用汇编实现。本以为爬到一个山头后，下一个山头必将是新目标，突然发现路没有了。

就在这样的迷茫中，对代码进行各种修改尝试。反复尝试没有效果后，告诉自己静下来思考思考，是真的到极限了还是路没有走对。也许你该从另一边爬才对。

就在思考过程中，一段访问外设内存的代码引起了我的注意。会不会是这段代码导致？为了不影响测试，将其进行了改写，部分使用构造数据，减少了外部访问的次数。再次测试，发现之前的计数可以飙升到70000次以上。这超乎了我的想象。难道我之前的优化都白做了？根据现在的测试结果，看来是如此。为啥这段代码会造成严重的性能问题？可能与设备时钟有关。我估算了一下，周期为20纳秒的时钟，一个存储地址的访问，很容易到百纳秒级别，这样1K的空间，少说就需要几十微妙，CPU把时间耗在这里，自然没时间干别的事情。这个结果也完全打破了我对CPU的认知，其实一开始出现性能问题时，心中就有所疑惑，即便是微妙级别，CPU也不至于这么不经敲打。现在来看，冤枉CPU了。

多次测试确认后，决定从新的方向重新入手来优化这个问题。

写这篇博文时，问题还没有得到完全解决。优化访问设备的代码仍在调测中。目前的改进方向包括调整对Cache的使用策略以及增加DMA的使用。另外，总线的配置也是一个改进方向，比如优先级等。后续等问题彻底解决后，再来补充下篇详细介绍过程。

写这个上篇，主要是通过这个过程，再强化一下第一法则的重要性。有时候，你的感觉跟实际可能就是差那么几微米的神经元来帮你关联一下。