面试宝典1：程序性能优化

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）

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