CS巴别塔(1)

面试宝典1:程序性能优化

Posted in Uncategorized by Kenny Yuan on 2010/04/29

开场白:最近公司招人,接触了一批形形色色的工程师,但感觉绝大多数人基础都很差,在某次TL的讨论之后,就想到了写一个《面试宝典》系列。

卷首语:这个《面试宝典》名字是我一贯的标题党风格,其实在内容上都是很简单、很基础的——都是那种“不知道这些就别出来混”的知识点。所以,高手/牛人可以到此打住了——端咖啡——送客~~~

作/译序:此文可能会持续更新直到补充得比较完整为止,有什么要补充的欢迎留言

基础原则之万能利器:Profiling

如何测量距离?——直尺/游标卡尺/卷尺/etc
如何测量电压?——电压表/万用表
如何测量时间?——钟表/秒表
如何测量温度?——温度计
如何测量质量?——天平/台秤/etc
如何测量程序性能?——Profiler !

是的,Profiler就是这么一件又基础又重要的工具(小标题里的“万能”当然是标题党了,千万别真的相信)。要回答“程序为什么慢/什么地方慢/到底有多慢”等问题,离不开Profiler,就像测量长度离不开尺子一样。 (嗯,那位要测地月距离的,别抬杠了,请移步回你的实验室吧,我知道你是rocket scientist,高科技呢:)

可以使用软件Profiler,也可以使用硬件来做Profiling(DSO/Logic Analyzer/Hybrid DSO/Timer),在什么都没有的情况下,至少也可以输出Log或者用其它方式来达到Profiling的目的。
一般来说,测量工具对被测目标应该没有影响(或者极小),但是软件的Profiler却对被测目标有一定程度的影响——以此为代价,换来的是方便和廉价(免费)。

在系统外部对性能进行测试,也是一种测量性能的方式,只不过它所测量的粒度很大,不能用于分析源码,只能用于比较不同源码的优劣。

如何进行性能优化?

基本原则

原则:使用Profiler来找出最影响性能的那些程序,重点优化它们
分类:基本知识
提示:时刻记心间

原则:无论尝试了何种优化,都要使用profiler来测量这种优化
分类:基本知识
提示:时刻记心间

原则:一九原则
分类:基本知识
提示:运行中的软件有一种典型情况:10%的程序占了90%的运行时间,优化的重点是这10%的程序(10%和90%为约数)。应当使用Profiler来找出它们,改进它们并继续用Profiler测量改进的效果——在没有明显的性能热点的时候,就要考虑换一种思路进行优化了:比如使用“硬件优化”(参见下文)。在切换了设计和体系结构后,之前做的profiling也有可能会失效,要重新进行测量,每一种判断和决策必须得到证据的支持。

原则:Amdahl定律
分类:基本知识
提示:活学活用Amdahl思想(原本此定律是讲并行计算的)——在知道了“要优化的部分”占“整体”的比例之后,对于此次优化来说,最高可能的加速比也就可以计算出来了。所以不能过多期望,要多多开辟新战场。

原则:benchmark是个宝
分类:基本知识
提示:从来就没有可以代表所有程序的“典型程序”,所以要想在各种情况下均取得较好的性能,就需要使用benchmark方式对性能进行测量。

硬件优化

原则:使用更快的设备/通讯协议
分类:硬件优化
提示:有时候需要尝试跳出软件优化的框框来想问题
范例:使用SSD代替机械硬盘,在IO速率上你能提高2-5倍(在无RAID的情况下),在寻道时间上你能提高4个数量级(WOW!)

原则:对硬件友好
分类:硬件优化
范例:利用SIMD指令(如视频编码器);对Cache友好(数据Cache和指令Cache);对流水线友好(比如threaded code,削减分枝预测失误。注意这里的thread不是“线程”,是“线索化”);使用硬盘的外圈以达到更大的速度;

原则:利用硬件加速
分类:硬件优化
范例:使用D3D/OpenGL(哪怕是2D图形),使用GPU计算(如FFT),使用DMA不使用PIO,使用ASIC代替CPU进行专用计算(如常见的视频编解码专用芯片,还有加解密芯片),使用DSP对高负载数据进行处理(或预处理)

设计优化

原则:使用分布式计算
分类:设计优化
范例:使用HardoopHadoop;使用Memcached

原则:改进业务逻辑
分类:设计优化
范例:Google Chrome会扫描鼠标指针所在的位置,取得鼠标指针下的URL,然后去解析这些URL中的domain name(于是OS的DNS cache得到了warmup);对于某个name A,一组相关的names也会被送去解析(比如上次打开name A中的页面时,用到了其它的name B, C, D,那么这次也把name B, C, D送去解析)

原则:批量操作
分类:设计优化
备注:可以是业务逻辑优化,也可以去尝试利用底层提供的批操作机制(如writev)。批操作之后是否真的在性能上有提高,需要实测数据的支持。

原则:减少用户空间/内核空间的切换和数据交换
分类:设计优化
范例:例如在设计时就考虑去使用futex和zero-copy之类的技术,在特定场合下“有奇效”(嗯,前面这句话好有卖大力丸的感觉……)

原则:对输入进行缓存
分类:设计优化,缓存
范例:依靠CPU Cache/阵列Cache/磁盘Cache/磁盘/操作系统Cache/程序管理的Cache/专用Cache服务器等,对输入进行缓存,以加快速度

原则:对中间结果进行缓存
分类:设计优化,缓存
范例:预装载/索引/suffix tree

原则:对输出进行缓存
分类:设计优化,缓存
范例:使用buffer批量输出(匹配软件计算速度和设备的速度)

原则:空间换时间
分类:设计优化

原则:使用内存池
分类:设计优化,内存
提示:可以用类似slab的方式来优化可预期的内存使用

原则:使用更好/更合适的GC算法
分类:设计优化,内存

原则:控制内存交换
分类:设计优化,内存

原则:吸收掉不必要的界面更新
分类:设计优化,GUI

原则:只重绘更新的区域
分类:设计优化,GUI

原则:对可视化的结果进行缓存
分类:设计优化,GUI
备注:中间结果缓存的一个特例

原则:parallelism–利用多CPU/多核心
分类:设计优化,并行

原则:利用并发(concurrency)
分类:设计优化,并行
提示:在单CPU上跑并发也能提高性能
范例:线程池

原则:选取合适的锁类型
分类:设计优化,并行,锁
范例:使用Futex/读写锁/seq锁/RCU

原则:使用消息
分类:设计优化,并行,锁
备注:可以减少共享数据和锁

原则:使用异步模型
分类:设计优化,并行,锁
范例:使用epoll/kqueue等;nginx

原则:消除锁
分类:设计优化,并行,锁
提示:试用无锁的算法/数据结构(如Ring Buffer)/算法

原则:使用FP Paradigm
分类:设计优化,并行
提示:彪悍的FP不需要提示

算法优化

(其实算法往往是包含在设计中的)

原则:使用更优的算法,减小算法的阶
分类:算法优化
范例:使用BM/Sunday算法代替BF算法

原则:减小算法的常量(BigOO)
分类:算法优化
范例:使用sentry来编写double link list

原则:处理好Big Omega和BigO,使算法在“最坏的时候也不要太坏”
分类:算法优化
范例:quick sort,避免O(N*N)的情况

原则:使用更优的数据结构
分类:算法优化
范例:AVL Tree–>Hash Table–>Ternary Search Tree
备注:其实有些重复,主要是为了区分狭义的“算法”和“数据结构”

原则:寻找并行化算法
分类:算法优化
备注:和前面的parallelism有些重复,这个更多的是指可并行的算法而不是其它意义上的并行

小技巧

原则:编译器优化
分类:小技巧
范例:使用Intel的编译器,使用Intel的性能库IPP
备注:注意Proebsting定律

原则:树递归–>尾递归
分类:小技巧
备注:在许多语言中,尾递归是不需要栈的,自动转换成迭代了(例如在erlang中用尾递归实现无限循环)

原则:少用小技巧,以免妨碍大粒度上的性能优化
分类:小技巧
提示:主要是指那些影响并行计算的小技巧,或者那些没有使用profiler进行测量就草率进行的盲目优化

原则:远离“神话”
分类:小技巧
提示:有些流传的关于优化的神化不足信,“是骡子是马拉出来骝骝”,一切在profiler下见真章
范例:比如“大块内存分配非常慢”的神话(甚至有过一个人估计数量级的时候说:分配10M内存至少要1秒钟),比如“虚函数导致效率低”的神话,比如“解释运行比编译慢”的神话,等等

原则:使用Lazy Evaluation
分类:小技巧

原则:避免大对象复制
分类:小技巧
范例:RVO/RVal Ref

原则:预译码/编译成本地代码
分类:小技巧,解释器和VM
范例:PYC/HipHop

原则:混合使用各有优势的语言
分类:小技巧
范例:C里使用汇编;Python里使用C模块;

原则:使用二进制优化器
分类:小技巧
范例:JIT就是最出名的一种二进制优化;Win32SDK的BitBlt()函数也是;

……

重温:无论尝试了何种优化,都要使用profiler来测量这种优化
分类:红宝书
提示:时刻记心间

(2010年10月29日更新)

鸣谢:感谢Guancheng指出问题

参见:性能优化的方法和技巧(这是一个文章系列)

linuxperftools

图片来自http://www.brendangregg.com/linuxperf.html

Advertisements
Tagged with: ,

9 Responses

Subscribe to comments with RSS.

  1. […] This post was mentioned on Twitter by Dai Jun. Dai Jun said: [GReader Share]面试宝典1:程序性能优化 http://goo.gl/wEFj […]

  2. Guancheng said, on 2010/05/01 at 22:41

    好文章!没有扎实的功力不可能总结的这么全面

    另指出一个小typo:Harhoop应是Hadoop

    • Kenny Yuan said, on 2010/05/02 at 18:50

      多谢订正,手爪爪抽筋的结果。平时的确很少打这个词(没实际用过),我一直当成是hardoop了

  3. Fred said, on 2010/06/25 at 00:09

    http://blog.vgod.tw/2009/05/21/usability/

    费兹定律相关原创乃是此人强文

    • Kenny Yuan said, on 2010/06/25 at 10:15

      是的,我也知道是那哥们科普的(不是原创,原创时那哥们儿还没出生呢),但是我故意找了一个简体转载的
      我的个人体会是:看繁体的太累,还不如看英文……

  4. […] 本文转自:CS巴别塔 此条目发表在 programming 分类目录,贴了 programming 标签。将固定链接加入收藏夹。 ← 让美女时钟做你的桌面 […]

  5. egmkang said, on 2010/09/18 at 10:51

    比较靠谱
    有了Profile数据,剩下的基本上都能摸着门路

  6. […] 4)取得数据以后对系统做逐步改进。这一步要注意的是每一步改进都要尽可能的独立、可回退,每做一步改进都要做一次新的Profiling,保证修改以后的代码真正有了速度上的提升。如果对性能提升效果不明显,就不要引入这个修改,哪怕你在上面投入了很多精力,要敢于舍弃。另外做代码优化要着眼全局,不能局部优化了,但是整体运行速度下降。另外要注意对于每一次修改,应该有相应的测试手段保证修改不会影响系统运行。基本上这些优化代码都会引入一些新的bug。关于性能优化,有一篇很不错的文章可以参考https://csbabel.wordpress.com/2010/04/29/interviewbible-1-speed-optimization/ […]

  7. Brock said, on 2011/09/15 at 00:22

    Hello, outstanding site. Is extremely good design. I just got finished cosmetic courses and wish to initial my own personal web site. Thanks for the good article!


Leave a Reply

Fill in your details below or click an icon to log in:

WordPress.com Logo

You are commenting using your WordPress.com account. Log Out / Change )

Twitter picture

You are commenting using your Twitter account. Log Out / Change )

Facebook photo

You are commenting using your Facebook account. Log Out / Change )

Google+ photo

You are commenting using your Google+ account. Log Out / Change )

Connecting to %s

%d bloggers like this: