浅谈程序优化

程序优化，听起来很高大上的东西，其实其原理和底层都是一样的；最好的方法，不是看起来多么纷繁复杂，恰恰相反而是用最简单明了的方式直接快速根本的解决。底层核心原理，听起来就有一种抵触、一种枯燥，然而正是这些才是最根本的东西，浮在表面上的不论如何千变万化，抓住了根本就抓住了牛鼻子。
程序优化，从程序上讲无非就那么几个方面：算法、代码、指令；对于每一个方面，多学一点、多看一点，总在不经意的时候就用到了。

1.算法优化

算法上的优化是必须首要考虑的，也是最重要的一步。一般我们需要分析算法的时间复杂度，即处理时间与输入数据规模的一个量级关系，一个优秀的算法可以将算法复杂度降低若干量级，那么同样的实现，其平均耗时一般会比其他复杂度高的算法少（这里不代表任意输入都更快）。 比如说排序算法，快速排序的时间复杂度为O(nlogn)，而插入排序的时间复杂度为O(n*n)，那么在统计意义下，快速排序会比插入排序快，而且随着输入序列长度n的增加，两者耗时相差会越来越大。但是，假如输入数据本身就已经是升序(或降序)，那么实际运行下来，快速排序会更慢。 因此，实现同样的功能，优先选择时间复杂度低的算法。

比如对图像进行二维可分的高斯卷积，图像尺寸为MxN，卷积核尺寸为PxQ，那么 直接按卷积的定义计算，时间复杂度为O(MNPQ) 如果使用2个一维卷积计算，则时间复杂度为O(MN(P+Q)) 使用2个一位卷积+FFT来实现，时间复杂度为O(MNlogMN) 如果采用高斯滤波的递归实现，时间复杂度为O(MN)（参见paper：Recursive implementation of the Gaussian filter，源码在GIMP中有） 很显然，上面4种算法的效率是逐步提高的。一般情况下，自然会选择最后一种来实现。 还有一种情况，算法本身比较复杂，其时间复杂度难以降低，而其效率又不满足要求。这个时候就需要自己好好地理解算法，做些修改了。一种是保持算法效果来提升效率，另一种是舍弃部分效果来换取一定的效率，具体做法得根据实际情况操作。

2.代码优化

代码优化一般需要与算法优化同步进行，代码优化主要是涉及到具体的编码技巧。同样的算法与功能，不同的写法也可能让程序效率差异巨大。一般而言，代码优化主要是针对循环结构进行分析处理，目前想到的几条原则是：
a.避免循环内部的乘(除)法以及冗余计算 这一原则是能把运算放在循环外的尽量提出去放在外部，循环内部不必要的乘除法可使用加法来替代等。
如下面的例子，灰度图像数据存在BYTE Img[MxN]的一个数组中，对其子块　　(R1至R2行，C1到C2列)像素灰度求和，简单粗暴的写法是：

int sum = 0;  
 for(int i = R1; i < R2; i++)  {   
    for(int j = C1; j < C2; j++) {       
       sum += Image[i * N + j];   
      } 
  }

但另一种写法：

int sum = 0;  
BYTE *pTemp = Image + R1 * N;  
for(int i = R1; i < R2; i++, pTemp += N)  {                           for(int j = C1; j < C2; j++) { 
    sum += pTemp[j];     
  }
}

可以分析一下两种写法的运算次数，假设R=R2-R1，C=C2-C1，前面一种写法i++执行了R次，j++和sum+=…这句执行了RC次，则总执行次数为3RC+R次加法，RC次乘法；同样地可以分析后面一种写法执行了2RC+2R+1次加法，1次乘法。性能孰好孰坏显然可知。

下图是关于cpu流水的简单示意图：

简单而不严谨地说，cpu流水技术可以使得循环在一定程度上并行，即上次循环未完成时即可处理本次循环，这样总耗时自然也会降低。 先看下面一段代码：

for(int i = 0; i < N; i++)  {   
   if(i < 100) a[i] += 5;   
   else if(i < 200) a[i] += 10;      
   else a[i] += 20; 
 }

这段代码实现的功能很简单，对数组a的不同元素累加一个不同的值，但是在循环内部有3个分支需要每次判断，效率太低，有可能不能流水；可以改写为3个循环，这样循环内部就不　　用进行判断，这样虽然代码量增多了，但当数组规模很大(N很大)时，其效率能有相当的优势。改写的代码为：

for(int i = 0; i < 100; i++)  {  a[i] += 5;   }
for(int i = 100; i < 200; i++) {  a[i] += 10;   }
for(int i = 200; i < N; i++)  {  a[i] += 20;  }

关于循环内部的依赖，见如下一段程序：

for(int i = 0; i < N; i++)  { 
     int x = f(a[i]);  
     int y = g(x);   
     int z = h(x,y);  }

其中f，g，h都是一个函数，可以看到这段代码中x依赖于a[i]，y依赖于x，z依赖于xy，每一步计算都需要等前面的都计算完成才能进行，这样对cpu的流水结构也是相当不利的，尽量避免此类写法。

另外C语言中的restrict关键字可以修饰指针变量，即告诉编译器该指针指向的内存只有其自己会修改，这样编译器优化时就可以无所顾忌，但目前VC的编译器似乎不支持该关键字，而在DSP上，当初使用restrict后，某些循环的效率可提升90%。

c.定点化
定点化的思想是将浮点运算转换为整型运算，目前在PC上我个人感觉差别还不算大，但在很多性能一般的DSP上，其作用也不可小觑。

定点化的做法是将数据乘上一个很大的数后，将所有运算转换为整数计算。例如某个乘法我只关心小数点后3位，那把数据都乘上1000后，进行整型运算的结果也就满足所需的精度了。

d.以空间换时间
空间换时间最经典的就是查表法了，某些计算相当耗时，但其自变量的值域是比较有限的，这样的情况可以预先计算好每个自变量对应的函数值，存在一个表格中，每次根据自变量的值去索引对应的函数值即可。如下例：

//直接计算 
 for(int i = 0 ; i < N; i++)  {  
     double z = sin(a[i]); 
  } 

//查表计算
double aSinTable[360] =            {0,...,1,...,0,...,-1,...,0}; 

for(int i = 0 ; i < N; i++)  {     
  double z = aSinTable[a[i]];
 }

后面的查表法需要额外耗一个数组double aSinTable[360]的空间，但其运行效率却快了很多很多。

e.预分配内存 预分配内存主要是针对需要循环处理数据的情况的。比如视频处理，每帧图像的处理都需要一定的缓存，如果每帧申请释放，则势必会降低算法效率，如下所示：

//处理一帧
 void Process(BYTE *pimg)  {     
      malloc      ...      free
 }   

  //循环处理一个视频  
  for(int i = 0; i < N; i++)  {     
    BYTE *pimg = readimage();      
    Process(pimg)；  
   }

前一段代码在每帧处理都malloc和free，而后一段代码则是有上层传入缓存，这样内部就不需每次申请和释放了。当然上面只是一个简单说明，实际情况会比这复杂得多，但整体思想是一致的。

3.指令优化
对于经过前面算法和代码优化的程序，一般其效率已经比较不错了。对于某些特殊要求，还需要进一步降低程序耗时，那么指令优化就该上场了。

指令优化一般是使用特定的指令集，可快速实现某些运算，同时指令优化的另一个核心思想是打包运算。目前PC上intel指令集有MMX，SSE和SSE2/3/4等，DSP则需要跟具体的型号相关，不同型号支持不同的指令集。intel指令集需要intel编译器才能编译，安装icc后，其中有帮助文档，有所有指令的详细说明。
例如MMX里的指令 __m64 _mm_add_pi8(__m64 m1, __m64 m2)，是将m1和m2中8个8bit的数对应相加，结果就存在返回值对应的比特段中。假设2个N数组相加，一般需要执行N个加法指令，但使用上述指令只需执行N/8个指令，因为其1个指令能处理8个数据。 实现求2个BYTE数组的均值，即z[i]=(x[i]+y[i])/2，直接求均值和使用MMX指令实现2种方法如下程序所示：

#define N 800
BYTE x[N],Y[N], Z[N];  
inital x,y;...  
//直接求均值  
for(int i = 0; i < N; i++)  {      
    z[i] = (x[i] + y[i]) >> 1;  
}    
//使用MMX指令求均值，这里N为8的整数倍，不考虑剩余数据处理  __m64 m64X, m64Y, m64Z;  
for(int i = 0; i < N; i+=8)  {      
    m64X = *(__m64 *)(x + i);      
    m64Y = *(__m64 *)(y + i);      
    m64Z = _mm_avg_pu8(m64X, m64Y);      
    *(__m64 *)(x + i) = m64Z;  
}

使用指令优化需要注意的问题有： a.关于值域，比如2个8bit数相加，其值可能会溢出；若能保证其不溢出，则可使用一次处理8个数据，否则，必须降低性能，使用其他指令一次处理4个数据了； b.剩余数据，使用打包处理的数据一般都是4、8或16的整数倍，若待处理数据长度不是其单次处理数据个数的整数倍，剩余数据需单独处理；

补充——如何定位程序热点

程序热点是指程序中最耗时的部分，一般程序优化工作都是优先去优化热点部分，那么如何来定位程序热点呢？
一般而言，主要有2种方法，一种是通过观察与分析，通过分析算法，自然能知道程序热点；
另一方面，观察代码结构，一般具有最大循环的地方就是热点，这也是前面那些优化手段都针对循环结构的原因。

另一种方法就是利用工具来找程序热点。x86下可以使用vtune来定位热点，DSP下可使用ccs的profile功能定位出耗时的函数，更近一步地，通过查看编译保留的asm文件，可具体分析每个循环结构情况，了解到该循环是否能流水，循环ii值，以及制约循环ii值是由于变量的依赖还是运算量等详细信息，从而进行有针对性的优化。

以上是转载的一篇文章，通俗易懂，拿来与大家分享学习：http://www.techug.com/post/program-optimization.html