効率的なC++コードの書き方 (2013年)
Writing Efficient C++ Code (2013) (asawicki.info)
要約
この記事は、パフォーマンスが重要なアプリケーションでC++が選ばれる理由と、効率的なコードを書くための実践的なアプローチを探求しています。特に、データ指向設計(DOD)に焦点を当て、従来のオブジェクト指向プログラミング(OOP)のアプローチと比較して、メモリレイアウトとハードウェアの特性を考慮することの重要性を強調しています。また、キャッシュの効率性や過剰な抽象化を避けることの利点についても論じています。
全文翻訳
効率的なC++コードの書き方
この記事は、元々2013年4月号(11号)のProgramista誌にポーランド語で掲載されたものです。
スクリプティング言語、インタプリタ言語、仮想マシン上で実行される言語などの高水準言語には多くの利点があり、数多くのアプリケーションで最良の選択肢となりますが、時には可能な限り効率的なコードを書く必要がある場合があります。C++のようなネイティブ言語を選択するだけでは不十分です。ハードウェアから最大限のコンピューティングパワーを引き出すには、ある程度の知識と良い実践方法への習熟が必要です。
はじめに
C++は珍しい言語です。複雑で、習得が難しく、ある点では議論の的となります。しかし、特にパフォーマンスが重要なゲームプログラミングなどの多くのアプリケーションでは、しばしば最良、あるいは唯一の選択肢となります。これは、C++が一種の妥協点となる独自の特性を持っているためです。高水準であり、オブジェクト指向プログラミングをサポートし、ベクトル、文字列、その他のSTLコンテナのようなカスタム型やデータ構造の便利な使用や作成が可能です。同時に、ある意味でハードウェア自体、あるいはオペレーティングシステムへのアクセスを可能にするほど低水準でもあります。仮想マシンやフレームワークがその邪魔をしません。メモリの割り当てと解放は自分たちで行う必要がありますが、それは予測不能な瞬間にガベージコレクタが独自のやり方でそれを行うことがないことも意味します。さらに、C++(および部分的に後方互換性のあるC)には膨大な数のライブラリが存在し、多くのプラットフォームでコンパイラが利用可能です。
ある意味では、ネイティブコードが再び注目されているとさえ言えるでしょう。ソフトウェアはますます複雑になり、ハードウェアはますます高速になっていますが、プログラムでは依然として効率的なコードが必要です。より高速なプロセッサやより多くのRAMは、優秀なプログラマーの時間よりも安価であると言う人もいます。しかし、一度書かれたプログラムが何年も実行される場合や、何百万台ものマシンにインストールされる場合はどうでしょうか?パフォーマンスは、コンピューティングクラスターやデータセンター(電力と冷却のコストが莫大になる可能性がある)でも、スマートフォンやタブレットのような最小のデバイス(可能な限り長いバッテリー寿命を望む)でも重要です。妥協なく指定された速度でコードを実行しなければならないアプリケーションもあります。これらには、ゲーム(FPS、フレーム毎秒の低下がスムーズなアニメーションの印象を損ない、不快なカクつきを引き起こす)や、指定されたビットレートでのメディアストリームのリアルタイム処理など、リアルタイムでデータを処理するプログラムが含まれます。また、ハードウェア要件を任意に高く設定できるとは限りません。例えば、ゲームコンソールは固定のプロセッサ速度とRAM容量を持っています。新しいCrysisのバージョンではなく、シンプルなカジュアルゲームを書いている場合、PCであっても最新のコンポーネントを要求することはできません。
データ指向設計
オブジェクト指向プログラミングは、プログラマーやチームが直面する困難に対する救済策のように思えます。構造化された方法、つまり「昔ながらの」方法で大規模システムを書くことは難しすぎるでしょう。オブジェクト指向プログラミングでは、コードはクラスで構成されます。クラスは、データ(フィールド)とそれに対する操作(メソッド)をグループ化するだけでなく、何よりも現実世界や問題領域の概念の抽象化として機能します。クラスは、少なくとも理論上は、可能な限り独立しており、他の場所で再利用可能であるべきです。
しかし、オブジェクト指向プログラミングは2つの方法で理解できます。概念的に、その要素の背後にある哲学を考えること、または技術的に、便宜のために使用されるプログラミング言語のメカニズムとして扱うことです。また、「内部で」すべてがどのように機能し、そこからどのような特性と制限が生まれるかを理解することも価値があります。最初の方法だけに従うと、効率的なコードを書くことを目指す場合にプログラマーが留まるべきレベルからかけ離れてしまう可能性があります。
では、解決策は何でしょうか?データ指向設計(DOD)と呼ばれるアプローチの支持者は、やや異なる考え方を提案しています。この用語は近年、特にゲームプログラマーの間で人気が出てきました。これは、設計とコーディング中に、格納されるデータ、つまりメモリ内のレイアウトと適切なデータ構造の設計に焦点を当て、その後でそれらを操作するアルゴリズムに焦点を当てることを意味します。これは構造化プログラミングの古い考え方への回帰のように見えるかもしれませんが、クラスやオブジェクト指向プログラミングのすべての利点を使用することを排除するものではありません。それは、ハードウェアに近い考え方を保ち、言語の利用可能なメカニズムを使用して、「エレガント」であるだけでなく、シンプルで効率的なコードを作成する方法です。
図1を見てください。これは、データがメモリにどのように配置されるかを象徴的に示しています。左側は、ポインタで接続された、遠く離れた構造体です。これは、互いに参照し合う多くの異なるクラスの小さなオブジェクトを使用した場合に発生します。このように書かれたコードは、2つの理由で非効率的になる可能性があります。1つ目は、ポインタを「ジャンプ」するため、このようなデータをたどる際の頻繁なキャッシュミスです。これについては後で詳しく説明します。
[画像: Object-oriented and data-oriented memory layouts]
図1. データ指向設計
2つ目の理由は、このようなオブジェクトを操作するコードの並列化の難しさです。クラスのパブリックメソッド(しばしば仮想メソッド)しかなく、それらの内部で何が起こっているか(または派生クラスのすべて)を知らないという前提がある場合、定義上、複数のスレッドで安全に実行することはできません。それらの操作中に、他のどのオブジェクトを参照しているかわかりません。一方、スレッドの使用は、ミューテックス(クリティカルセクション)で共有データを保護する必要があることが多く、これはコードを効果的にシリアライズし、完全に並列実行されるのを防ぎます。
一方、図の右側は、通常のデータ構造(配列など)のアイデアを示しており、これを successive な操作(ソート、特定のフィールドの更新、要素の削除、または各要素を別の形式に変換)を実行することで処理します。データが「透過的」であり、実行したい操作が正確にわかっており、コレクションの各要素への適用が他の要素やプログラムの残りの部分から独立している場合、例えば要素の範囲をスレッドに分割することで、アルゴリズムを簡単に並列化できます。
オブジェクト指向プログラミングを盲目的に従うことには、他の落とし穴もあります。一部の人々は、使用するすべての機能(ライブラリなど)を、インターフェースを簡素化したり(主観的に)よりエレガントにしたりすることを目的とした独自のラッパーで本能的にラップします。このような追加レイヤーは、特に独自のロジックを導入したり、仮想メソッドを使用したりする場合、実行時のオーバーヘッドを追加します。私は代わりに、この特定のケースで、抽象化の別のレイヤーを追加することなく、特定の関数やクラスを直接使用できるかどうかを毎回尋ねる習慣をつけることをお勧めします。すべてを可能な限り一般的で普遍的なものにしようとする同様の傾向があります。完全に仮想メソッドで構成されるインターフェースを定義し、インターフェースを変更せずに実装を完全に異なるものに置き換えることができると自分に約束するのは魅力的ですが、本当にここでそれが必要でしょうか?デザインパターンも、コードについての深い思考を置き換える既製のソリューションとして、しばしば過剰に使用されます。実際、シンプルなソリューションが最良であることがよくあります。プログラムが格納する必要のあるデータと、そのデータに対して実行する必要のある操作を可能な限り直接的に表現しようとすると、コードはシンプルでエレガントで、読みやすく、同時に効率的になります。これは、最適化とはコードを複雑で読みにくくすることであるという一般的な見解とは対照的です。
メモリとキャッシュ
各プロセッサ命令が、RAMの指定されたアドレスから1サイクルでデータを読み取り、それに対して操作(加算など)を実行し、結果をメモリに書き戻すように見えるかもしれません。実際にはそれほど単純ではありません。x86コードを構成する複雑なCISC命令は、プロセッサ内でマイクロコードに変換され、多かれ少なかれ時間のかかる複数のステップで実行されます。操作自体は単純かもしれませんが、メモリからのデータの読み書きには追加の時間が必要です。
過去、1980年代には、プロセッサは実際にRAMに直接アクセスし、単一サイクルでそのような操作を実行できました。しかし今日、プロセッサが計算を実行できる速度は、RAMのパフォーマンスよりもはるかに速く増加しています。このギャップは広がり続けており、現代のコンピューターのメインメモリから(1バイトでさえ)データを読み取るのに必要な時間は、数百回のプロセッササイクルの時間に相当します!帯域幅、つまりデータ転送速度(秒あたりのビット数で測定)は、レイテンシ、つまり要求されたデータが宛先に到達するのに必要な時間(秒の小数で測定)とは異なることに注意してください。
コンピューター設計者は当然、この問題の解決策を探します。そのため、キャッシュが作成されました。キャッシュはプロセッサメモリであり、最近使用されたデータを保持し、メインRAMよりも高速にアクセスできます。容量は増加しますが速度は低下する successive なレベルを持つメモリ階層全体について話すことができます。例えば、3 GHzで動作するプロセッサを考えてみましょう。おおよそ、毎秒30億回の操作を実行できるため、1つの単純な操作(加算など)は約0.33 nsかかります。L1キャッシュの値へのアクセスが1 nsかかる場合、その遅延は3命令(3サイクル)の実行に相当します。表1は、このような例のコンピューターシステムにおけるメモリ階層の推定値を示しています。
| メモリタイプ | アクセス時間 | 容量 |
|---|---|---|
| プロセッサレジスタ | 0.33 ns | 1サイクル |
| L1キャッシュ | 1 ns | 3サイクル 32 KB |
| L2キャッシュ | 4.7 ns | 14サイクル 6 MB |
| RAM | 83 ns | 250サイクル 8 GB |
| ハードディスク | 15 ms | 4500万サイクル 1 TB |
| インターネット | 80 ms | 2.4億サイクル |
表1:メモリ階層
典型的なコンピューターシステムでは、キャッシュを直接制御しません。最近使用されたデータへのアクセスを高速化するために、自動的に管理されます。では、どのようにしてその速度から恩恵を受けることができるのでしょうか?その仕組みの基本的な理解が必要です。以前は使用されていなかったデータがRAMでアクセスされると、それは読み取られて計算に使用されますが、キャッシュにも入ります。データは1バイトずつ転送されるわけではありません。例えば64バイト幅のキャッシュライン全体が転送されます。RAMからライン全体が読み取られ、キャッシュに保持されるため、他のデータ(キャッシュはRAMより小さいため、最近使用されたエントリのみを保持します)によって置き換えられるまで、これらのバイトのいずれかへのアクセスは高速です。これはキャッシュヒットと呼ばれます。逆はキャッシュミスであり、メインメモリへのアクセスが必要で、はるかに時間がかかります。
これが私たちにとって何を意味するのでしょうか?キャッシュの恩恵を受けるには、頻繁に一緒に使用される値が互いに近くに配置されるように、メモリ内のデータを配置する必要があります。そうすれば、コードが必要とするときにそれらの値がキャッシュに入っている可能性が高くなります。したがって、良い実践には以下が含まれます。
- 配列や
std::vectorのような、メモリの連続領域に値を配置するデータ構造を使用する。 - 使用している言語がメモリ内にデータをどのように配置するか(データ型サイズ、アライメント、パディング)を理解し、コードを書く際にこれを念頭に置く。
- データを可能な限り小さな型(8ビットまたは16ビットの数値やビットフィールドなど)にパックする。そのようなデータを展開するために必要な追加の命令でさえ、キャッシュミス後のメモリアクセスよりも時間がかからない場合があります。
対照的に、悪い実践は、別々に割り当てられ、メモリ中に散らばった多くの小さなオブジェクトを使用することです。同様に、頻繁なキャッシュミスによって引き起こされるパフォーマンスの低下は、リンクリスト、ツリー、グラフのようなポインタを「ジャンプ」してたどるデータ構造に影響を与える可能性があります。
例えば、プログラムで構築し、メモリに保持し、ソートされた順序でたどり、高速に検索する必要があるオブジェクトのコレクションを考えてみましょう。要素をソートされた状態に保つために、何らかの二分木または同様の構造を選択するかもしれません。これは、対数時間で順序を維持し、要素を見つけることができます。STLコンテナのstd::setやstd::mapなどです。しかし、これらの構造は各要素をヒープ上に動的に割り当て、ポインタでリンクするため、構築とたどりが遅くなります。検索の漸近的複雑さはもちろん良いですが、定数因子が上記の理由でパフォーマンスを低下させる可能性があります。
理論的な複雑さで劣らず、実際にはより高速な別の解決策を見つけることができる場合があります。構造を一度構築し、その後要素の挿入や削除が不要になった場合は、通常の配列を使用します。すべての要素を追加した後、一度ソートします。その後、ソートされた配列で二分検索を使用して対数時間で要素を見つけることができます。メモリ内で連続した要素が互いに近くに配置されるため、キャッシュの使用が良好になり、たどりがはるかに高速になります。
様々な操作のパフォーマンス
上記で説明したメモリ階層、つまり各下位レベルへのアクセスが前のレベルよりも遅いという階層は、他の種類の操作にも拡張できます。科学の様々な分野(ニーズの階層など)でピラミッドが描かれるように、「パフォーマンスピラミッド」を想像してください(図2)。これは厳密な分類ではなく、選択された操作を説明する1つの可能な方法にすぎません。各下位レベルの操作は、上位レベルの操作よりも少なくとも1桁遅くなります。効率的なコードを書くためには、これを認識し、可能な限り下位レベルの操作を頻繁に実行しないようにする必要があります。レベルは以下を表します。
[画像: Pyramid of operations from arithmetic to input and output]
図2:様々な種類の操作のパフォーマンス
- 加算、減算、乗算などの算術命令は、ビット演算とともに、プロセッサが実行できる最も高速な計算です。
- 正弦、余弦、対数、平方根、指数関数などのより複雑な数学的演算、および除算を意味する超越関数は、上記のものよりもはるかに遅いです。したがって、それらを避ける価値があります。例えば、数で繰り返し割る代わりに、その逆数を一度計算してからその逆数で掛けることができます。
- RAMへのアクセスは、前述のように、プロセッササイクルの数百倍に相当するコストがかかる場合があります(キャッシュミスが発生した場合)。これは、メモリ中に散らばった小さなオブジェクト(リンクリストなど)から構築されたデータ構造をたどる場合、仮想メソッドを呼び出す場合、あるいはコードの遠く離れた、長時間使用されていない部分にジャンプする場合(コードもRAMに格納されており、現在使用されている部分は命令キャッシュに入ります)など、多くの状況で発生します。
- システムアロケータを介した動的なメモリ割り当ては、コストのかかる操作です。既存のバッファを再利用したり、1つの連続したメモリ領域(配列)に多くのアイテムを格納したり、あるいは事前にプールから割り当てられた断片を分配するカスタムアロケータを書いたりすることで、割り当ての数を減らす価値があります。
- スレッド、ファイル、およびWinAPIハンドルを含む様々な種類のハンドルなどのシステムリソースの作成と使用は、一般的にコストがかかると考えられます。もちろん、リソースの種類とオペレーティングシステムによりますが、システムコール(特にカーネルに到達する必要があるもの)は、独自の関数への呼び出しよりも時間がかかります。リソースに対する操作も、未知数のメモリアクセス、割り当て、およびその他のコストのかかる操作を伴う可能性があります。したがって、個々のバイトに対して
freadやfwriteのような関数を呼び出すのではなく、一度にできるだけ多くのデータを読み書きすることで、入出力を実行する価値があります。 - 最後に、すべての入出力、つまりRAMの外部の世界(ハードディスク(SSDでさえ)、CD/DVD、ネットワークなど)とのデータの読み書きは、前述の操作よりも比較にならないほど遅いです。予測不可能な時間がかかる可能性があります。したがって、そのような操作はバックグラウンドで、非同期に、または別のワーカー・スレッドで実行するのが最善です。
AOSとSOA
パーティクルシステムは、3Dグラフィックスで一般的なエフェクトです。簡単に言うと、パーティクルのコレクションとそのプロパティ(現在の位置、速度、色など)を格納し、各アニメーションフレーム(毎秒数回)で更新およびレンダリングします。前のセクションから推測できるかもしれませんが、パーティクル構造体を個別のオブジェクトとして動的に割り当てるのではなく、配列、つまりメモリの連続領域に格納する必要があります。さらに最適化する方法を見てみましょう。リスト1を見てください。AOS(Array of Structures)と呼ばれる最初の方法は直感的です。1つのパーティクルを表し、すべてのパラメータを記述する構造体を定義します。システム全体を担当するクラスは、パーティクルの数とこれらの構造体の配列へのポインタを格納します。
リスト1. パーティクルシステムにおけるAOS対SOA
// AOS - Array of Structures
struct Particle
{
vec3 Position;
vec3 Velocity;
vec4 Color;
};
class ParticleSystem
{
Particle* Particles;
size_t Count;
};
// SOA - Structure of Arrays
class ParticleSystem
{
vec3* Positions;
vec3* Velocities;
vec4* Colors;
size_t Count;
};
別の方法も可能です。2番目の例はSOA(Structure of Arrays)です。ここでは、パーティクルシステムクラスが、 successive なパーティクルの個々のパラメータを含む配列を直接格納します。位置の配列、速度の配列、色の配列などがあり、すべて同じ数の要素(パーティクル数に等しい)を持ちます。特定のケースによっては、このアプローチは、使用パターンごとにデータをグループ化し、「ホット」データ(今必要でキャッシュに入るもの)を「コールド」データ(今必要としない色など)から分離する場合に、より効率的になる可能性があります。例えば、すべてのパーティクルをたどって、速度から位置を更新したい場合などに発生します。2番目のアプローチでは、これらの値はメモリ内でより近くに配置され、現在必要としていない色とインターリーブされません。図3はレイアウトを示しています。
[画像: Particle data arranged as an array of structures and a structure of arrays]
図3. Array of Structures、Structure of Arrays
C++言語機能
効率的なコードを書くことは、高レベルでのデータ構造とアルゴリズムの設計だけの問題ではありません。個々の関数を書く場合でさえ、パフォーマンスに不必要に悪影響を与える落とし穴を避けるために多くのことができます。C++は多くの便利な機能を提供しますが、それらを使用するか、Cのようにコードを書くかを選択することもできます。
多くの場合、例外処理やRTTIのような機能を完全に無効にすることをあきらめる価値があります。このトピックはやや議論の的となりますが、これらのメカニズムはコードのパフォーマンスに悪影響を与えると言われることがあります。それは、それらが無価値であるとか、実装が悪いという意味ではありません。しかし、私たちのプログラムがそれらを必要とするかどうかを尋ね、必要としない場合は、コンパイラオプションで無効にすることができます。
コンパイラ、標準ライブラリ、またはその他の人気があり実績のあるライブラリの作成者よりも優れたものを書くことはできないという主張が時折繰り返されますが、それは誤りです。彼らのコードは間違いなく優秀なプログラマーによって書かれていますが、独自のプログラムを書く際には、機能が必要な特定のケース、つまりその要件と制約を知っています。したがって、実行時型識別、エラー処理、およびその他の多くのタスクは、プロジェクトのニーズに合わせて、自分で実装する方が良い場合があります。メモリ割り当てが最良の例です。システムアロケータは、汎用アロケータが優れているのと同じように優れています。しかし、プログラムのある部分で、既知の固定サイズのオブジェクトを割り当てる必要があり、それらの数の上限を知っている場合、事前に割り当てられたフリーセルのプール(フリーリスト)に基づいたカスタムアロケータがより効率的であることは間違いありません。
STLにも同じことが言えます。それは非常に良いライブラリです。パフォーマンスを安全性の犠牲にして優先するとさえ言えるかもしれません。例えば、[]演算子でベクター要素にアクセスする際に境界チェックを行いません(少なくともRelease構成では、Visual Studioの実装ではDebugではアサーションでチェックします)。それを使用するには、利用可能な関数やイテレータのような概念だけでなく、その内部実装についての知識と意識が必要です。コンテナのlist、set、multiset、map、multimapは、各要素をメモリ内の個別のオブジェクトとして動的に割り当てるため、前述の理由でパフォーマンスが低下します。対照的に、std::vectorは、通常の配列のように、メモリの連続領域に要素を格納するため、パフォーマンスの低下を恐れることなく、動的に割り当てられた配列の代わりに便利に使用できます(これもRelease構成の場合です。なぜなら、STLを多用するコードは、 precisamente 追加の安全チェックのためにDebugでははるかにパフォーマンスが悪くなるからです)。それでも、Electronic Artsのプログラマーがゲームプログラミング用に最適化されたSTLの代替であるEASTLを作成したように、より良く書くことができるものもあります。そのコード(不完全ですが)は、以前インターネット上で自由に公開されていました。
コンパイラ最適化
コンパイラによって実行される最適化に対して、ある程度の懐疑心を持つことは良いことです。最初の例として、ポインタの間接参照を考えてみましょう。C++キーワードvolatileは、値がプロセッサレジスタに保持されることを許可するような最適化を防ぐために使用されることを知っています。これは、値が予期せず変更される可能性がある場合に使用します。例えば、ハードウェアや別のスレッドが原因で。しかし、それは話の一部にすぎません。そのキーワードなしでも、コンパイラは値が予期せず変更されないとは限らないため、レジスタに保持できない場合があります。これは、例えばリスト2の関数で発生する可能性があります。この単純なコードは、最後のパラメータとして渡されたベクトルを、配列内の各ベクトルに追加します。定数ベクトルsはレジスタまたはスタックに保持される可能性があります。しかし、コンテキストを知らない場合(例えば、関数がインラインでない場合)、コンパイラはポインタsが配列tabの要素のいずれかと同じメモリ位置を指していないとは限りません。そのため、ループの反復ごとにその値が変更される可能性があります。したがって、毎回sが指す値をフェッチする必要があります。これはポインタエイリアシングと呼ばれます。
リスト2. ポインタエイリアシング
void AddVectorToArray(vec3* tab, size_t n, const vec3* s)
{
for(size_t i = 0; i < n; ++i)
tab[i] += *s;
}
ベクトルsをローカル変数に明示的にコピーする、値渡しにする、または非標準キーワード__restrictを使用すると、ここで役立ちます。後者は、現在のスコープでポインタエイリアシングが発生しないことをコンパイラに伝えます。
別の例は、ループ内で変数を宣言することです。コンパイラはintのような単純な型の変数を非常にうまく扱いますが、より複雑な構造の使用については私たちに代わって推論できません。リスト3のコードの最初のバージョンを実験してみましょう。ループは200万回、プレフィックス、数値、およびサフィックスから文字列を構築し、それをグローバル変数にコピーします。私のコンピューターでは、このコードは平均0.36秒かかります。
リスト3. ループ内で文字列を宣言する
for(int i = 0; i < 2000000; ++i)
{
std::string s;
s += "ITER_";
char sz[16];
itoa(i, sz, 10);
s += sz;
s += ".txt";
memcpy(g_Buf, s.c_str(), s.length() + 1);
}
ここで簡単な最適化を行います。リスト4の新しいバージョンでは、文字列はループの前に宣言され、各反復の開始時にclearを呼び出すだけでクリアされます。私のコンピューターでは、このコードは平均0.27秒かかります。
リスト4. ループの外で文字列を宣言する
std::string s;
for(int i = 0; i < 2000000; ++i)
{
s.clear();
s += "ITER_";
char sz[16];
itoa(i, sz, 10);
s += sz;
s += ".txt";
memcpy(g_Buf, s.c_str(), s.length() + 1);
}
コードの2行を変更するという簡単な変更(ロジックを変更せずに)で、実行時間の25%を節約しました。どうしてこれが可能なのでしょうか?答えは、STL stringクラスの内部設計にあります。私が使用したVisual C++ 2012の実装では、そのようなオブジェクトは、vectorのように、必要に応じて内部ストレージを再割り当てして成長できますが、決して縮小しません。要素を削除したり、完全にクリアしたりするだけで、現在の長さがゼロに設定されますが、割り当てられたメモリブロックは同じままです(コンテナのメモリを実際に解放するには、いわゆるスワップトリックを使用する必要があります)。したがって、新しいコンテンツが以前よりも長くない場合、オブジェクトを再利用しても割り当ては必要ありません。一方、前のコードでは、ループの各反復で新しいオブジェクトが作成され、必要なメモリを割り当て、ブレースを閉じるときに破棄され、デストラクタでそのメモリを解放していました。
これにもかかわらず、コンパイラは多くの巧妙な最適化を実行します。スイッチでそれらを制御できます。おそらく誰もが一般的な最適化レベルのスイッチ/O2を知っているでしょう。Visual StudioのRelease構成ではデフォルトで有効になっています。プロジェクトの「Configuration Properties」>「C/C++」設定で、他のいくつかのスイッチを有効にすることも価値があります(各スイッチが何をするか、およびその結果を理解するためにドキュメントを読んだ後)。
- Optimization > Enable Intrinsic Functions = Yes (/Oi)
- Code Generation > Enable Enhanced Instruction Set = Streaming SIMD Extensions 2 (/arch:SSE2)
- Code Generation > Floating Point Model = Fast (/fp:fast)
早すぎる最適化?
多くの人は、「神話的な『最適化』」とは、選択されたルーチンを難解で読みにくいアセンブリ言語で書き直すことを意味すると想像しています。しかし今日では、これはめったに必要ありません。コンパイラは、個々の命令レベルでコードを最適化するのが得意です。それでも、コンパイラが生成したコードを時折検査して理解するために、十分なアセンブリ言語を知っておく価値はあります。
コードのパフォーマンスに対処したくない、できない、または恐れている人々は、しばしばドナルド・クヌースの引用に隠れます。彼は、「早すぎる最適化はすべての悪の根源である」と言ったとされています。しかし、彼の完全な声明は次のとおりです。私たちは小さな効率性については、おそらく時間の97%の間、忘れるべきです。早すぎる最適化はすべての悪の根源です(Knuth, Donald (December 1974). “Structured Programming with go to Statements.” ACM Journal Computing Surveys 6 (4): 268)。これは、彼が前のページで行ったこと、つまりgotoステートメントでループコードを12%高速化したことを指していました。重要なのは、最適化を完全に無視すべきだということではありません。設計から言語構成要素の良い習慣まで、コードを書く際には常にパフォーマンスについて考えるべきです。
最適化とは、プログラムがすでに書かれた後に行うものだと言う人もいます。プロファイラを実行し、総実行時間の30%を占める関数を見つけ、それを最適化しようとします。しかし、時には、パフォーマンスに決定的な単一の関数や小さな関数のグループがない場合があります。プログラムのさまざまな部分がそれぞれ時間の小さな割合を占め、プログラム全体が一般的に貧弱に書かれているために遅くなります。実行時間の長い関数を最適化するためにデータ構造を再設計し、プログラムの大部分を書き直す必要があることがわかっても、状況は改善されません。だからこそ、日常のプログラミング作業でコードのパフォーマンスを気にかける価値があるのです。
ウェブ上
- Daniel Collin, “Introduction to Data-Oriented Design”
- Tony Albrecht, “Pitfalls of Object Oriented Programming”
- Gustavo Duarte, “What Your Computer Does While You Wait”
- Mick West, “MatureOptimization”, GameDeveloper Magazine, 2006
Adam Sawicki
2013年4月