c - 优化并重写以下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发挥最佳性能。

给定: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(在其他地方初始化):

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

这是处理此数据的例程。显然，必须确保正确性，但是目标是优化废品率。

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;
}

因此，此方法有3条算术指令来更新整数r，q，p。

这是我尝试用注释解释我在想什么的尝试:

//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;

好吧，我的解决方案给了我什么？看旧代码，i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 Adds的延迟则用于q。

在我的解决方案中，我将展开2并尝试计算r和q的第二个新值。假设加法器/乘法器的等待时间为M = c * A(c是大于1的整数)，则r的乘法运算无疑是速率限制的步骤，因此我将重点放在此。我试图尽可能多地并行使用乘法器。

在我的代码中，首先并行使用2个乘法器以帮助计算中间步骤，然后加法必须将这些乘法相结合，然后使用最后的乘法来获得最后的结果。因此，对于r的2个新值(即使我只保留/关心最后一个值)，也需要我(1M//1M//1A)+ 1A + 1M，顺序总延迟为2M + 1M。除以2，我的每个循环值延迟为1M + 0.5A 。我计算出原始延迟/值(对于r)为1A + 1M。因此，如果我的代码是正确的(我是手工完成的，还没有测试!)，那么我的性能会有一点提高。

而且，希望通过不直接在循环中直接访问和更新指针(主要是由于临时变量r_temp和q_temp)，我节省了一些加载/存储延迟。

那是我的目的。绝对有兴趣看到别人想出什么更好的选择!

最佳答案

是的，可以利用两条短裤。如此重新排列您的结构

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

并且您可能能够更好地对齐体系结构上的内存字段，这可能使更多这些结构位于同一内存页面中，从而使您遇到的内存页面错误更少。

都是投机性的，这就是为什么如此重要的原因。

如果您具有正确的体系结构，则重新排列将为您提供更好的data structure alignment,，这会导致内存中的数据密度更高，因为必要的填充会丢失较少的位，以确保类型与常见内存体系结构所施加的数据边界对齐。

关于c - 优化并重写以下C代码，我们在Stack Overflow上找到一个类似的问题：https://stackoverflow.com/questions/12375709/