以C语言为例的程序性能优化 --《深入理解计算机系统》第五章读书笔记

　　其实大多数的编译器本身就能提供一些简单的优化，比如gcc就能通过使用 -O2 或者 -O3 的选项来优化程序。但编译器的优化始终也是有限，因为它必须小心翼翼保证优化过程不对程序的功能有改动。故而程序员本身应该对程序有优化意识。在我看来，这也是应该有的一种良好的编程习惯。

　　几种比较简单的优化措施：

　　1.代码移动

　　将要执行多次（比如在循环中）但计算结果不会改变的计算，移动到代码前面不会多次求值的部分。举一个比较极端的例子：

/* convert string to lowercase: slow*/
void lower( char *s ){
    int i;
    for( i = 0;i < strlen(s);i++ )
        if( s[i] >= 'A' && s[i] <= 'Z' )
            s[i] -= ( 'A' - 'a');

}

 因为C语言的字符串是以null结尾的，函数strlen也必须一步一步得检查这个序列，直到遇到null字符。那么假象一下，如果字符串s是一个很长的字符串，那么这个函数自然会造成许多不必要的开销！！
故而在循环体内，要注意将计算结果不改变的计算移动到前面避免多次重复计算。

　　优化代码：

/* convert string to lowercase: faster*/
void lower( char *s ){
    int i;
    int len = strlen(s);
    for( i = 0;i < len;i++ )
        if( s[i] >= 'A' && s[i] <= 'Z' )
            s[i] -= ( 'A' - 'a');

}

　　2.消除不必要的存储器引用

　　在C语言中用指针变量读写是用CPU寄存器间接寻址然后从内存中读写，而使用函数内部的局部变量，则是使用CPU中的通用寄存器。而主存读写和CPU内部通用寄存器的寻址的速度相差数十倍的。举一个小例子

for( i = 0;i < len;i++ ){
    *dest = *dest + data[i];
}

 这个循环体每次都会从主存中读写，优化如下：

int acc;
for( i = 0;i < len;i++ ){
    acc = acc + data[i];
}
*dest = acc;

 这样就会使那个指针只写入一次，而acc变量在cpu的执行过程中是使用cpu内部通用寄存器读写，故而能加快速度。

　　3.循环展开

　　循环展开，顾名思义就是将一次一步的迭代循环展开成一次两步或更多，减少迭代次数。循环展开从两个方面改善程序的性能，首先，它减少了不直接有助于程序结果的操作的数量，比如循环索引计算和条件分支。其次，它提供了一些方法，可以进一步变化代码，减少计算中关键路径上的操作数量。比较如下两个函数，第一个为常规循环，第二个为循环展开函数，

//normal function to add all element of v
void combine1( vec_ptr v,data_t *dest ){
    int i = 0;
    long int length = vec_length( v );
　　 data_t *data = get_vec_start( v );
　　 data_t acc = IDENT;
for( i = 0;i < length;i++ ){
        acc = acc + data[i];
    }
    *dest = acc;
}

//unroll loop by 2
void combine2( vec_ptr v, data_t *dest ){
    int i;
    long int length = vec_length( v );
    loing int limit = length -1;
    data_t *data = get_vec_start( v );
    data_t acc = IDENT;
    
    for( i = 0;i < limit;i += 2 ){
        acc = ( acc + data[i] ) + data[i+1];
    }

    for( ;i < length;i++ ){
        acc = acc + data[i];
    }

    *dest = acc;
}

 第二个函数将循环展开，并在最后检查会不会遗漏。减少了一些关键步骤，故而优化了程序。

　　4.提高并行性

　　在cpu中，程序被翻译成汇编指令，但却并不是一条一条指令按顺序执行的，而是流水线并发执行的，即多条不相关指令共同执行。这是cpu的机器特性，而我们要做的，就是多多利用这种机器特性。

　　让我们来分析程序的combine2中的核心循环内部语句：acc = ( acc + data[i] ) + data[i+1];在这个循环中，data[i+1]的计算必须放在( acc + data[i] )之后，因为它们是相互关联的，这明显是不利于程序的并行操作，改进如下。

//unroll loop by 2，2-way parallelism
void combine3( vec_ptr v, data_t *dest ){
    int i;
    long int length = vec_length( v );
    loing int limit = length -1;
    data_t *data = get_vec_start( v );
    data_t acc0 = IDENT;
    data_t acc1 = IDENT;
    
    for( i = 0;i < limit;i += 2 ){
        acc0 =  acc0 + data[i];
        acc1 = acc1 + data[i+1];
    }

    for( ;i < length;i++ ){
        acc0 = acc0 + data[i];
    }

    *dest = acc0 + acc1;
}

这段代码将acc拆分成acc0和acc1，使程序得以并发同时计算，最后再将两组结果想加，提高程序性能。

 代码优化通常都会带来可读性的降低，如何取舍应该好好考虑清楚，必要时刻，或许应该多加一些注释说明。