CSAPP：PerfLab实验

前言

本实验是《深入理解计算机系统》一书中的附带实验。在本实验中，学生们必须优化应用程序的核心函数（如卷积积分或矩阵转置）的性能。这个实验非常清晰地表明了高速缓存地特性，并带给学生们低级程序优化的经验。
本文用于记录之前做实验的一些信息，可能思路有些凌乱，谨慎参考！

常用的几种代码优化的思路：

• 消除循环的低效率
• 减少过程调用
• 消除不必要的存储器引用
• 循环展开
• 提高并行性

PartA优化一

关于第一种优化，思路就是消除循环的低效率，减少在循环内的操作次数；
我们可以观察到原先的代码dst[RIDX(dim-1-j,i,dim)] = src[RIDX(i,j,dim)];中的j每变一次，dim-1-j就需要计算一次，共计算了$di{m}^2$次，所以考虑将j换成外层循环变量i，将dim-1-i计算减少到dim次，直接写成dst[RIDX(i,j,dim)] = src[RIDX(j,dim-1-i,dim)];即可

我们可以观察到原先的代码dst[RIDX(dim-1-j,i,dim)] = src[RIDX(i,j,dim)];中的j每变一次，dim-1-j就需要计算一次，共计算了$di{m}^2$次，所以考虑将j换成外层循环变量i，将dim-1-i计算减少到dim次

PartA优化二

• 根据假设图像维度为32的倍数这一个条件可以试着将该图像划分成几个32*32的矩阵，分块进行操作
• 为了充分利用一级缓存（32kB），故采用分块策略，将每一小块分成32*32的矩阵
• 这里的分块是指一个应用级的数据组块，而不是高速缓存中的块，这样构造程序，能将一个片加载到L1高速缓存中去，并在这个片中进行所需要的所有读和写，然后丢掉这个片，加载下一个片，以此类推。
• 使用分块策略的时候需要注意分成的小块的规模要比规模小，且要被dim整除，否则出错

使用了分块技术，将矩阵分成相同规格的小矩阵，对这些小矩阵进行rotate操作，在这里我给出了将不同将矩阵分成不同规格（8x8、16x16、32x32、64x64）的矩阵的代码并比较性能




使用make命令之后输入./driver命令得到不同函数的性能参数

由此可以看出，将其分成64x64的矩阵时程序会出错（因为规模都是32的倍数）；且发现程序在将矩阵划分成32x32的小矩阵的时候性能是最好的

PartA优化三

利用“循环展开”思想，从减少存储器写次数、用指针代替计算内存地址、写优先和读优先四个角度来实现


（使用32路循环展开，减少存储器的写次数）



（使用循环展开，用指针代替计算内存地址）


（循环展开，采取写优先）


（使用循环展开，采取读优先）
使用make driver ./driver命令得到不同优化前后函数的性能参数



可以看出使用循环展开，用指针代替计算内存地址的操作能够使函数得到更大的优化；

• 循环展开，是一种程序变换，通过增加每次迭代计算的元素的数量，减少循环的迭代次数。Version8_rotate函数的代码实现了每次迭代增加了32行元素的计算，所以整个程序的迭代次数缩减为了原来的1/32次；

	int tmp1=dim*dim;
    int tmp2=dim *31;	
    int tmp3=tmp1-dim;
    int tmp4=tmp1+32;
    int tmp5=dim+31;
    dst+=tmp3; 

这一段代码中的dst就是小矩阵的第一个元素的首地址，将一个32*1的矩阵进行rotate的时候，在矩阵内部，每次执行完一行都只需要让scr+=dim，dst++，当执行完到最后一行的时候，src++，这时候实际上应该要到下一列的第一行，故src-=tmp2，而dst应该到上一行的第一列，故dst-=tmp5；根据二维数组在内存中的存储特征，下一列的第一行的地址为上一列第一行的地址+tmp2，所以src+=tmp2，该行的下一列地址为上一行的第一列+dim+32；故dst+=tmp4；
这就解释了代码中执行这一段的原因

		 src++;
         src-=tmp2;
         dst-=tmp5;
      }
      src+=tmp2;
      dst+=tmp4;

PartB优化一

将initialize_pixel_sum函数、accumulate_sum函数、assign_sum_to_pixel函数、avg函数都放在smooth函数中实现，减少函数调用

可以看出本次优化效果不明显且存在不稳定性

• 包含函数调用的代码可以用一个称为内联函数替换的过程进行优化，此时将函数调用替换为函数体，这样既可以减少函数调用的开销，也允许对代码做进一步的优化，产生这个函数的另一个优化版本。根据这一思想，我将initialize_pixel_sum函数、accumulate_sum函数、assign_sum_to_pixel函数、avg函数的函数体都放在smooth函数中实现，减少函数调用

PartB优化二

使用make driver ./driver命令得到不同优化前后函数的性能参数

可以看到CPE几乎翻了一倍，程序得到较大程度上的优化
优化思路：

• 使用一个二维数组用于保存每次计算得到的中间值，需要用到的时候从数组中取值即可，不需要重复运算，因此可以很大程度上减少计算需要用的时间
• 实现过程：以rowsum[i][j].red为例，它存储的是第i行第j列的红色的像素值，根据平滑函数需要实现的功能，先从行开始循环，让rowsum[i][j].red等于当前行周围两列的红色像素值之和，边界条件为rowsum[i][0].red=rowsum[i][0].red+rowsum[i][1].red和rowsum[i][dim-1].red=rowsum[i][dim-1].red+rowsum[i][dim-2].red，此时参与运算的是两个方格，故rowsum[i][0].num=2,rowsum[i][dim-1].num=2；
• 当j在1~dim-2时，则让rowsum[i][j].red=rowsum[i][j-1].red+rowsum[i][j].red+rowsum[i][j+1].red; rowsum[i][j].num=3；
• 同理，之后从列开始，让rowsum[i][j].red等于当前列周围两行的红色像素值之和，边界条件为rowsum[0][j].red=rowsum[0][j].red+rowsum[1][j].red和rowsum[dim-1][j].red=rowsum[dim-1][j].red+rowsum[dim-2][j].red，此时参与运算的是两个方格，故rowsum[0][j].num=2,rowsum[dim-1][j].num=2；
• 当j在1~dim-2时，则让rowsum[i][j].red=rowsum[i-1][j].red+rowsum[i][j].red+rowsum[i-1][j].red; rowsum[i][j].num=3；
• Snum为紧邻当前方块的方块和，最终第i行第j列的颜色像素值=周围的该颜色像素值/snum;

PartB优化三

使用make driver ./driver命令得到不同优化前后函数的性能参数

优化思路：

• 使用指针，分9种情况处理——4个角点位置，4个边带位置，1个中央块；
• 定义三个指针，第一个用于指向当前元素上一个元素的值，第二个指向当前元素，第三个指向当前元素下一个元素的值，先对左上角的像素点进行处理，接着是上边界、左边界、中央块、右边界、左下角、下边界和右下角，每处理完依次都要让三个指针值做出相应改变，计算出相应点的新的像素值。