用C语言加速程序进而加速硬件速度

循环优化

　　虽然增加并行运算的数量，是提高性能最有效的方法，但通过常规的循环优化，也能对性能达到实质性的改进。举例说明，请看下例可同时执行8次运算的FIR转换器实现（参见例3），之所以选择这个例子，是因为相对于可同时执行32次运算的例子，它更能保持内部代码简洁，以便更好地演示优化的技巧。

　　例3：

#include "fir8.h" #define ST_DECR 1 #define ST_INCR 0 void fir(short *X, short *H, short *Y, short N, short T) { 　int n, t, t8; 　WR x, h, y; 　t8 = T/8; 　WRPUTINIT(ST_INCR, Y) ; 　for (n = 0; n < N; n++) { 　　WRGET0INIT(ST_INCR, H) ; 　　X++ ; 　　WRGET1INIT(ST_DECR, X) ; 　　WRGET0I( &h, 16 ); 　　WRGET1I( &x, 16); 　　FIR_MUL(x, h, &y); 　　for (t = 1; t < t8; t++) { 　　　WRGET0I(&h, 16); 　　　WRGET1I(&x, 16); 　　　FIR_MAC(x, h, &y); 　　} 　　WRPUTI(y, 2) ; 　} 　WRPUTFLUSH0() ; 　WRPUTFLUSH1() ; }

　　在这个实现中，扩展指令的使用，对函数fir()的性能，有极大的改善，可从27230个时钟周期降低到5065个时钟周期，而且无需低级汇编代码或对原始C语言算法结构进行较大的修改，然而，仍有浪费掉的时钟周期存在，所以此实现还是不够高效。为特定外部循环迭代而调用最后的FIR_MAC指令之后，处理器在取得结果之前，必须等待与扩展指令延迟相等的一定周期数，浪费掉的周期就由此而产生。

　　一种弥补的方法是，当在等待前一轮循环输出时，即刻开始下一轮循环的运算。因为完全发送扩展指令所需的处理器周期数，要远远大于等待结果所需的周期数，因此，完全可保证在当前例子发出第一条扩展指令时，处理器已可以使用前一个例子的输出了。

　　在循环迭代之间，也有进行优化的可能。某一特定外部循环迭代中的内部循环运算，是不依赖于前面或后面外部循环的结果的，如果此时可发出一条新的外部循环迭代，在某种程度上可补偿等待结果的延迟。可以设想这样一种情况，对0层外部循环迭代最后一条FIR_MAC发出后，CPU可即刻开始对1层外部循环迭代中的内部循环进行运算，而不必等待0层外部循环迭代完成后所发出的扩展指令。在此实现中，最后一条FIR_MAC在给出结果之前，将大概需要21个处理器周期。照这样，如果把外部循环中的内部循环运算进行流水线操作，极有可能把每次迭代所需处理器周期降低至18，当然这是除最后一个外部循环迭代之外，因为此时已没有更多的运算量可利用周期了。假定这种情况只会在每次fir()调用时发生一次，那么系统开销几乎可以忽略不计。

　　基于此技巧的实现（例4），已把每次调用所需的总周期数，从5065减少到3189。这样，对现有代码无需作更多的修改，就能带来超过8倍的性能提升。

　　例4：

/* 包含特定的扩展指令头文件 */ #include "fir8.h" #define ST_DECR 1 /* 减量指示器 */ #define ST_INCR 0 /* 增量指示器 */ /* 为FIR ISEF 指令调用定义宏 */ #define FIR(H, X, h, x, t8, y) \ { \ 　int t8m1 = (t8)-1; \ 　WRGET0INIT(ST_INCR, (H)) ; \ 　(X)++ ; \ 　WRGET1INIT(ST_DECR, (X)) ; \ 　WRGET0I( &(h), 8 * sizeof(short) ); \ 　WRGET1I( &(x), 8 * sizeof(short) ); \ 　FIR_MUL( (x), (h), &(y) ); \ 　\ 　for (t = 1; t < (t8m1); t++) \ 　{ \ 　　WRGET0I( &(h), 16 ); \ 　　WRGET1I( &(x), 16 ); \ 　　FIR_MAC( (x), (h), &(y) ); \ 　} \ 　WRGET0I( &(h), 16 ); \ 　WRGET1I( &(x), 16 ); \ 　FIR_MAC( (x), (h), &(y) ); \ } /* * - 在ISEF中，FIR使用8倍乘法循环优化 */ void fir(short *X, short *H, short *Y, short N, short T) { 　int n, t, t8 ; 　WR x, h, y1, y2, y3, y4; 　t8 = T/8 ; 　WRPUTINIT(ST_INCR, Y) ; /* 起始输出流 */ 　FIR (H, X, h, x, t8, y1) ; /* x * h + y => y1 */ 　/* loop ((N/2)-1) times */ 　n = 0; 　do 　{ 　　FIR (H, X, h, x, t8, y2) ; /* x * h + y => y2 */ 　　WRPUTI(y1, 2) ; /* 输出(y1)结果 */ 　　FIR (H, X, h, x, t8, y1) ; /* x * h + y => y1 */ 　　WRPUTI(y2, 2) ; /* 输出(y2)结果 */ 　} while ( ++n < ((N>>1)-1) ); 　FIR (H, X, h, x, t8, y2) ; /* x * h + y => y2 */ 　WRPUTI(y1, 2) ; /* 输出(y1)结果 */ 　WRPUTI(y2, 2) ; /* 输出(y2)结果 */ 　WRPUTFLUSH0() ; /* 清除输出流 */ 　WRPUTFLUSH1() ; /* 清除输出新 */ }

　　另一个提升性能的技巧是手工解开内部循环。因为内部循环是通过使用一个变量来管理的，而FIR宏又是为通用目的编写的，所以，编译器不能预测到循环将执行的次数，也就是完全取决于内部循环本身。然而，这些条件又反过来影响扩展指令的调度，因为它们将清除（flush）处理器流水线，而处理器又错过了可发出一条扩展指令的周期，延迟就这样产生了。