《C程序性能优化》读后感

 

---

为什么读《C程序性能优化》？因为最近接连遭遇几次面试，都问到了语言底层的东西，比如寄存器变量等概念，让我意识到了语言底层的重要性。于是我想快速了解这方面的知识。鉴于《C程序性能优化》篇幅较短，就选择了它，并且用一天的时间就看完了，觉得收获了很多。

我觉得读这本书至少要会操作系统，因为感觉本书的提出的程序优化方法大致分为这几大类：增加cache命中率，并行化以及运算指令简单化（完全是自己归纳的，所以不太规范）。这每一大类都要求操作系等底层的知识，下面我依次从上述三个方面来讲讲C程序的优化。

首先来说说增加cache命中率，我尽量让我的文章简单一点，就只讨论一级cache了。书中最最经典的一个例子就是矩阵的乘法运算，如果假设矩阵按行存储的话，那么每次从cache中找不到矩阵的相应元素，就会从内存中读入这个元素以及离这个元素最近的元素（按行算，这是根据局部性原理）。如果我们能尽可能利用这条性质的话，就能减少访问内存的次数。比如，

for(i = 0;i <n;i++)

  for(j = 0;j<m;j++)

    for(k = 0;k<p;k++)

       c[i][j] += a[i][k] * b[k][j];

这里主要看看b[k][j],比如当前读入b[0][0],cache会自动把b[0][0-p](这里假设cache块的尺寸是p）都读进来，但是下次要用的是b[1][0], cache没命中，只能重新访存。这就比较麻烦了。所以对上面的程序做一下小改进，变成如下，

for(i = 0;i <n;i++)

 for(k = 0;k<p;k++)

  for(j = 0;j<m;j++)

       c[i][j] += a[i][k] * b[k][j];

上面所描述的问题就解决了。总结一下，我感觉就是尽可能让最频繁变化的下标对应我们的数组存储方式（这里是按行存储，所以列频繁变化，命中率是很高的）。

然后再来讨论并行化, CPU内部是有多个乘法计算器的，他们就是为了能同时进行乘法运算而存在的，但是我们在写程序的时候，一定要考虑到指令间的依赖关系，如果相邻的几条语句是没有依赖关系的，那么他们完全可以并行化执行，书中举了很多例子，这里我还是用上述例子来说明这个情况吧。代码修改为，

for(i = 0;i <n;i++)

 for(k = 0;k<p;k++)

{

  int a_i_k = a[i][k];

  for(j = 0;j<m;j+= 4)

       c[i][j +0] += a_i_k * b[k][j + 0];

       c[i][j +0] += a_i_k * b[k][j + 0];

       c[i][j +0] += a_i_k * b[k][j + 0];

       c[i][j +0] += a_i_k * b[k][j + 0]；

}

性能再一次获得提升。

最后再来说说我眼中的运算指令简单化，个人电脑中使用的CPU，一般都有多个乘法，除法，赋值，加法等，赋值和加法快于乘法，乘法快于除法。所以我们在写程序的时候要尽可能少使用除法，用一些其他的操作来代替除法。比如我想进行如下操作，

a = 20000000;

for(i = 0;i < 1000000; ++i)

{

a = a/3;

}

每次都要除以常数3，最终这个程序用了21ms.

如果我修改成如下的代码，只用了10ms。

#define N 16

int a = 20000000;

start = clock();

int i;

for(i = 0;i < 1000000; ++i)

{

a = (a *((2<<N)/3))>>N;

}

这里实际上在编译的时候就得到了2<<N的值，然后先进行一次乘法，最后做一个位运算，就避免了使用除法。很巧妙。

书上其实还讲到了并行化的一些其他方面，比如SIMD中SSE，SSE使用了128位的存储单元，是可以存下4个32位的浮点数，SSE中的所有计算都是一次性针对4个浮点数来完成的，这种批处理当然就会带来效率的提升。要体现SSE的速度，必须有Stream做前提，就是大量的流数据，必须是以16位字节边界对齐的，这样才能发挥SIMD的强大作用。
总之，从这本书中，我收获了很多，很遗憾的是，由于时间太紧了，不能全部上机实践，推荐这本书！