优化并重写下面的C代码

这是一个教科书问题,涉及重写一些C代码以使其在给定的处理器体系结构上表现最佳。

鉴于:针对具有4个加法器和2个乘法器单元的单个超标量处理器。

输入结构(在别处初始化):

struct s {
    short a;
    unsigned v;
    short b;
} input[100];

这是操作这些数据的例程。 显然必须确保正确性,但目标是优化它的垃圾。

int compute(int x, int *r, int *q, int *p) {

    int i;
    for(i = 0; i < 100; i++) {

        *r *= input[i].v + x;
        *p = input[i].v;
        *q += input[i].a + input[i].v + input[i].b;
    }

    return i;
}

所以这个方法有3条算术指令来更新整数r,q,p。

这是我的解释我在想什么的解释:

//Use temp variables so we don't keep using loads and stores for mem accesses; 
//hopefully the temps will just be kept in the register file
int r_temp = *r;
int q_temp = *q;

for (i=0;i<99;i = i+2) {
    int data1 = input[i];
    int data2 = input[i+1]; //going to try partially unrolling loop
    int a1 = data1.a;
    int a2 = data2.a;
    int b1 = data1.b;
    int b2 = data2.b;
    int v1 = data1.v;
    int v2 = data2.v;

    //I will use brackets to make my intention clear the order of operations I was planning
    //with respect to the functional (adder, mul) units available

    //This is calculating the next iteration's new q value 
    //from q += v1 + a1 + b1, or q(new)=q(old)+v1+a1+b1

    q_temp = ((v1+q1)+(a1+b1)) + ((a2+b2)+v2);
    //For the first step I am trying to use a max of 3 adders in parallel, 
    //saving one to start the next computation

    //This is calculating next iter's new r value 
    //from r *= v1 + x, or r(new) = r(old)*(v1+x)

    r_temp = ((r_temp*v1) + (r_temp*x)) + (v2+x);
}
//Because i will end on i=98 and I only unrolled by 2, I don't need to 
//worry about final few values because there will be none

*p = input[99].v; //Why it's in the loop I don't understand, this should be correct
*r = r_temp;
*q = q_temp;

好的,我的解决方案给了我什么? 查看旧代码,我的每个循环迭代将采用max((1A + 1M),(3A))的最小延迟,其中前一个值用于计算新的r,而3个添加的延迟是q。

在我的解决方案中,我正在展开2并尝试计算r和q的第二个新值。 假设加法器/乘法器的等待时间是M = c * A(c是大于1的整数),r的乘法运算绝对是限速步骤,所以我把重点放在这一点上。 我尽可能地并行使用乘法器。

在我的代码中,首先并行使用2个乘法器来帮助计算中间步骤,然后加法必须合并这些乘法器,然后使用最终乘法获得最后的结果。 因此,对于2个新的r值(尽管我只保留/关心最后一个),它需要我(1M // 1M // 1A)+ 1A + 1M,总共延迟为2M + 1M。 除以2,我的每回路延迟值为1M + 0.5A 。 我计算原始延迟/值(对于r)为1A + 1M。 所以如果我的代码是正确的(我手工完成了这个,还没有测试过!),那么我的性能提升很小。

另外,希望不要直接在循环中访问和更新指针(主要归功于临时变量r_temp和q_temp),我可以节省一些加载/存储延迟。


那是我的捅刺。 绝对有兴趣看到别人提出的更好!


是的,有可能利用这两个短裤。 重新排列你的结构

struct s {
    unsigned v;
    short a;
    short b;
} input[100];

并且您可能能够更好地调整架构上的内存字段,这可能会让更多这样的结构位于相同的内存页面中,这可能会让您遇到更少的内存页面错误。

这都是投机性的,这就是为什么它对配置文件非常重要。

如果您拥有正确的体系结构,重新排列将为您提供更好的数据结构对齐方式,这会导致内存中的数据密度更高,因为为了确保类型与通用内存体系结构所强加的数据边界对齐,必要的填充会丢失更少的位。

链接地址: http://www.djcxy.com/p/11155.html

上一篇: Optimize and rewrite the following C code

下一篇: python unpack little endian