《编程珠玑,字字珠玑》910读书笔记——代码优化
写在最前面的
再庞大复杂的代码编译器都能接受,编译器会变得越来越聪明,让我们原本的代码更加高效。但是代码执行的多变与不可预测性,如果编译器大肆“优化”,偶尔或者大胆的说“在大多数情况下”,会得到“聪明反被聪明误”的后果,所以编译器非常小心谨慎,一遇到不可预测后果的优化,它就会立即折返,停止这一步的优化工作,因为它不知道程序员的本意是什么,“它怕得罪你”。
程序员要编写容易优化的代码,以帮助编译器扫清障碍。关于代码优化,笔者特别喜欢《深入理解计算机系统》一书中的第五章,有兴趣的可以阅读一下。
代码优化小剖
代码优化的方法总结了5种。
- 将函数展开,即内敛函数,以优化函数的调用。 《从简单的算法初探过程汇编》,过多的函数调用会导致极大的调用开销。所以,简单而且时常调用的函数建议内敛,例如swap,max,min。改用宏或者直接展开函数更好。
- 消除循环的低效率
这一点我感触比较深。toupper(* str)
for i=[0,strlen(str))
if(str[i]>='a' && str[i]<='z')
str[i] += ('A'-'a')strlen的源码大概如下:
strlen(* str)
len = 0
while(*s!='\0')
s++,len++
return len所以toupper中对i的每一次检测,都调用了strlen,由此可见toupper的浪费由来。以前写程序一直采用上面的toupper,以为够简洁,就像第三点中的sum伪代码。
- 减少不必要的存储器引用
sum(* src,n,* dest) // src向量相加结果放入dest
for i=[0,n)
*dest += src + i代码如此简洁而有力,以前一直为这种风格而自豪。但它的缺点也是显然的,循环内部过多的引用dest地址:每次循环都要把dest地址内的数据取出到寄存器接,寄存器相加得到结果后,又从寄存器写入到dest地址,所以dest读n次,写n次。这有何必呢?读写浪费很浪费,下面的代码会不会好点:
sum(* src,n,* dest) // src向量相加结果放入dest
temp = *dest;
for i=[0,n)
temp += src + i
*dest = temp - 循环展开
引用《深入理解》P348 "首先,它减少了不直接有助于程序结果的操作的数量,例如循环索引计算和条件分支。其次,它提供了一些方法(重结合变换),可以进一步变化代码,减少整个计算中关键路径上的操作数量。"关键路径,书上对它的解释是执行一组机器指令所需时钟周期的一个下界。比如乘法和加法的周期,乘法就应该成为这组执行机器指令的关键路径。
什么是循环开销?比如:for i=(0,n]每一循环的开始都要对i做判断,以及对i自增,所以循环展开能降低这些开销。二路循环展开的伪代码:
sum(* src,n,* dest) // src向量相加结果放入dest
temp = *dest
for i=[0,n-2+1),i+=2
temp += src+i + src+i+1
for i=[i,n),i+=1
temp += src+i但是浮点的乘法没有得到效率的提高,是因为浮点乘法这个关键路径是循环展开的限制因素,即使循环展开,也需要执行n次的乘法。而有疑问,为什么整数乘法就能得到提高呢,那是因为编译器作了“重关联变换”的优化,改变了乘法的结合顺序(有兴趣看看下面的第6点,我带过了)。又有疑问了,为什么浮点不能作想整数乘法这样的优化呢?因为浮点乘法加法是不可结合的,记住“编译器怕得罪你”。
珠玑中第九章的顺序搜索就是用了这种优化。 - 多个累积变量
这是提高并行操作的方法,同时达到了循环展开的效果。sum(* src,n,* dest) // src向量相加结果放入dest
temp1 = *dest
temp2 = 0
for i=[0,n-2+1),i+=2
temp1 += src+i // 提高并行性,temp1和temp2可以并行计算而毫不牵连
temp2 += src+i+1
for i=[i,n),i+=1
temp += src+i
*dest = temp1+temp2
//temp1和temp2的加法操作是两条关键路径,而两条关键路径各执行了n/2个操作。同样,乘法也能得到效率的提高。注意循环寄存器有两个,数据相关降低,两个循环寄存器的运算是并行的。
关于第六种优化方法——重新结合变换
书上还有说第六种优化——重新结合变换,如果大胆对浮点运算进行此类优化,性能有很大的提高。之所以没有标号,是因为笔者也不太能说清楚,说说笔者的理解。
temp = *dest
for i=[0,n-2+1),i+=2
temp = temp * (src+i * src+i+1) // 假设原来是temp = (temp * src+i) * src+i+1
for i=[i,n),i+=1
temp += src+i
我的理解可以结合下图,下图是乘法的图,同样可以换成加法的图:
注意是temp = temp * (src+i * src+i+1)的图,而不是temp = (temp * src+i) * src+i+1的图,后者大家可以自己手动画画。
哈哈,书上说:未经训练的人员,上面的两条语句是一样的,“捣乱笑而不语啊!”我的理解是虽然循环寄存器只有一个,但是temp = temp * (src+i * src+i+1)中(src+i * src+i+1)的计算不依赖于循环寄存器的值即temp的值,而temp = (temp * src+i) * src+i+1会对temp产生依赖,结合顺序会对循环寄存器进行产生依赖,因此前者可以增加计算的并行性。
神马?什么是循环寄存器?对于某些循环来说,有些寄存器既作为源值又作为目的,一次循环的结果会在下一次循环中用到。循环寄存器之间的关联越大,那么,这种关联将是性能提升的瓶颈。
简单举个例子:
temp = *dest;
for i=[0,n)
temp += src + i
*dest = temp
那么temp所在寄存器就是所谓的“循环寄存器”,它使得每一次循环都有很大的关联,所以,temp的加法操作(抑或是乘法操作)是关键路径,这也就是为什么累积变量能够提高程序的性能,它有两个循环寄存器,降低了循环关联。
《珠玑》第九章的代码优化,印象比较深的:
- 整数取模
- 函数内敛
- 循环展开
跟上面的内容差不多。
关于哨兵
哨兵就是能帮助程序检测数组边界的东西,简化了数组边界的检测,从而使代码更加清晰简便。记得一开始接触哨兵是在顺序表查找的时候。
arr[n] = data
for i=[0,n) arr[i]!=data //肯定会遇到data
do nothing in for
if(i==n) return -1
return i;
再来就是直接插入排序;如果不设置哨兵,不仅要检测下标是否下溢,而且要检测只有当满足arr[j]>data,才后移,这里会有两个判断。
for i=[0,n)
if arr[i]>arr[i+1]
arr[0] = arr[i+1] //哨兵
for j=[i+1) arr[j]>arr[0] //相比常规版本,只做n次判断。
arr[j] = a[j-1],j--
arr[j+1] = arr[0]
另外,用单链表存储一组顺序数据,对于这种问题,一般的单链表插入,都要考虑头插法和尾插法的情况,其他情况的代码可以是一致的;如果能够为单链表的最后添加哨兵,应该可以很大程度上简化代码。下面的代码比一般的单链表插入简洁而且应该更高效:
insert(* first,data)
p = first->next
while(p)
if data < q->data
end while
p = p->next;
p = new node(data,p)
《珠玑》第9章第8小题,“如何在程序中使用哨兵来找出数组中的最大元素”?
如果没有“哨兵”,大致的想法就是用一个变量max来存储数组的第一个值,然后从第二个开始“逐个”检验是否>max。加上循环中的下标检验,共有2n次的检测。
放置哨兵的做法:在数组的最后放置“已经找到的最大的元素”,然后逐个检验,
i = 0
max = arr[i]
while(i!=n)
max = arr[i]
arr[n] = max
i++
while(arr[i]<max) //因为有哨兵的存在,此循环必定可以终结。
i++
除非arr是严格递增或者每个元素值相等,否则总的检测次数会<2n。总之在考虑边界检测的时候,不妨考虑下用在边界上放置哨兵来简化清晰代码。
总结
不知道这些优化,在以后的做题能不能奏效了。对于一些程序,笔者认为上面的优化是无关痛痒的,或许编程的技巧会更突显重要性,当完成了大部分程序,而后考虑上面的优化也不为过;但养成“优化”的习惯不失为一个优秀程序员的品质。(以上是笔者的学习笔记,需要更深入了解上面的内容,阅读原著或许收益更多。)关于珠玑的第十章,笔者实在无能为力 - =,只写了第九章。
本文完 Sunday, April 15, 2012
捣乱小子 http://daoluanxiaozi.cnblogs.com/
转载于:https://www.cnblogs.com/daoluanxiaozi/archive/2012/04/15/2450134.html
《编程珠玑,字字珠玑》910读书笔记——代码优化相关推荐
- 《编程匠艺》读书笔记
<编程匠艺>读书笔记之一 <编程匠艺>读书笔记之二 <编程匠艺>读书笔记之三 <编程匠艺>读书笔记之四 <编程匠艺>读书笔记之五 <编 ...
- 《编程之美》读书笔记19: 3.9 重建二叉树
<编程之美>读书笔记19: 3.9 重建二叉树 对根节点a以及先序遍历次序P和中序遍历次序I,查找a在I中的位置,将I分为两部分,左边部分的元素都在a的左子树上,右边的元素都在a的右子树上 ...
- 《编程之美》读书笔记08:2.9 Fibonacci序列
<编程之美>读书笔记08:2.9 Fibonacci序列 计算Fibonacci序列最直接的方法就是利用递推公式 F(n+2)=F(n+1)+F(n).而用通项公式来求解是错误的,用浮点数 ...
- 《Android编程权威指南》-读书笔记(七) -处理旋转设备
<Android编程权威指南>-读书笔记(七) -处理旋转设备 旋转设备会改变设备配置(device configuration).设备配置是用来描述设备当前状态的一系列特征.这些特征包括 ...
- 《编程之美》读书笔记(三):烙饼问题与搜索树
<编程之美>读书笔记三:烙饼问题与搜索树 薛笛 EMail:jxuedi#gmail.com 前面已经写了一些关于烙饼问题的简单分析,但因为那天太累有些意犹未尽,今天再充实一些内容那这个问 ...
- Spring Boot 核心编程思想-第二部分-读书笔记
怕什么真理无穷 进一步有近一步的欢喜 说明 本文是Spring Boot核心编程思想记录的笔记,书籍地址:Spring Boot编程思想(核心篇): 这篇文档会记录这本我的一些读书的思考,内容可能比较 ...
- 《编程之美》读书笔记(四): 卖书折扣问题的贪心解法
<编程之美>读书笔记(四):卖书折扣问题的贪心解法 每次看完<编程之美>中的问题,想要亲自演算一下或深入思考的时候,都觉得时间过得很快,动辄一两个小时,如果再把代码敲一遍的话, ...
- 【Java并发编程的艺术】读书笔记——Java并发编程基础
学习参考资料:<Java并发编程的艺术> 文章目录 1.线程的几种状态 2.如何安全的终止线程 3.线程间通信(重要) 3.1共享内存 3.2消息传递 1.线程的几种状态 线程在运行的生命 ...
- 《Python黑帽子:黑客与渗透测试编程之道》读书笔记(三):scapy——网络的掌控者
目录 前言 1.窃取email认证 2.ARP缓存投毒 3.PCAP文件处理 结语 前言 <Python黑帽子:黑客与渗透测试编程之道>的读书笔记,会包括书中源码,并自己将其中一些改写成P ...
最新文章
- AngularJS如何在filter中相互调用filter
- OpenCV 3最新模块介绍
- maven 多模块项目关系
- Zeppelin-源码编译
- jhope代码分析以及网站结构
- sam格式的结构和意义_各种格式的练字本,对写字真有帮助吗
- 管理者必看!深度剖析BI与数据仓库,企业能否成功转型就看它
- 从一个表查询数据插入另一个表
- python 获取当前月份月初日期和月末日期
- 同济大学转计算机专业绩点,关于同济大学研究生成绩计算方法的说明
- linux下mysql5.7以上my.cnf配置文件配置
- c++ 函数指针和指针函数
- Flutter 编译失败shared_preferences_macos
- win10彻底关闭自动更新
- Flink_Flink ON YARN containerized.heap-cutoff-min 内存调整
- 新型传感器将改变大脑控制的机器人技术
- LINQ的Order By (Descending) 操作
- 关于深度学习(deep learning)
- IBM Lotus Connections 2.5 评审指南
- 从屏下指纹到体感手机,vivo能否走出自己的创新之路?
热门文章
- 学以致用 知行合一 ——《产品管理与研发项目管理》课程有感
- C++随记总结(1)----关于C++中的大小端、位段(惑位域)和内存对齐
- 笔记下UltraEdit的一些常用使用技巧
- 本地socket通讯 -转
- python3简明教程-实验楼_#python实验楼教程#学Python哪里有一问一答的Python学习?求具体的~...
- 【去重和排序】同一个list下,Map或对象内相同属性值取另一个属性值的最小值或最大值
- linux 下运行 jar包 java.lang.ClassNotFoundException: 解决办法
- Thumbelina,摘自iOS应用Snow White and more stories
- 使用 Swiftype 给 Hexo 搭建的博客添加站内搜索功能
- 传感器 Sensor 加速度【示例】