《CSAPP》优化程序性能——帮助编译器让程序更快

前言：

     最近事情太多了，十一月到现在只写了一篇博客，得赶紧把最近看的《CSAPP》的内容写一写，不然持之以恒的标志要没了。这里跳过了第四章，因为讲解处理器的技术，暂时对我用处不大，以后有需要再回来看。

我的github：

我实现的代码全部贴在我的github中，欢迎大家去参观。

https://github.com/YinWenAtBIT

第五章：

准备工作：

一、高效程序的前提：

1. 合适的算法与数据结构：这个其实是最重要的，有了一个良好的数据结构与算法，能把程序的时间空间复杂度降低很多。

2. 编写编译器能够优化的高效源代码：这里实际上也就是不要给编译器帮倒忙了，大部分编译器已经能对源代码进行非常好的优化了

3.使用多线程技术：这个就是在大量的计算的时候会用到。

二、编译器的能力与局限性：

1.编译器只会很小心的对程序使用安全的优化：

这就意味着，许多在我们看来很明显可以优化的行为，编译器是不一定敢于优化的。这里通常存在的不安全的原因是，如果出现了对同一个存储器的别名使用，就会有许多想不到的行为。所以在这里，编译器是没法进行优化的。

2.选择优化的级别：

在编译时，可以通过-O1 -O2 -O3来选择优化的级别，优化的级别依次递增。

三、表示程序性能：

使用每元素周期数来表示程序的性能：这里每个元素所用周期越长，那么证明程序的速度越慢。

编写优化的程序：

一、消除循环的低效率：

1.代码移动：

把要在循环中计算多次，但是结果又不会改变的计算移动到循环之外。（对于编译器来说，这是不安全的优化，因为不确定该计算代码是否还有别的作用）

2. 减少调用过程：

在循环中调用函数，将会带来压栈与出栈的开销，所以，对于简单的返回值的函数，尽量使得其不需要使用函数来实现。

3.消除不必要的存储器引用：

遇上累加等过程的时候，如果把每次操作的值都赋给存储器，那么必然效率不如使用一个局部变量。因此，应该让局部变量在循环中进行累加，最后再赋值给存储器中的变量。

二、理解现代处理器：

1.指令并行与延迟界限：

在现代CPU中，如果几个计算不会相互影响，那么是可以同时在CPU中进行运算的。

延迟界限指一条指令，从开始到结束必须要经过的时钟周期。该周期为最短周期，无法优化。

2.吞吐量界限：

由于处理器的并行，那么存在有些运算是可以在处理器中同时进行的。比如说加法与乘法运算，那么可以使用吞吐量界限来描述最多同时进行的运算操作所用时间。

3.关键数据流：

循环运算中，有些数据是不能同时并行运算的，他们必须一个接一个的运算，因为后一次运算依赖于前一次计算的结果。所以该计算流程就是该循环中的关节数据流。该数据流处理的必须用时，就成为了优化的界限。最好的优化也只能在这里停止。

三、循环展开：

1. 循环展开是一种程序变换，通过增加每次迭代计算的元素数量，减少循环的次数。

该原理可以用来减少关键数据流的长度。

2. 提高并行性：

由于CPU是可以并行计算的，那么对于累加和累乘，我们可以把结果保存在多个变量中，在最后在合并结果。

3. 重新结合变换：

对于一个计算表达式中，两个连乘，我们可以使用括号，让后一次乘法先进行，然后再进行前一次乘法。这样做的能提升程序速度的原理在于，如果使用顺序乘法，第一次乘法结果与第二次乘法结果都会保存在同一个寄存器中，无形中增长了关键路径。通过该优化方法，能使得关键路径变短。虽然看起来什么也没做。

总结：

虽然针对编译器优化有这么多种的做法，但是实际上最重要的还是第一步，选择合适的数据结构与算法。毕竟只有选择了合适方法，才能真正的在次方级别减少计算，而不是优化带来的几倍的性能提升了。再完成了第一步之后，再来考虑更细致的优化才有意义。