目前手機(jī)SOC的性能越來越少，很多程序員在終端程序的開發(fā)過程中也不太注意性能方面的優(yōu)化，尤其是不注意對齊和分支優(yōu)化，但是這兩種問題一旦出現(xiàn)所引發(fā)的問題，是非常非常隱蔽難查的，不過好在項(xiàng)目中用到了移動端的性能排查神器友盟U-APM工具的支持下，最終幾個(gè)問題得到了圓滿解決。
我們先來看對齊的問題，對齊在沒有并發(fā)競爭的情況下不會有什么問題，編譯器一般都會幫助程序員按照CPU字長進(jìn)行對齊，但這在終端多線程同時(shí)工作的情況下可能會隱藏著巨大的性能問題，在多線程并發(fā)的情況下，即使沒有共享變量，也可能會造成偽共享，由于具體的代碼涉密，因此我們來看以下抽象后的代碼。
public class Main {
public static void main(String[] args) {
final MyData data = new MyData();
new Thread(new Runnable() {
public void run() {
da(0);
}
}).start();
new Thread(new Runnable() {
public void run() {
da(0);
}
}).start();
try{
T(100);
} catch (InterruptedException e){
e.printStackTrace();
}
long[][] arr=da();
Sy("arr0 is "+arr[0]+"arr1 is"+arr[1]);
}
}
class MyData {
private long[] arr={0,0};
public long[] Getitem(){
return arr;
}
public void add(int j){
for (;true;){
arr[j]++;
}
}
}在這段代碼中，兩個(gè)子線程執(zhí)行類似任務(wù)，分別操作arr數(shù)組當(dāng)中的兩個(gè)成員，由于兩個(gè)子線程的操作對象分別是arr[0]和arr[1]并不存在交叉的問題，因此當(dāng)時(shí)判斷判斷不會造成并發(fā)競爭問題，也沒有加synchronized關(guān)鍵字。
但是這段程序卻經(jīng)常莫名的卡頓，后來經(jīng)過多方的查找，并最終通過友盟的卡頓分析功能我們最終定位到了上述代碼段，發(fā)現(xiàn)這是一個(gè)由于沒有按照緩存行進(jìn)行對齊而產(chǎn)生的問題，這里先將修改完成后的偽代碼向大家說明一下：
public class Main {
public static void main(String[] args) {
final MyData data = new MyData();
new Thread(new Runnable() {
public void run() {
da(0);
}
}).start();
new Thread(new Runnable() {
public void run() {
da(0);
}
}).start();
try{
T(10);
} catch (InterruptedException e){
e.printStackTrace();
}
long[][] arr=da();
Sy("arr0 is "+arr[0][0]+"arr1 is"+arr[1][0]);
}
}
class MyData {
private long[][] arr={{0,0,0,0,0,0,0,0,0},{0,0}};
public long[][] Getitem(){
return arr;
}
public void add(int j){
for (;true;){
arr[j][0]++;
}
}
}可以看到整體程序沒有作何變化，只是將原來的數(shù)組變成了二維數(shù)組，其中除了第一個(gè)數(shù)組中除arr[0][0]元素外，其余arr[0][1]-a[0][8]元素除完全不起作何與程序運(yùn)行有關(guān)的作用，但就這么一個(gè)小小的改動，卻帶來了性能有了接近20%的大幅提升，如果并發(fā)更多的話提升幅度還會更加明顯。
緩存行對齊排查分析過程
首先我們把之前代碼的多線程改為單線程串行執(zhí)行，結(jié)果發(fā)現(xiàn)效率與原始的代碼一并沒有差很多，這就讓我基本確定了這是一個(gè)由偽共享引發(fā)的問題，但是我初始代碼中并沒有變量共享的問題，所以這基本可以判斷是由于對齊惹的禍。
現(xiàn)代的CPU一般都不是按位進(jìn)行內(nèi)存訪問，而是按照字長來訪問內(nèi)存，當(dāng)CPU從內(nèi)存或者磁盤中將讀變量載入到寄存器時(shí)，每次操作的最小單位一般是取決于CPU的字長。比如8位字是1字節(jié)，那么至少由內(nèi)存載入1字節(jié)也就是8位長的數(shù)據(jù)，再比如32位CPU每次就至少載入4字節(jié)數(shù)據(jù), 64位系統(tǒng)8字節(jié)以此類推。那么以8位機(jī)為例咱們來看一下這個(gè)問題。假如變量1是個(gè)bool類型的變量，它占用1位空間，而變量2為byte類型占用8位空間，假如程序目前要訪問變量2那么，第一次讀取CPU會從開始的0x00位置讀取8位，也就是將bool型的變量1與byte型變量2的高7位全部讀入內(nèi)存，但是byte變量的最低位卻沒有被讀進(jìn)來，還需要第二次的讀取才能把完整的變量2讀入。
也就是說變量的存儲應(yīng)該按照CPU的字長進(jìn)行對齊，當(dāng)訪問的變量長度不足CPU字長的整數(shù)倍時(shí)，需要對變量的長度進(jìn)行補(bǔ)齊。這樣才能提升CPU與內(nèi)存間的訪問效率，避免額外的內(nèi)存讀取操作。但在對齊方面絕大多數(shù)編譯器都做得很好，在缺省情況下，C編譯器為每一個(gè)變量或是數(shù)據(jù)單元按其自然對界條件分配空間邊界。也可以通過pragma pack(n)調(diào)用來改變?nèi)笔〉膶鐥l件指令，調(diào)用后C編譯器將按照pack(n)中指定的n來進(jìn)行n個(gè)字節(jié)的對齊，這其實(shí)也對應(yīng)著匯編語言中的.align。那么為什么還會有偽共享的對齊問題呢？
現(xiàn)代CPU中除了按字長對齊還需要按照緩存行對齊才能避免并發(fā)環(huán)境的競爭，目前主流ARM核移動SOC的緩存行大小是64byte，因?yàn)槊總€(gè)CPU都配備了自己獨(dú)享的一級高速緩存，一級高速緩存基本是寄存器的速度，每次內(nèi)存訪問CPU除了將要訪問的內(nèi)存地址讀取之外，還會將前后處于64byte的數(shù)據(jù)一同讀取到高速緩存中，而如果兩個(gè)變量被放在了同一個(gè)緩存行，那么即使不同CPU核心在分別操作這兩個(gè)獨(dú)立變量，而在實(shí)際場景中CPU核心實(shí)際也是在操作同一緩存行，這也是造成這個(gè)性能問題的原因。
Switch的坑
但是處理了這個(gè)對齊的問題之后，我們的程序雖然在絕大多數(shù)情況下的性能都不錯(cuò)，但是還是會有卡頓的情況，結(jié)果發(fā)現(xiàn)這是一個(gè)由于Switch分支引發(fā)的問題。
switch是一種我們在java、c等語言編程時(shí)經(jīng)常用到的分支處理結(jié)構(gòu)，主要的作用就是判斷變量的取值并將程序代碼送入不同的分支，這種設(shè)計(jì)在當(dāng)時(shí)的環(huán)境下非常的精妙，但是在當(dāng)前最新的移動SOC環(huán)境下運(yùn)行，卻會帶來很多意想不到的坑。
出于涉與之前密的原因一樣，真實(shí)的代碼不能公開，我們先來看以下這段代碼：
public class Main {
public static void main(String[] args) {
long now=Sy();
int max=100,min=0;
long a=0;
long b=0;
long c=0;
for(int j=0;j<10000000;j++){
int ran=(in()*(max-min)+min);
switch(ran){
case 0:
a++;
break;
case 1:
a++;
break;
default:
c++;
}
}
long diff=Sy()-now;
Sy("a is "+a+"b is "+b+"c is "+c);
}
}其中隨機(jī)數(shù)其實(shí)是一個(gè)rpc遠(yuǎn)程調(diào)用的返回，但是這段代碼總是莫名其妙的卡頓，為了復(fù)現(xiàn)這個(gè)卡頓，定位到這個(gè)代碼段也是通過友盟U-APM的卡頓分析找到的，想復(fù)現(xiàn)這個(gè)卡頓只需要我們再稍微把max范圍由調(diào)整為5。
public class Main {
public static void main(String[] args) {
long now=Sy();
int max=5,min=0;
long a=0;
long b=0;
long c=0;
for(int j=0;j<10000000;j++){
int ran=(in()*(max-min)+min);
switch(ran){
case 0:
a++;
break;
case 1:
a++;
break;
default:
c++;
}
}
long diff=Sy()-now;
Sy("a is "+a+"b is "+b+"c is "+c);
}
}那么運(yùn)行時(shí)間就會有30%的下降，不過從我們分析的情況來看，代碼一平均每個(gè)隨機(jī)數(shù)有97%的概念要行2次判斷才能跳轉(zhuǎn)到最終的分支，總體的判斷語句執(zhí)行期望為2*0.97+1*0.03約等于2，而代碼二有30%的概念只需要1次判斷就可以跳轉(zhuǎn)到最終分支，總體的判斷執(zhí)行期望也就是0.3*1+0.6*2=1.5,但是代碼二卻反比代碼一還慢30%。也就是說在代碼邏輯完全沒變只是返回值范圍的概率密度做一下調(diào)整，就會使程序的運(yùn)行效率大大下降，要解釋這個(gè)問題要從指令流水線說起。
指令流水線原理
我們知道CPU的每個(gè)動作都需要用晶體震蕩而觸發(fā)，以加法ADD指令為例，想完成這個(gè)執(zhí)行指令需要取指、譯碼、取操作數(shù)、執(zhí)行以及取操作結(jié)果等若干步驟，而每個(gè)步驟都需要一次晶體震蕩才能推進(jìn)，因此在流水線技術(shù)出現(xiàn)之前執(zhí)行一條指令至少需要5到6次晶體震蕩周期才能完成
指令/時(shí)刻 | T1 | T2 | T3 | T4 | T5 |
ADD | 取指 | 譯碼 | 取操作數(shù) | 執(zhí)行 | 取結(jié)果 |
為了縮短指令執(zhí)行的晶體震蕩周期，芯片設(shè)計(jì)人員參考了工廠流水線機(jī)制的提出了指令流水線的想法，由于取指、譯碼這些模塊其實(shí)在芯片內(nèi)部都是獨(dú)立的，完成可以在同一時(shí)刻并發(fā)執(zhí)行，那么只要將多條指令的不同步驟放在同一時(shí)刻執(zhí)行，比如指令1取指，指令2譯碼，指令3取操作數(shù)等等，就可以大幅提高CPU執(zhí)行效率：
指令/時(shí) | T1 | T2 | T3 | T4 | T5 | T6 | T7 | T8 |
指令1 | 取指 | 譯碼 | 取操作數(shù) | 執(zhí)行 | 取結(jié)果 | |||
指令2 | 取指 | 譯碼 | 取操作數(shù) | 執(zhí)行 | 取結(jié)果 | |||
指令3 | 取指 | 譯碼 | 取操作數(shù) | 執(zhí)行 | 取結(jié)果 | |||
指令4 | 取指 | 譯碼 | 取操作數(shù) | 執(zhí)行 | 取結(jié)果 | |||
指令5 | 取指 | 譯碼 | 取操作數(shù) | 執(zhí)行 | ||||
指令6 | 取指 | 譯碼 | 取操作數(shù) | |||||
指令7 | 取指 | 譯碼 | ||||||
指令8 | 取指 |
以上圖流水線為例 ，在T5時(shí)刻之前指令流水線以每周期一條的速度不斷建立，在T5時(shí)代以后每個(gè)震蕩周期，都可以有一條指令取結(jié)果，平均每條指令就只需要一個(gè)震蕩周期就可以完成。這種流水線設(shè)計(jì)也就大幅提升了CPU的運(yùn)算速度。
但是CPU流水線高度依賴指指令預(yù)測技術(shù)，假如在流水線上指令5本是不該執(zhí)行的，但卻在T6時(shí)刻已經(jīng)拿到指令1的結(jié)果時(shí)才發(fā)現(xiàn)這個(gè)預(yù)測失敗，那么指令5在流水線上將會化為無效的氣泡，如果指令6到8全部和指令5有強(qiáng)關(guān)聯(lián)而一并失效的話，那么整個(gè)流水線都需要重新建立。
指令/時(shí)刻 | T1 | T2 | T3 | T4 | T5 | T6 | T7 | T8 |
指令1 | 取指 | 譯碼 | 取操作數(shù) | 執(zhí)行 | 取結(jié)果 | |||
指令2 | 取指 | 譯碼 | 取操作數(shù) | 執(zhí)行 | 取結(jié)果 | |||
指令3 | 取指 | 譯碼 | 取操作數(shù) | 執(zhí)行 | 取結(jié)果 | |||
指令4 | 取指 | 譯碼 | 取操作數(shù) | 執(zhí)行 | 取結(jié)果 | |||
指令5 | 取指 | 譯碼 | 取操作數(shù) | 執(zhí)行 | ||||
指令6 | 取指 | 譯碼 | 取操作數(shù) | |||||
指令7 | 取指 | 譯碼 | ||||||
指令8 | 取指 |
所以可以看出例子當(dāng)中的這個(gè)效率差完全是CPU指令預(yù)測造成的，也就是說CPU自帶的機(jī)制就是會對于執(zhí)行概比較高的分支給出更多的預(yù)測傾斜。
處理建議-用哈希表替代switch
我們上文也介紹過哈希表也就是字典，可以快速將鍵值key轉(zhuǎn)化為值value，從某種程度上講可以替換switch的作用，按照第一段代碼的邏輯，用哈希表重寫的方案如下：
import java.u;
public class Main {
public static void main(String[] args) {
long now=Sy();
int max=6,min=0;
HashMap<Integer,Integer> hMap = new HashMap<Integer,Integer>();
(0,0);
(1,0);
(2,0);
(3,0);
(4,0);
(5,0);
for(int j=0;j<10000000;j++){
int ran=(in()*(max-min)+min);
int value = (ran)+1;
(ran,value);
}
long diff=Sy()-now;
Sy(hMap);
Sy("time is "+ diff);
}
}上述這段用哈希表的代碼雖然不如代碼一速度快，但是總體非常穩(wěn)定，即使出現(xiàn)代碼二的情況也比較平穩(wěn)。
經(jīng)驗(yàn)總結(jié)
一、有并發(fā)的終端編程一定要注意按照緩存行（64byte)對齊，不按照緩存行對齊的代碼就是每增加一個(gè)線程性能會損失20%。
二、重點(diǎn)關(guān)注switch、if-else分支的問題，一旦條件分支的取值條件有所變化，那么應(yīng)該首選用哈希表結(jié)構(gòu)，對于條件分支進(jìn)行優(yōu)化。
三、選擇一款好用的性能監(jiān)測工具，如：友盟U-APM，不僅免費(fèi)且捕獲類型較為全面，推薦大家使用。
原文鏈接：
本文為阿里云原創(chuàng)內(nèi)容，未經(jīng)允許不得轉(zhuǎn)載。
1.《終端卡頓優(yōu)化的全記錄》援引自互聯(lián)網(wǎng)，旨在傳遞更多網(wǎng)絡(luò)信息知識，僅代表作者本人觀點(diǎn)，與本網(wǎng)站無關(guān)，侵刪請聯(lián)系頁腳下方聯(lián)系方式。
2.《終端卡頓優(yōu)化的全記錄》僅供讀者參考，本網(wǎng)站未對該內(nèi)容進(jìn)行證實(shí)，對其原創(chuàng)性、真實(shí)性、完整性、及時(shí)性不作任何保證。
3.文章轉(zhuǎn)載時(shí)請保留本站內(nèi)容來源地址，http://f99ss.com/yule/2186158.html