《代码优化：有效使用内存》读书笔记（二）——优化技巧之展开循环

从本节开始，我将与大家分享本书中介绍的内存优化操作方法，集中讨论大型内存块的优化与内存密集型流处理算法。

在很多程序中，密集内存访问是不可避免的，以我经常做的图像处理程序为例，我们会经常性地遍历图片，也就是频繁密集地访问内存，而不管存储器吞吐量的增长多么可观，以及存取时间是如何急剧下降，RAM总是限制系统总体性能的瓶颈之一。一般数据处理算法很少用到RAM性能的三分之一，算法的性能常远远低于这个水平，不幸的是，很少有程序员会关心这个问题。阅读本节之后大家会了解到，经过适当组织的数据交换过程通常会快很多。

这里给出的算法和优化技术是与硬件无关的，并且可以在大多数平台和操作系统上实现。

以上是关于内存优化操作方法的一个综述，言归正传，下面我要讲如何用展开循环的方式来实现优化。

优化原理：

流水线型微处理器对分支语句表现出过度的敏感，从而极大地降低了程序执行程度（循环是一种分值类型）。打个比方，处理器好比是赛跑选手，而软件代码则是跑道。选手必须在每个转弯的地方(也就是每个分支点)减速。跑道中弯道比较少（而直道比较长）意味着完成比赛所需要的时间也比较少。

优化方法：

现在来看一个例子：

for (a = 0; a < 666; a++)

{

x+=p[a];

}

在处理看来，这个循环充满了弯道、陷坑与障碍物，而没有一点直道。展开该循环会是情况有所好转。为使循环分支的迭代次数降低一倍，应该按一下方式组织这个循环：

for (a = 0; a < 666; a+=2)

{

//注意，循环展开以后，执行步骤增加了。

     x+=p[a];

     x+=p[a+1];

//这是加倍的循环体

//循环计数值进行了调整

}

四重循环甚至会显得更加高效。不过，由于循环迭代次数并不是4的整数倍，因此是不能直接达到这种目的的。解决该问题的一种方法是将迭代次数取为最靠近4的整数倍，并将余下的迭代放在循环体之外完成。

如果迭代次数在编译时刻是未知的，那又该怎么办？在这种情况下，应该明智地使用位运算：

for (a = 0; a < (N&~3); a+=4)

{

// 这给出了在达到表示循环因素的数目之前的近似循环迭代次数。

     x+=p[a];

     x+=p[a+1];

     x+=p[a+2];

     x+=p[a+3];

}

for (a=(N&~3); a < N; a++)

{

x+=p[a];

// 剩下的迭代添加在末尾

}

在上面的代码中，表达式（N&~3）是在得到其值为4的表述之前迭代次数的值。我想大家不禁要问，为什么是4，而不是8、16？鼓舞人心的是，本书的作者做过测试，并将测试结果公布出来，我用手机拍了一下这张图，给大家分享一下， 不是很清晰，将就一下子吧。

可以看出，针对循环的深入展开可以使执行时间减少过半。不过，过于深入的展开反而会降低性能。高速缓存是容纳不下这样一个庞然大物的，因而会降低性能。

该方法看上去非常易于实现，而且对性能提高比较显著，我想大部分同学对这个不会太相信，有兴趣的可以试试。阻碍大家使用这一方法的另一个原因就是，对于代码可读性要求比较高的人来说，这种编码方式，的确会让人感觉很繁琐。

我现在在一些对速度要求比较严格的地方，都采用了这个方法，因为很多时候程序的速度对我来说至关重要，如果有朋友对速度要求也是非常苛刻的话，不妨试试，会有意想不到的收获~