Bagaimanakah Pengoptimuman Pemasangan boleh Meningkatkan Prestasi Algoritma Popcount Kedudukan pada Bait?

Bagaimana untuk Mengoptimumkan Popcount Kedudukan 8-bit ini menggunakan Assembly?

Pelaksanaan __mm_add_epi32_inplace_purego dalam Go adalah suboptimum disebabkan oleh lulus yang mahal daripada [8]int32 tatasusunan. Untuk meningkatkan prestasi, adalah disyorkan untuk menghantar penuding kepada tatasusunan sebaliknya.

Walau bagaimanapun, persoalannya melangkaui mengoptimumkan fungsi khusus ini dan meneroka pengoptimuman gelung dalam menggunakan pemasangan untuk algoritma kiraan populasi kedudukan pada bait .

Pengoptimuman Perhimpunan

Kod pemasangan yang disediakan menawarkan dua варианты algoritma kiraan populasi kedudukan:

• 32 Bait pada Satu Masa tanpa CSA (Penambah Jumlah Malar)
• 96 Bait Sekaligus dengan CSA

Penambahbaikan Diperkenalkan

Kod pemasangan menggunakan pelbagai teknik untuk menambah baik prestasi:

• Prafetching: Prafetch data ke hadapan untuk mengurangkan cache missed.
• Vectorization: Menggunakan arahan SIMD (Single Instruction Multiple Data) untuk memproses berbilang bait secara serentak.
• Pop Count Intrinsik: Menggunakan fungsi intrinsik untuk mengira populasi bit dengan cekap.
• Pengoptimuman Menjalankan: Mengambil kesempatan daripada pelaksanaan nilai yang dialihkan untuk melaksanakan pengiraan populasi yang cekap.
• Varian 96-Bait dengan CSA: Melaksanakan teknik yang dipanggil Penambahan Jumlah Malar untuk mengurangkan bilangan operasi dan menambah baik prestasi sehingga 30%.

Tanda Aras Prestasi

Tanda aras menunjukkan bahawa pengoptimuman pemasangan menghasilkan peningkatan prestasi yang ketara berbanding dengan pelaksanaan rujukan naif dalam Go tulen :

• Reg (varian 32-bait): Sehingga 4998.53 MB/s
• RegCSA (varian 96-bait dengan CSA): Sehingga 16053.40 MB/s

Kod Sumber Penuh

Kod sumber lengkap untuk kedua-dua varian pemasangan boleh didapati di GitHub. Kod ini juga termasuk perpustakaan mudah alih yang boleh digunakan untuk kedua-dua varian dalam mana-mana program Go.

Kesimpulan

Dengan melaksanakan algoritma kiraan populasi kedudukan dalam pemasangan, prestasi yang ketara keuntungan boleh dicapai. Kod pemasangan yang disediakan menggunakan pelbagai pengoptimuman untuk memaksimumkan daya pemprosesan. Untuk butiran dan contoh lanjut, sila rujuk repositori GitHub.

Atas ialah kandungan terperinci Bagaimanakah Pengoptimuman Pemasangan boleh Meningkatkan Prestasi Algoritma Popcount Kedudukan pada Bait?. Untuk maklumat lanjut, sila ikut artikel berkaitan lain di laman web China PHP!