【性能】【算法】for循环，性能提高

目录

■提高性能的方法

・原理

1.1.java处理中，计算阶乘，为什么展开循环可以提高效率

1.2.从cpu的流水线角度，再说明一下

1.3.介绍一下 cup的指令流水线

■实际运用

1.求和

代码

结果  

2.求阶乘 （性能提高效果明显）

代码

结果

测试电脑性能

自己电脑

电脑001

电脑002

媳妇的电脑

爸爸的电脑

---

====

■提高性能的方法

通过展开循环，提高效率。

（算法，CPU原理）

・原理

1.1.java处理中，计算阶乘，为什么展开循环可以提高效率

展开循环可以提高效率的原因是避免了重复的循环操作。在计算阶乘的过程中，我们需要对一个数从1乘到该数本身，如果使用循环来实现这个操作，就需要每次都进行一次循环迭代，直到达到该数。而展开循环的方式，可以直接将每一次循环的结果串联起来，避免了重复的循环操作。

---

举个例子，假设要计算5的阶乘。使用循环的方式，需要进行5次循环迭代，分别计算1x2、2x3、3x4、4x5，最后得到120。而展开循环的方式，可以直接计算1x2x3x4x5，得到结果120，避免了重复的循环操作。

--

因此，展开循环可以减少循环迭代次数，提高运算效率。但需要注意的是，展开循环在处理大数阶乘时可能会造成溢出问题，需要进行适当的优化处理。

1.2.从cpu的流水线角度，再说明一下

https://rcwap.com/newsdetail_630.html

从CPU流水线的角度来看，展开循环可以提高效率的原因是减少了分支（branch）导致的流水线停顿（pipeline stall）。

----

在计算阶乘的过程中，循环结构通常会引入条件分支，用于判断循环是否继续。当分支预测（branch prediction）失败时，CPU的流水线会发生停顿，等待分支判断结果返回。这会导致流水线中断，浪费了一些CPU周期。

----

而如果采用展开循环的方式，即在代码中展开多个循环迭代，相当于将多个循环迭代的结果直接写入代码中。这样就避免了循环和条件分支的存在，减少了分支预测失败的机会，减少了流水线停顿。

---

通过减少流水线停顿，CPU可以更充分地利用流水线的并行性和吞吐量，提高指令的执行效率，加快计算阶乘的速度。

---

但是需要注意，展开循环也会增加代码量，可能会导致代码膨胀和缓存不命中等问题，因此在选择是否展开循环时需要综合考虑代码大小、缓存使用情况以及具体的计算规模来做出决策。

1.3.介绍一下 cup的指令流水线

CUP（Control Unit Pipeline）是计算机的一种指令流水线执行方式。它将计算机的指令执行过程分为多个阶段，并且每个阶段由一个专门的硬件单元来处理。这种流水线执行方式可以提高计算机的效率和性能。

CUP的指令流水线一般包括以下几个阶段：

1. 取指令阶段（Instruction Fetch）：从指令存储器中读取下一条指令，并将其送入指令译码器。

2. 指令译码阶段（Instruction Decode）：将指令译码为包含操作码和操作数的控制信号。

3. 执行阶段（Execution）：根据控制信号执行指令中的操作，并产生需要的结果。

4. 访存阶段（Memory Access）：如果指令需要访问内存，则进行内存读取或写入操作。

5. 写回阶段（Write Back）：将执行结果写回到寄存器文件或存储器中。

CUP的指令流水线可以并行地执行多条指令，从而实现指令的重叠执行。当一条指令在某个阶段执行时，下一条指令可以开始在前一个阶段进行处理。这样可以大大缩短指令的执行时间，提高计算机的吞吐量。

然而，CUP的指令流水线也存在一些问题。例如，由于指令之间可能存在数据依赖关系，需要进行冒险（Hazard）处理；还可能存在控制依赖问题，需要进行分支预测等。因此，在设计CUP指令流水线时，需要考虑这些问题，并采取相应的策略来解决。

xxx

https://rcwap.com/newsdetail_630.html

=======

■实际运用

1.求和

代码

package com.sxz.study.alogrithm;

public class TestAlogrithom {

	public static void main(String[] args) {

		long timeBegin = 0;
		long timeEnd =0;
		
		
		timeBegin = System.currentTimeMillis();
		long result1 = calc001(1000000000);
		System.out.println(result1);
		timeEnd = System.currentTimeMillis();
		System.out.println(timeEnd-timeBegin);
		
		timeBegin = System.currentTimeMillis();
		long result2 = calc002(1000000000);
		System.out.println(result2);
		timeEnd = System.currentTimeMillis();
		System.out.println(timeEnd-timeBegin);
		
	}

	public static long calc001(int sumNumber) {
		long count = 0;

		for (int i = 1; i <= sumNumber; i++) {
			count += i;
		}

		return count;

	}

	public static long calc002(int sumNumber) {
		long count1 = 0, count2 = 0, count3 = 0, count4 = 0;
		
		// 假设，sumNuber 是4的倍数
		for (int i = 1; i <= sumNumber; i+=4) {
			count1 += i;
			count2 += i+1;
			count3 += i+2;
			count4 += i+3;
		}

		return count1 + count2 + count3 + count4;

	}
	
	

}

结果  

性能提高 了近14% (299 ⇒ 258) 

（299-258）/ 299 = 13.71%

299 / 258 =1.1589

改善后，速度是之前的1.16倍

500000000500000000
299
500000000500000000
258

----------------------

2.求阶乘 （性能提高效果明显）

代码

package com.sxz.study.alogrithm;

import java.math.BigDecimal;

public class TestAlogrithom2 {

	public static void main(String[] args) {

		long timeBegin = 0;
		long timeEnd =0;
		
		
		timeBegin = System.currentTimeMillis();
		BigDecimal result1 = calc001(10000);
		System.out.println(result1);
		timeEnd = System.currentTimeMillis();
		System.out.println(timeEnd-timeBegin);
		
		timeBegin = System.currentTimeMillis();
		BigDecimal result2 = calc002(10000);
		System.out.println(result2);
		timeEnd = System.currentTimeMillis();
		System.out.println(timeEnd-timeBegin);
		
	}

	public static BigDecimal calc001(int sumNumber) {
		BigDecimal count = new BigDecimal(1);

		for (int i = 1; i <= sumNumber; i++) {
			count = count.multiply(new BigDecimal(i));
		}

		return count;

	}

	public static BigDecimal calc002(int sumNumber) {
		BigDecimal count1 = new BigDecimal(1);
		BigDecimal count2 = new BigDecimal(1);
		BigDecimal count3 = new BigDecimal(1);
		BigDecimal count4 = new BigDecimal(1);
		
		
		
		// 假设，sumNuber 是4的倍数
		for (int i = 1; i <= sumNumber; i+=4) {
			count1 = count1.multiply(new BigDecimal(i));
			count2 = count2.multiply(new BigDecimal(i+1));
			count3 = count3.multiply(new BigDecimal(i+2));
			count4 = count4.multiply(new BigDecimal(i+3));
		}

		return count1.multiply(count2).multiply(count3).multiply(count4);

	}
	
	

}

结果

性格提高了近69%%  (92 ⇒ 29)

（92-29）/ 2 = 68.47

92/29 = 3.17

改善后，速度是之前的三倍。

2846..........0000
92
2846..........0000
29

===

测试电脑性能

自己电脑

小米 笔记本 Pro 点击excel 文件夹 未响应 卡死 如何解决_小米笔记本文件夹未响应-CSDN博客

电脑001

电脑002

xxx

媳妇的电脑

xx

爸爸的电脑

xx

==