CSAPP第五章就在“扯淡”！
“你的时间有限，所以不要为别人而活。不要被教条所限，不要活在别人的观念里。不要让别人的意见左右自己内心的声音。最重要的是，勇敢的去追随自己的心灵和直觉，只有自己的心灵和直觉才知道你自己的真实想法，其他一切都是次要。 ——史蒂夫·乔布斯”
CSAPP的第五章“优化程序性能”，从机器底层的角度阐述了如何去优化。说实话，这章就应该撕掉，然后扔进垃圾桶。真是越看越火大，越看越觉得扯淡。要是你想成为一个三流程序员，就应该一丝不苟地按照书中的做。
如果你写了个程序，觉得它太慢。那么你可以花半年去优化它，也可以跑去找小姑娘玩半年回来，然后更强大的硬件就会让你的程序更快。
优化仅仅是在万不得已之时才应该去做，只要程序能工作，还能忍受它的速度，何必要去优化。程序员的时间宝贵，牺牲机器的时间，换取程序员的轻松时光不是天经地义的事吗！想当年编程是要在纸带上打孔输入机器的，所以后来有了汇编，又后来有了C，再后来有了Python。每一层级的递进都让程序员的开发效率得到了进一步提高，同时稍微牺牲了点机器时间。
要记住：程序员的时间远比机器时间宝贵。
下面就说说为什么不应该按书中的进行优化。
测试机器：
CPU Intel Core i5 M520 2.40GHz
RAM 4GB
Windows 7
举些例子来说明问题：
1）消除不必要的存储器引用
有如下两个累加函数，ret为返回的地址参数
sum1:
1: void sum1(int *a, int len, int *ret)
2: { 3: *ret = 0; 4: 5: for(int i = 0; i < len; i++)
6: *ret += a[i]; 7: }
sum2:
1: void sum2(int *a, int len, int *ret)
2: {3: int s = 0;
4: 5: for(int i = 0; i < len; i++)
6: s += a[i]; 7: 8: *ret = s; 9: }
两个函数的功能是完全一样的，而且sum1也来得更直观些，sum2有时就会让人不解为何要引入一个中间变量s来保存累加和。原因就是，你得先把两段代码反汇编：
sum1片段:
movl (%edi), %eax
imull （%ecx, %edx, 4）, %eax
mov %eax, (%edi)
sum2片段:
imull (%ecx, %edx, 4), %eax
看懂了没，sum1中对ret的解引用会导致从%edi (ret) 的地址中取值(*ret)赋值给%eax，然后再从%eax赋值回(%edi)这个过程。而循环len次就会多出2 * len条指令。所以sum2的效率要高，那么高多少呢，如下图：
注意，这里的时间单位是ms，1000ms=1s。当len的长度不断以10的数量级递增时，sum2的时间优势其实并不明显。在len = 10^8时，差距仅仅是140ms（加速因子k=1.34，k=sum1时间/sum2时间），这点加速实在是太少了。况且由于现代硬件速度的提升，这种差异在以后也会越来越小。
2）循环展开技术（Loop Unrolling）
依然是对sum1函数的进一步优化，于是有了邪恶的sum3:
1: void sum3(int *a, int len, int *ret)
2: {3: int s = 0;
4: int limit = len - 2;
5: 6: int i;
7: for(i = 0; i < limit; i += 3)
8: s += a[i] + a[i + 1] + a[i + 2]; 9: 10: for( ; i < len; i++)
11: s += a[i]; 12: 13: *ret = s; 14: }
len = 10^8时，sum3相对于sum2提高了172ms（k=1.74），相对sum1提高312ms(k=2.33)。为什么会有这种提高？可以看到在循环中步长变为了3，那么为什么要是3而不是其他呢？
要讲清楚就不得不先讲讲这幅图：
这幅图是什么呢？就是讲在一个理想的国度，世界上的资源是无穷无尽的，包括计算机中的硬件资源。于是呢，每个周期我们都有无限的计算器件可用。看到在第三周期用到了jl, compl, incl的硬件资源，而这三个硬件其实都是要用到加法器的。因为有无限的器件所以没事，同时此时效率当然是最高的。
可是，现实总是很残酷的。漂亮小姑娘总是有限，计算机的硬件也不可能无限多。神告诉我们，你只能有两个加法器，不可太贪。于是在同一周期，我们只能有两个涉及加法的指令。那么就有了如下的现实中的计算版本。显然效率要比理想版本差，效率拖后约1倍。
很自然的，如何用手头有限的资源创造最大的财富，就是我们关心的。看到load指令的周期是一般指令的3倍，而load是可以流水执行的，那么尽量让load干活就是我们所期望的。如何改进呢？你可能想到了。邪恶的sum3版本登场：
图中目的很明显，尽量减少addl, compl和jl(ACJ)这些指令的执行，这样就不至于太受加法器资源的限制，另外尽量利用load的流水特性。那么如何减少ACJ的执行呢？终于想到了加大每次步长了吧。又为什么是3呢？想到了load的周期是3了吧。谜团终于解开，看看最终版本的sum3是如何在机器中执行的：
看到3步一循环的方法能有效地降低ACJ的执行，同时充分地利用了load的流水特性。最后，这个版本相对理想版本效率拖后约0.33倍。
既然能增加性能又为什么要谨慎呢？问题是，以后呢？再以后呢？让我们看得远一点，再远一点。硬件的发展总是如此之快，加法器会有的，load会更快的。然后呢，然后就是，你做的优化还得随着硬件不断修正，几个月后当你或者其他人重新审视你的代码时，你或他都不知道为什么这家伙写了这么恐怖的代码。于是，一切必须推倒重来。代码根本不具可维护性。
程序首先是写给人看的，然后顺便让机器读懂。
3）循环分割（Loop Splitting）
继续sum1的讨论，如果我们把加法操作改为乘法呢？
1: void multi1(int *a, int len, int *ret)
2: { 3: *ret = 1; 4: 5: for(int i = 0; i < len; i++)
6: *ret *= a[i]; 7: }
书中再次给出了一个诡异的优化：
1: void multi2(int *a, int len, int *ret)
2: {3: int limit = len - 1;
4: int m0 = 1;
5: int m1 = 1;
6: 7: int i;
8: for(i = 0; i < limit; i += 2)
9: { 10: m0 *= a[i]; 11: m1 *= a[i + 1]; 12: } 13: 14: for( ; i < len; i++)
15: m0 *= a[i]; 16: 17: *ret = m0 * m1; 18: }
m0计算偶数下标的乘积，而m1计算奇数下标。最后合并。看看到底有多快：
Len= 10^8，差异140ms, k=1.43，加速实在有限，而且还是在数据规模这么大的时候。另外，由于之前的loop unrolling技术也基本上能猜出个大概了。乘法器件耗费的周期巨大，又由于其流水特性。所以考虑增加每次循环中的乘法次数，而不必等到乘积结果迭代到下次而产生的延时。
这又是一个极度依赖特定机器的优化。这里我们可以猜到有2路并行，必定也能有3路，4路……真是没完了。
这样的优化严重地破坏了程序的优雅性。
其他
另外还有其他的一些比较小方面的，同时让人不爽的优化。
1） 将数组版本转换成指针版本有时会快一点（真的是没那么大区别，同学爱怎么写就怎么写，指针有时真是万恶之源！）
2） 将sum1中的len显示的放入lenReg中（即：int lenReg = len），为什么呢？因为len被调用时是从栈中取出的，这样显示地放入放入一个寄存器中，省去了循环中每次从内存中取值的过程。（能差多少呢！？）
3） 另外小心地设置乘法顺序也能提高程序性能哦！看如下的乘法：
r = ((r * x) * y) * z; //(a)
r = (r * (x * y)) * z; //(b)
r = r * ((x * y) * z); //(c)
r = r * (x * (y * z)); //(d)
r = (r * x) * (y * z); //(e)
知道哪个最快吗？是(c)和(d)，想知道为什么吗？我都懒得讨论如此无聊的问题了。往那该死的并行性和流水性考虑吧。
硬币总是有两面的。喷了这么久，还是回到这章的一些优点：1）减少对相同函数的调用，用一个变量保存返回值是一个好办法。2）对于隐性增加复杂度的系统函数，特别是在循环中的函数要注意。3）指针的调用所引起的一些意想不到的效果的注意事项。4）最后利用profile来分析程序瓶颈，着重优化瓶颈函数。5）Amdahl定理。
但这章中90%的东西都不应该去学习，学了就真的成了三流程序员了。优化程序首先应当关注其宏观方面：1）数据结构。2）算法。3）对问题刻画和建模的准确性。4）整体结构。5）优雅性。
最后也是最重要的一点：能不优化就别优化吧，有时间爱干嘛干嘛去。
