程序优化的5个方向要点.docxVIP

程序优化的5个方向 80/20法则：程序执行中，80%的时间消耗在20%的代码上。 优化前，我们首先得找到这20%的关键路径； 各种语言都有专门的工具来找到这20%的关键路径，比如C++经常用到的gprof； 参考? HYPERLINK /me115/archive/2013/06/05/3117967.html 《C++的性能优化实践》 在关键路径上对耗时的计算进行优化； 主要的优化方向为： 减少重复计算、预先计算、延后计算、降低计算代价、不计算； 减少重复计算 典型的例子如缓存，将之前相同的计算（查数据库，读写文件）存下来，等待下一次继续使用；适用场景：计算结果有有效期，过段时间后需要再次计算； 预先计算 对于关键路径中比较耗时的计算，预先计算出来，节省每次计算的成本； 预先计算出对照表关键路径中需要用到的映射关系对照表，将对照表预先计算，在关键路径中直接取用； 将计算提前到初始化期间比???，内存分配耗时，将其提前到初始化的时间分配，建立内存池； 将计算提前到编译期间 比如：使用常量表达式，在编译期间将最终值计算出来，节省这部分的运行时开销； 相关技术：模版元编程； 适用场景：计算出来的值一直有效，无需再次计算； 延迟计算 将计算耗时延迟到后期，这样，对于异常情况或其它分支情况，在中途就转换，不用再计算； 有较多分支条件将最耗时的计算延后，这样，可能很多场景在中途就转到其它分支上，不用计算； 判断条件中的技巧：a||b ab如果判断条件比较耗时，将更耗时的放在后面计算；这样，对于a||b,当a成立时，b就不用再计算了；延迟计算的好处在于可能可以不用计算； 适用场景：分支条件场景； 降低计算代价 这是通常能想到的最直接的优化手段，如何能够直接降低计算的代价； - 内存申请从堆上改为栈上 动态内存分配昂贵，将内存分配从堆上改为栈上； 降低灵活性，使用自定制版本的函数代替库函数； 使用更低级的指令或语言改写； 在C++中嵌入汇编语言； 使用SSE2等指令集； 使用更优的算法或数据结构； 操作STL容器时，STL中的算法一般比自己手写的算法要高效，尽量使用STL的算法来替换我们的手写算法； 参考：  HYPERLINK /me115/p/4605211.html 《STL区间成员函数及区间算法总结》  HYPERLINK /me115/p/4596543.html 《高效的使用STL》 适用场景：这类优化一般是以降低代码可读性为代价的（STL的除外），用于优化的最后阶段； 不计算 优化的终极方案，不计算； 业务发现用不到的业务逻辑，废弃的业务逻辑，仍然存在关键路径中的还在执行的；痛快的删除它； 却掉临时对象开销 在我们的代码中，可能会有些临时对象是不知不觉的，而消除临时对象，将节省这部分开销； 参考：? HYPERLINK /me115/p/4707169.html 《消除临时对象》 以上是单线程关键路径的优化，接下来，我们聊聊扩展到多核，在多线程上的优化；  HYPERLINK /me115/p/4726228.html 当优化扩展到多核时 内容目录：  HYPERLINK /me115/p/4726228.html \l h20 任务分解的粒度  HYPERLINK /me115/p/4726228.html \l h21 数据竞争  HYPERLINK /me115/p/4726228.html \l h22 引入锁  HYPERLINK /me115/p/4726228.html \l h23 惊群现象  HYPERLINK /me115/p/4726228.html \l h24 数据复制  HYPERLINK /me115/p/4726228.html \l h25 数据分片 当优化扩展到多核时 软件开发没有银弹，我们能做的就是选择和平衡; 上一篇文章我们聊了在单线程下程序优化的5个方向（ref： HYPERLINK /me115/p/4707251.html 《程序优化的5个方向》）；当单核优化到极值后，就到了多任务的情况；?想起来很清晰，单个任务分解成多个任务，让多个cpu同时来工作，并行执行，效率自然就上去了；?但，未必就这么简单； 任务分解的粒度 首先，我们需要确定，我们的单个任务是否可以分解；比如解析很多个文件，这样的任务划分成多个很简单；但如果是一个耗时的串行逻辑计算，后期的计算依赖前期的结果，这样就不好拆分；这种形式可能需要在更高层次上来拆分； 数据竞争 编程就是计算和数据；计算并行了，但数据还是访问同一份，访问共同的资源会产生资源竞争；?如果不进行控制，可能导致同一份数据重复计算（多个读的场景）或是脏数据的产生（有回写的场景