代碼執行的效率
在《性能調優攻略》里，我說過，要調優性需要找到程序中的Hotspot，也就是被調用最多的地方，這種地方，只要你能優化一點點，你的性能就會有質的提高。在這里我給大家舉三個關于代碼執行效率的例子（它們都來自于網上）
第一個例子
PHP中Getter和Setter的效率（來源reddit）
這個例子比較簡單，你可以跳過。
考慮下面的PHP代碼：我們可看到，使用Getter/Setter的方式，性能要比直接讀寫成員變量要差一倍以上。
<?php
//dog_naive.php
class dog {
public $name = "";
public function setName($name) {
$this->name = $name;
}
public function getName() {
return $this->name;
}
}
$rover = new dog();
//通過Getter/Setter方式
for ($x=0; $x<10; $x++) {
$t = microtime(true);
for ($i=0; $i<1000000; $i++) {
$rover->setName("rover");
$n = $rover->getName();
}
echo microtime(true) - $t;
echo "\n";
}
//直接存取變量方式
for ($x=0; $x<10; $x++) {
$t = microtime(true);
for($i=0; $i<1000000; $i++) {
$rover->name = "rover";
$n = $rover->name;
}
echo microtime(true) - $t;
echo "\n";
}
?></pre>
這個并沒有什么稀，因為有函數調用的開銷，函數調用需要壓棧出棧，需要傳值，有時還要需要中斷，要干的事太多了。所以，代碼多了，效率自然就慢了。所有的語言都這個德行，這就是為什么C++要引入inline的原因。而且Java在打開優化的時候也可以優化之。但是對于動態語言來說，這個事就變得有點困難了。
你可能會以為使用下面的代碼（Magic Function）會好一些，但實際其性能更差。
class dog {
private $_name = "";
function __set($property,$value) {
if($property == 'name') $this->_name = $value;
}
function __get($property) {
if($property == 'name') return $this->_name;
}
} 動態語言的效率從來都是一個問題，如果你需要PHP有更好的性能，你可能需要使用非死book的HipHop來把PHP編譯成C語言。
第二個例子
為什么Python程序在函數內執行得更快？（來源StackOverflow）
考慮下面的代碼，一個在函數體內，一個是全局的代碼。
函數內的代碼執行效率為 1.8s
def main():
for i in xrange(10**8):
pass
main() 函數體外的代碼執行效率為 4.5s
for i in xrange(10**8):
pass 不用太糾結時間，只是一個示例，我們可以看到效率查得很多。為什么會這樣呢？我們使用 dis module 反匯編函數體內的bytecode 代碼，使用 compile builtin 反匯編全局bytecode，我們可以看到下面的反匯編（注意我高亮的地方）
13 FOR_ITER 6 (to 22)
16 STORE_FAST 1 (i)
19 JUMP_ABSOLUTE 13
13 FOR_ITER 6 (to 22)
16 STORE_NAME 1 (i)
19 JUMP_ABSOLUTE 13
我們可以看到，差別就是 STORE_FAST 和 STORE_NAME，前者比后者快很多。所以，在全局代碼中，變量i成了一個全局變量，而函數中的i是放在本地變量表中，所以在全局變量表中查找變量就慢很多。如果你在main函數中聲明global i 那么效率也就下來了。原因是，本地變量是存在一個數組中（直到），用一個整型常量去訪問，而全局變量存在一個dictionary中，查詢很慢。
（注：在C/C++中，這個不是一個問題）
第三個例子
為什么排好序的數據在遍歷時會更快？（來源StackOverflow）
參看如下C/C++的代碼：
for (unsigned i = 0; i < 100000; ++i) {
// primary loop
for (unsigned j = 0; j < arraySize; ++j) {
if (data[j] >= 128)
sum += data[j];
}
} 如果你的data數組是排好序的，那么性能是1.93s，如果沒有排序，性能為11.54秒。差5倍多。無論是C/C++/Java，或是別的什么語言都基本上一樣。
這個問題的原因是—— branch prediction （分支預判）傳大的stackoverflow給了一個非常不錯的解釋。
考慮我們一個鐵路分叉，當我們的列車來的時候， 我們不知道這個列車要去哪兒，司機知道要去哪，但是不知道走哪條路。所以，我們需要讓列車停下來，然后司機和扳道員溝通一下。這樣的性能太差了。
所以，我們可以優化一下，那就是猜，我們至少有50%的概率猜對，如果猜對了，火車行駛性能巨高，猜錯了，就得讓火車退回來。如果我猜對的概率高，那么，我們的性能就會高，否則老是猜錯了，性能就很差。
Image by Mecanismo, from Wikimedia Commons:http://commons.wikimedia.org/wiki/File:Entroncamento_do_Transpraia.JPG
我們的if-else 就像這個鐵路分叉一樣，下面紅箭頭所指的就是搬道器。
那么，我們的搬道器是怎么預判的呢？就是使用過去的歷史數據，如果歷史數據有90%以上的走左邊，那么就走左邊。所以，我們排好序的數據就更容易猜得對。
T = 走分支（條件表達式為true）
N = 不走分支(條件表達式為false)
data[] = 0, 1, 2, 3, 4, ... 126, 127, 128, 129, 130, ... 250, 251, 252, ...
branch = N N N N N ... N N T T T ... T T T ...
= NNNNNNNNNNNN ... NNNNNNNTTTTTTTTT ... TTTTTTTTTT (easy to predict)</pre>
data[] = 226, 185, 125, 158, 198, 144, 217, 79, 202, 118, 14, 150, 177, 182, 133, ...
branch = T, T, N, T, T, T, T, N, T, N, N, T, T, T, N ...
= TTNTTTTNTNNTTTN ... (completely random - hard to predict)</pre>
從上面我們可以看到，排好序的數據更容易預測分支。
對此，那我們怎么辦？我們需要在這種循環中除去if-else語句。比如：
我們把條件語句：
if (data[j] >= 128)
sum += data[j];
變成：
int t = (data[j] - 128) >> 31;
sum += ~t & data[j];
“沒有分叉”的性能基本上和“排好序有分支”一個樣，無論是C/C++，還是Java。
注：在GCC下，如果你使用 -O3 or -ftree-vectorize 編譯參數，GCC會幫你優化分叉語句為無分叉語句。VC++2010沒有這個功能。
</blockquote>
最后，推薦大家一個網站——Google Speed，網站上的有一些教程告訴你如何寫出更快的Web程序。
（全文完）
（轉載本站文章請注明作者和出處 酷殼 – CoolShell.cn ，請勿用于任何商業用途）