性能优化的方法和技巧.docxVIP

性能优化方法和技巧：概述 性能优化有三个层次： ?系统层次?算法层次?代码层次 系统层次关注系统的控制流程和数据流程，优化主要考虑如何减少消息传递的个数；如何使系统的负载更加均衡；如何充分利用硬件的性能和设施；如何减少系统额外开销（比如上下文切换等）。 算法层次关注算法的选择（用更高效的算法替换现有算法，而不改变其接口）；现有算法的优化（时间和空间的优化）；并发和锁的优化（增加任务的并行性，减小锁的开销）；数据结构的设计（比如lock-free的数据结构和算法）。 代码层次关注代码优化，主要是cache相关的优化（I-cache,D-cache相关的优化）；代码执行顺序的调整；编译优化选项；语言相关的优化技巧等等。 性能优化需要相关的工具支持，这些工具包括编译器的支持；CPU的支持；以及集成到代码里面的测量工具等等。这些工具主要目的是测量代码的执行时间以及相关的cachemiss,cachehit等数据，这些工具可以帮助开发者定位和分析问题。 性能优化和性能设计不同。性能设计贯穿于设计，编码，测试的整个环节，是产品生命周期的第一个阶段；而性能优化，通常是在现有系统和代码基础上所做的改进，属于产品生命周期的后续几个阶段（假设产品有多个生命周期）。性能优化不是重新设计，性能优化是以现有的产品和代码为基础的，而不是推倒重来。性能优化的方法和技巧可以指导性能设计，但两者的方法和技巧不能等同。两者关注的对象不同。性能设计是从正向考虑问题：如何设计出高效，高性能的系统；而性能优化是从反向考虑问题：在出现性能问题时，如何定位和优化性能。性能设计考验的是开发者正向建设的能力，而性能优化考验的是开发者反向修复的能力。两者可以互补。 后续我会就工具，架构，算法，代码，cache等方面展开讨论这个话题，敬请期待。 评论： 优化不能缺少量化的信息，基于量化信息可以解决这些问题（举个例子）：什么时候使用静态内存，什么时候使用动态内存？动态与静态的分界线是什么？所谓和谐得恰到好处。 最近因为工作需要也在做多核下的应用，这里面性能优化可能是最困难的地方了。个人觉得这方面作为知识分享的话，可以更加注重方法论的描述。优化本身是个仁者见仁智者见智的事情，优化的效果评估一方面取决于你的应用场景，另一方面也取决于你的测试方法。我们就曾为了优化算法而设计了一个数学上看起来很棒的hash，结果在早期应用中我们发现hash本身带来的cachemiss，使得我们还不如使用linearsearch。总之是非常期待后续的文章，希望看到一些新的思路。 关于代码层次的优化，大多时候是把高级语言向低级语言去靠。然后就是将系统层次扁平化，厚的层做薄，薄的层去掉。很多时候philosophy的冲突导致实现困难。性能好了，移植性，维护性差了。老板还不高兴。我现在是越来越不想做这个活了。。。 在做设计阶段，就应该考虑性能的质量属性。如果软件已经成型，再做系统级的性能优化，工作量、风险以及影响都较大。 代码级优化：先找热点，然后针对这些热点进行分析，cache使用、减少不必要指令数、减少栈的深度、提高IO总线利用（如IO由每次变成批量访问）、TLBMiss等等。性能是不能一次搞定的，需要建立基线，不停地迭代，不停地确认。性能优化很容易降低软件的其他质量属性：如维护性、可扩展性。 性能优化方法和技巧：代码 代码层次的优化是最直接，也是最简单的，但前提是要对代码很熟悉，对系统很熟悉。很多事情做到后来，都是一句话：无他，但手熟尔* 在展开这个话题之前，有必要先简单介绍一下Cache相关的内容，如果对这部分内容不熟悉，建议先补补课，做性能优化对Cache不了解，基本上就是盲人骑瞎马。 Cache一般来说，需要关心以下几个方面 Cachehierarchy Cache的层次，一般有L1,L2,L3(L是level的意思)的cache。通常来说L1，L2是集成在CPU里面的(可以称之为On-chipcache)，而L3是放在CPU外面(可以称之为Off-chipcache)。当然这个不是绝对的，不同CPU的做法可能会不太一样。这里面应该还需要加上register，虽然register不是cache，但是把数据放到register里面是能够提高性能的。 Cachesize Cache的容量决定了有多少代码和数据可以放到Cache里面，有了Cache才有了竞争，才有了替换，才有了优化的空间。如果一个程序的热点(hotspot)已经完全填充了整个Cache，那么再从Cache角度考虑优化就是白费力气了，巧妇难为无米之炊。我们优化程序的目标是把程序尽可能放到Cache里面，但是把程序写到能够占满整个Cache还是有一定难度的，这么大的一个Codepath，相应的代码得有多少，代码逻辑肯定是相当的复杂(基本上是不可