优化(Optimization)和剖析器(Profiler)概要

为什么要优化？
能够运行的程序不一定是可以发布的程序，功能齐全而且能够以用户可以接受的效率运行、消耗可以接受的资源的才是可以发布的程序，所以，在保证程序功能正确齐全的前提下，可能还需要做代码优化。


何时优化？
过早的优化往往带来代码可读性下降，引入bug，一般在项目后期才考虑“系统的优化”，但是在coding的过程中，程序员应该有意识的采用高效的算法，在一些编程细节上采用优化的代码风格。程序整个体系结构对效率的影响相当大，所以，不要以为优化只是最后的事情。


优化到什么程度？
需要一个benchmark，设立优化的目标，一般以用户的体验为基准，不能盲目的优化。


优化什么代码？
10%-90%现象，10%的代码消耗的90%的资源，只有对这10%的代码进行优化才有意义。对于整个程序影响不大的代码，有时间优化当然好，但是没有必要放在高优先级位置。


如何找到那10%的代码？
简单的程序可以通过肉眼观察发现热点（hotspot，最消耗时间和资源的代码段），复杂的程序就超出人的智力范围了，需要Profiler来发现热点。而且，优化的过程就是发现热点，修改代码，检查性能的循环过程，很有可能程序员主管上觉得提高性能的改变实际上降低了性能，科学的办法就是用profiler发现热点，分析热点，修改热点代码，然后马上用profiler重新测量热点执行效率，验证代码修改是否真的提高效率。


什么是Profiler?
Profiler也就是剖析器，它能够获得被profile的程序运行数据，比如函数或者指令的执行时间和执行次数，程序员由此可以判断哪些函数或者指令是热点。


Profiler的工作原理？
最有意思的部分：）

Profiler分两种，被动的和主动的。被动的Profiler对被剖析的程序不作任何修改，用取样(sampling)的方法获得运行数据；主动Profiler需要对程序进行一些修改。

被动的Profiler好比拿着秒表的教练，在一旁监测运动员成绩，不会对运动员有什么干扰。原理上，可以通过设置定时中断，每隔一段时间中断被剖析程序，读取相关数据，然后让其继续。这种采样的方式的精确度很大程度上取决于中断频率的选择，太频繁了会干扰程序的正常执行，不频繁又不会获得精确数据。从某Profiler的生产商的白皮书认为被动式Profiler缺点大于优点，鉴于这个生产商有自己的主动式Profiler，这点不敢完全苟同：）

主动式Profiler好比科技型教练，在运动员身上安上一些设备，然后通过这些设备全面了解运动员的速度、心跳、体温等等数据，获得的数据自然比用秒表获得的要多得多，但是如果放在运动员身上的数据太多，也会影响运动员的表现，从而获得不实的数据。主动式Profiler通过在source code或者object文件中插入一些小代码来记录程序运行数据，还有更加高级的Profiler既不修改source code，也不修改object文件，而是通过动态的把可执行代码拆开成中间结果，插入一些观测点，然后产生新的临时执行代码。

修改source code，可以是程序员显示的在代码中加入宏来实现，也可在预处理阶段插入，现在compiler的提供商一般都附送一个profiler，连gcc都有一个gprof。修改object文件差不多，只不过时机不同。

需要说明的是，主动式Profiler也可能导致测量结果和实际情况不符合，因为文件大小不一样，函数偏移不一样。

主动式Profiler能够获得函数或者代码行甚至机器语言命令的执行效率，有两个衡量方法，一个是执行时间，另一个是执行的机器时钟周期。执行时间很可能不准，因为插入的代码会消耗时间，系统中其他运行的程序也会占用CPU，但是对于函数级的代码段，可以通过多次运行，去掉最高分，去掉最低分，去平均值的方法获得近似结果，对于单条代码行或单条汇编代码，就不太合适了，应该以机器时钟周期为单位测量。不过，现在的CPU采用的流水线执行方式，当出现条件跳转时，获得的时钟周期也可能不准。

唉，优化真的不是容易活啊