哈工大计算机系统Lab3.优化程序性能

编程语言 2022-09-14 03:47:37 阅读次数: 0

说明

至少用一种CPU优化方法和Cache优化方法，优化图像平滑函数，对于图像的每个long型像素点dst[i][j]，执行如下操作(dst为平滑后的图像)：

dst[i][j] = (src[i][j - 1] + src[i][j + 1] + src[i - 1][j] + src[i + 1][j]) / 4;

性能测试方法

这里利用C标准库中的clock()函数进行测算。

void testfunc(void (*flatten)()) {
    
    
	clock_t t1 = clock();
	int t = T;
	while(t--) {
    
    
		flatten();
	}
	clock_t t2 = clock();
	printf("time cost: %d(ms)\n",(t2 - t1) * 1000 / CLOCKS_PER_SEC);//保证各平台的一致性
}

代码中，T为测试组数，默认为100；flatten为函数指针，指向平滑函数的不同版本。

原始版本

#define HEIGHT (1080) 
#define WIDTH (1920)
typedef long img_size;
img_size src[HEIGHT][WIDTH], dst[HEIGHT][WIDTH];
void flatten1() {
    
    
	int i, j;
	for(i = 1; i < HEIGHT - 1; i++) {
    
    
		for(j = 1; j < WIDTH - 1; j++) {
    
    
			dst[i][j] = (src[i][j - 1] + src[i][j + 1] + src[i - 1][j] + src[i + 1][j]) / 4;
		}
	}
}

由于边界不是程序性能的瓶颈，写起来也很麻烦，直接省略了。

Cache优化

先用CPU-Z看一下L1 Cache的参数：
在这里插入图片描述
可以看到L1 D-Cache是8路相连的，每行64byte，每组正好可以存下一个8*8的矩阵（以long在linux 64位下为8字节计算）。因此取块大小为8*8，进行测试：

void flatten2() {
    
    
	//gcc不加register可能会把某些变量放到栈里，加上可以把一些常用变量放到寄存器中，加快读写
	register int i0, j0, i, j;
	int K = 8;
	//枚举每个8*8的小块
	for(i0 = 1; i0 < HEIGHT - 1; i0 += K) {
    
    
		for(j0 = 1; j0 < WIDTH - 1; j0 += K) {
    
    
			//minn即min
			//boundi,boundj即块内的每个元素
			register int boundi = minn(HEIGHT - 1, i0 + K);
			register int boundj = minn(WIDTH - 1, j0 + K);
			for(i = i0; i < boundi; i++) {
    
    
				for(j = j0; j < boundj; j++) {
    
    
					dst[i][j] = (src[i][j - 1] + src[i][j + 1] + src[i - 1][j] + src[i + 1][j]) / 4;
				}
			}
		}
	}
}
//...
int main() {
    
    
	testfunc(flatten1);
	testfunc(flatten2);
	return 0;
}

测试结果：
在这里插入图片描述
可以看到有很明显的加速。可以尝试将块放大成16*16：
在这里插入图片描述
发现加速效果不大甚至起到反作用。

CPU优化

可以采用万能的循环展开：

void flatten2_1() {
    
    
	register int i0, j0, i, j;
	int K = 8;
	for(i0 = 1; i0 < HEIGHT - 1; i0 += K) {
    
    
		for(j0 = 1; j0 < WIDTH - 1; j0 += K) {
    
    
			register int boundi = minn(HEIGHT - 1, i0 + K);
			register int boundj = minn(WIDTH - 1, j0 + K);
			for(i = i0; i < boundi; i++) {
    
    
				for(j = j0; j < boundj - 3; j += 4) {
    
    
					dst[i][j] = (src[i][j - 1] + src[i][j + 1] + src[i - 1][j] + src[i + 1][j]) / 4;
					dst[i][j + 1] = (src[i][j] + src[i][j + 2] + src[i - 1][j + 1] + src[i + 1][j + 1]) / 4;
					dst[i][j + 2] = (src[i][j + 1] + src[i][j + 3] + src[i - 1][j + 2] + src[i + 1][j + 2]) / 4;
					dst[i][j + 3] = (src[i][j + 2] + src[i][j + 4] + src[i - 1][j + 3] + src[i + 1][j + 3]) / 4;
				}
				for(; j < boundj; j++) {
    
    
					dst[i][j] = (src[i][j - 1] + src[i][j + 1] + src[i - 1][j] + src[i + 1][j]) / 4;
				}
			}
		}
	}
}

这里做展开因子为4的循环展开。
在这里插入图片描述
优化效果不是很明显，正常来分析的话，单个循环内有14次内存读（16个数中有2个是重复的），12次加法，CPU已经很难调出更多的资源了。即使在-O2优化下，优化也不是很明显，但是比仅有Cache优化的还是快了一点，我们保留这个优化。

注：-O2优化：在程序前加一行

#pragma GCC optimize(2)

在这里插入图片描述

多进程优化

可以尝试利用fork()把一部分独立工作交给子进程做。在本程序中，我们选择将矩阵的上半部分交给子进程：

扫描二维码关注公众号，回复： 14517430 查看本文章 
void flatten3() {
    
    
	register int i0, j0, i, j;
	int K = 8;
	int pid = fork();
	if(pid == 0) {
    
    
		for(i0 = 1; i0 < HEIGHT / 2; i0 += K) {
    
    
			for(j0 = 1; j0 < WIDTH - 1; j0 += K) {
    
    
				register int boundi = minn(HEIGHT / 2, i0 + K);
				register int boundj = minn(WIDTH - 1, j0 + K);
				for(i = i0; i < boundi; i++) {
    
    
					for(j = j0; j < boundj; j++) {
    
    
						dst[i][j] = (src[i][j - 1] + src[i][j + 1] + src[i - 1][j] + src[i + 1][j]) / 4;
					}
				}
			}
		}
		exit(0);
	}
	else {
    
    
		for(i0 = HEIGHT / 2; i0 < HEIGHT - 1; i0 += K) {
    
    
			for(j0 = 1; j0 < WIDTH - 1; j0 += K) {
    
    
				register int boundi = minn(HEIGHT - 1, i0 + K);
				register int boundj = minn(WIDTH - 1, j0 + K);
				for(i = i0; i < boundi; i++) {
    
    
					for(j = j0; j < boundj; j++) {
    
    
						dst[i][j] = (src[i][j - 1] + src[i][j + 1] + src[i - 1][j] + src[i + 1][j]) / 4;
					}
				}
			}
		}
	}
}

测试结果（-O2）：
在这里插入图片描述
用完fork()之后比不加还慢了一倍。在《操作系统概念》一书中提到，“进程创建所需的内存和资源分配非常昂贵，由于线程能够共共享它们所属进程的资源，所以创建和切换线程更加经济”（中文第九版，P113）。所以我们可以尝试多线程：

多线程优化

《操作系统概念》P118中也给出了多线程的示例程序。我们在linux下使用pthread.h库（编译时需要加-pthread选项）：

gcc flatten.c -o flatten -pthread

初始化一个线程的基本方法如下：

pthread_t tid;//线程标识符
pthread_attr_t attr;//线程属性
pthread_attr_init(&attr);//设置线程缺省属性
pthread_create(&tid, &attr, runner, arg);
//runner为线程所调用的函数，原型为void *runner(void *param)
//arg为void型指针，传递参数用
pthread_join(tid, NULL);//等待线程完成

为了给线程传递（一个或多个）参数，需要定义一个结构体，把它的首地址传给pthread_create的第四个参数，这样线程就可以在其函数中访问到结构体的各个成员变量：

typedef struct para{
    
    
	int l_bound;
	int r_bound;
}p;

其中l_bound为该线程负责的起始行，r_bound为该线程负责的终止行。
以下为多线程的代码：

//传递每个线程参数用的结构体
typedef struct para{
    
    
	int l_bound;
	int r_bound;
}p; 
void *sum(void *param) {
    
    
	struct para *p = (struct para*)param;
	int l_bound = p->l_bound, r_bound = p->r_bound;
	register int i0, j0, i, j;
	int K = 8;
	for(i0 = l_bound; i0 < r_bound; i0 += K) {
    
    
		for(j0 = 1; j0 < WIDTH - 1; j0 += K) {
    
    
			register int boundi = minn(r_bound, i0 + K);
			register int boundj = minn(WIDTH - 1, j0 + K);
			for(i = i0; i < boundi; i++) {
    
    
				for(j = j0; j < boundj - 3; j += 4) {
    
    
					dst[i][j] = (src[i][j - 1] + src[i][j + 1] + src[i - 1][j] + src[i + 1][j]) / 4;
					dst[i][j + 1] = (src[i][j] + src[i][j + 2] + src[i - 1][j + 1] + src[i + 1][j + 1]) / 4;
					dst[i][j + 2] = (src[i][j + 1] + src[i][j + 3] + src[i - 1][j + 2] + src[i + 1][j + 2]) / 4;
					dst[i][j + 3] = (src[i][j + 2] + src[i][j + 4] + src[i - 1][j + 3] + src[i + 1][j + 3]) / 4;
				}
				for(; j < boundj; j++) {
    
    
					dst[i][j] = (src[i][j - 1] + src[i][j + 1] + src[i - 1][j] + src[i + 1][j]) / 4;
				}
			}
		}
	}
}
#define THREAD (2)
void flatten4() {
    
    
	pthread_t tid[THREAD];
	pthread_attr_t attr[THREAD];
	struct para p[THREAD];
	int i;
	for(i = 0; i < THREAD; i++) {
    
    
		//第i个线程负责第i个块，用max和min保证不越界
		p[i].l_bound = maxn(1, i * HEIGHT / THREAD);
		p[i].r_bound = minn(HEIGHT - 1, (i + 1) * HEIGHT / THREAD);
		pthread_attr_init(&attr[i]);
		pthread_create(&tid[i], &attr[i], sum, (void*)&p[i]);
	}
	for(i = 0; i < THREAD; i++) {
    
    
		pthread_join(tid[i], NULL);
	}
}

测试结果：
在这里插入图片描述
很遗憾，由于虚拟机资源的限制，虽然多线程比多进程快，但程序还是比不采用多进程慢。但是，我们可以在宿主机上测试（windows，采用pthread的windows兼容版本,线程数为8）：
在这里插入图片描述
由于windows上没有fork，把多进程的版本注释掉了。
最终程序加速了70%~80%（采用分块，循环展开，-O2，多线程）。

最后补充一下windows下多线程的API：

typedef struct para{
    
    
	int l_bound;
	int r_bound;
}p; 

//LPVOID即void*
DWORD WINAPI sum(LPVOID Param) {
    
    
	register int i0, j0, i, j;
	struct para *p = (struct para*)Param;
	
	int l_bound = p->l_bound, r_bound = p->r_bound;
	int K = 8;
	for(i0 = l_bound; i0 < r_bound; i0 += K) {
    
    
		for(j0 = 1; j0 < WIDTH - 1; j0 += K) {
    
    
			register int boundi = min(r_bound, i0 + K);
			register int boundj = min(WIDTH - 1, j0 + K);
			for(i = i0; i < boundi; i++) {
    
    
				for(j = j0; j < boundj - 3; j += 4) {
    
    
					dst[i][j] = (src[i][j - 1] + src[i][j + 1] + src[i - 1][j] + src[i + 1][j]) / 4;
					dst[i][j + 1] = (src[i][j] + src[i][j + 2] + src[i - 1][j + 1] + src[i + 1][j + 1]) / 4;
					dst[i][j + 2] = (src[i][j + 1] + src[i][j + 3] + src[i - 1][j + 2] + src[i + 1][j + 2]) / 4;
					dst[i][j + 3] = (src[i][j + 2] + src[i][j + 4] + src[i - 1][j + 3] + src[i + 1][j + 3]) / 4;
				}
				for(; j < boundj; j++) {
    
    
					dst[i][j] = (src[i][j - 1] + src[i][j + 1] + src[i - 1][j] + src[i + 1][j]) / 4;
				}
			}
		}
	}
}

#define THREAD (8)
void flatten4() {
    
    
	DWORD ThreadId[THREAD];
	HANDLE ThreadHandle[THREAD];
	struct para p[THREAD];
	
	int i;
	for(i = 0; i < THREAD; i++) {
    
    
		p[i].l_bound = maxn(1, i * HEIGHT / THREAD);
		p[i].r_bound = minn(HEIGHT - 1, (i + 1) * HEIGHT / THREAD);
		//第三个参数为线程函数；第四个参数为给线程传递的参数
		ThreadHandle[i] = CreateThread(NULL,0,sum, (LPVOID)&p[i],0,&ThreadId[i]);
	}
	
	//第一个参数为等待线程数
	WaitForMultipleObjects(THREAD, ThreadHandle, TRUE, INFINITE);
}


同样是8个线程，要比pthread.h快一些。

完整代码

#include<time.h>
#include<stdio.h>
#include<unistd.h>
#include<pthread.h>
#pragma GCC optimize(2)
#define HEIGHT (1080) 
#define WIDTH (1920)
int minn(int a, int b) {
    
    
	return (a < b)? a: b; 
}
int maxn(int a, int b) {
    
    
	return (a > b)? a: b; 
}
const int T = 100;
typedef long img_size;
img_size src[HEIGHT][WIDTH], dst[HEIGHT][WIDTH];

void flatten1() {
    
    
	int i, j;
	for(i = 1; i < HEIGHT - 1; i++) {
    
    
		for(j = 1; j < WIDTH - 1; j++) {
    
    
			dst[i][j] = (src[i][j - 1] + src[i][j + 1] + src[i - 1][j] + src[i + 1][j]) / 4;
		}
	}
}
void flatten2() {
    
    
	register int i0, j0, i, j;
	int K = 8;
	for(i0 = 1; i0 < HEIGHT - 1; i0 += K) {
    
    
		for(j0 = 1; j0 < WIDTH - 1; j0 += K) {
    
    
			register int boundi = minn(HEIGHT - 1, i0 + K);
			register int boundj = minn(WIDTH - 1, j0 + K);
			for(i = i0; i < boundi; i++) {
    
    
				for(j = j0; j < boundj; j++) {
    
    
					dst[i][j] = (src[i][j - 1] + src[i][j + 1] + src[i - 1][j] + src[i + 1][j]) / 4;
				}
			}
		}
	}
}

void flatten2_1() {
    
    
	register int i0, j0, i, j;
	int K = 8;
	for(i0 = 1; i0 < HEIGHT - 1; i0 += K) {
    
    
		for(j0 = 1; j0 < WIDTH - 1; j0 += K) {
    
    
			register int boundi = minn(HEIGHT - 1, i0 + K);
			register int boundj = minn(WIDTH - 1, j0 + K);
			for(i = i0; i < boundi; i++) {
    
    
				for(j = j0; j < boundj - 3; j += 4) {
    
    
					dst[i][j] = (src[i][j - 1] + src[i][j + 1] + src[i - 1][j] + src[i + 1][j]) / 4;
					dst[i][j + 1] = (src[i][j] + src[i][j + 2] + src[i - 1][j + 1] + src[i + 1][j + 1]) / 4;
					dst[i][j + 2] = (src[i][j + 1] + src[i][j + 3] + src[i - 1][j + 2] + src[i + 1][j + 2]) / 4;
					dst[i][j + 3] = (src[i][j + 2] + src[i][j + 4] + src[i - 1][j + 3] + src[i + 1][j + 3]) / 4;
				}
				for(; j < boundj; j++) {
    
    
					dst[i][j] = (src[i][j - 1] + src[i][j + 1] + src[i - 1][j] + src[i + 1][j]) / 4;
				}
			}
		}
	}
}
void flatten3() {
    
    
	register int i0, j0, i, j;
	int K = 8;
	int pid = fork();
	if(pid == 0) {
    
    
		for(i0 = 1; i0 < HEIGHT / 2; i0 += K) {
    
    
			for(j0 = 1; j0 < WIDTH - 1; j0 += K) {
    
    
				register int boundi = minn(HEIGHT - 1, i0 + K);
				register int boundj = minn(WIDTH - 1, j0 + K);
				for(i = i0; i < boundi; i++) {
    
    
					for(j = j0; j < boundj; j++) {
    
    
						dst[i][j] = (src[i][j - 1] + src[i][j + 1] + src[i - 1][j] + src[i + 1][j]) / 4;
					}
				}
			}
		}
		exit(0);
	}
	else {
    
    
		for(i0 = HEIGHT / 2; i0 < HEIGHT - 1; i0 += K) {
    
    
			for(j0 = 1; j0 < WIDTH - 1; j0 += K) {
    
    
				register int boundi = minn(HEIGHT - 1, i0 + K);
				register int boundj = minn(WIDTH - 1, j0 + K);
				for(i = i0; i < boundi; i++) {
    
    
					for(j = j0; j < boundj; j++) {
    
    
						dst[i][j] = (src[i][j - 1] + src[i][j + 1] + src[i - 1][j] + src[i + 1][j]) / 4;
					}
				}
			}
		}
	}
}

typedef struct para{
    
    
	int l_bound;
	int r_bound;
}p; 
void *sum(void *param) {
    
    
	struct para *p = (struct para*)param;
	int l_bound = p->l_bound, r_bound = p->r_bound;
	register int i0, j0, i, j;
	int K1 = 8;
	int K2 = 8;
	for(i0 = l_bound; i0 < r_bound; i0 += K1) {
    
    
		for(j0 = 1; j0 < WIDTH - 1; j0 += K2) {
    
    
			register int boundi = minn(r_bound, i0 + K1);
			register int boundj = minn(WIDTH - 1, j0 + K2);
			for(i = i0; i < boundi; i++) {
    
    
				for(j = j0; j < boundj - 3; j += 4) {
    
    
					dst[i][j] = (src[i][j - 1] + src[i][j + 1] + src[i - 1][j] + src[i + 1][j]) / 4;
					dst[i][j + 1] = (src[i][j] + src[i][j + 2] + src[i - 1][j + 1] + src[i + 1][j + 1]) / 4;
					dst[i][j + 2] = (src[i][j + 1] + src[i][j + 3] + src[i - 1][j + 2] + src[i + 1][j + 2]) / 4;
					dst[i][j + 3] = (src[i][j + 2] + src[i][j + 4] + src[i - 1][j + 3] + src[i + 1][j + 3]) / 4;
				}
				for(; j < boundj; j++) {
    
    
					dst[i][j] = (src[i][j - 1] + src[i][j + 1] + src[i - 1][j] + src[i + 1][j]) / 4;
				}
			}
		}
	}
}
#define THREAD (8)
void flatten4() {
    
    
	pthread_t tid[THREAD];
	pthread_attr_t attr[THREAD];
	struct para p[THREAD];
	int i;
	for(i = 0; i < THREAD; i++) {
    
    
		p[i].l_bound = maxn(1, i * HEIGHT / THREAD);
		p[i].r_bound = minn(HEIGHT - 1, (i + 1) * HEIGHT / THREAD);
		pthread_attr_init(&attr[i]);
		pthread_create(&tid[i], &attr[i], sum, (void*)&p[i]);
	}
	for(i = 0; i < THREAD; i++) {
    
    
		pthread_join(tid[i], NULL);
	}
}
void testfunc(void (*flatten)()) {
    
    
	clock_t t1 = clock();
	int t = T;
	while(t--) {
    
    
		flatten();
	}
	clock_t t2 = clock();
	printf("time cost: %d(ms)\n",(t2 - t1) * 1000 / CLOCKS_PER_SEC);
}
int main() {
    
    
	testfunc(flatten1);
	testfunc(flatten2);
	testfunc(flatten2_1);
	testfunc(flatten3);
	testfunc(flatten4);
	return 0;
}

若文章有内容错误或代码bug，还请指出。

猜你喜欢

转载自blog.csdn.net/wyn1564464568/article/details/124344661
今日推荐
周排行
教你如何约女孩子的方式去理解（TCP三次握手与四次挥手）
android按压背景
【量化小讲堂-Python&amp;Pandas系列10】如何判断一个策略的好坏？(附代码)
编程题：利用链表实现栈
盘点47条 Allegro 使用技巧，你都知道吗？
在VMware Workstation中安装CentOS
二叉树的实现
cmake安装jsoncpp
ReactNative开发城市列表页
最全前端学习资源
每日归档
更多
2025-03-20(0)
2025-03-19(0)
2025-03-18(0)
2025-03-17(0)
2025-03-16(0)
2025-03-15(0)
2025-03-14(0)
2025-03-13(0)
2025-03-12(0)
2025-03-11(0)

代码天地 © 2018 codetd.com

境外服务器   最新电视剧2022