C程式最佳化之路（二）

本文講述在編寫C程式碼的常用最佳化辦法，分為I/O篇，記憶體篇，演算法篇，MMX彙編篇。

二．記憶體篇

       在上一篇中我們講述了如何最佳化檔案的讀寫，這一篇則主要講述對記憶體操作的最佳化，主要有數組的定址，指標鏈表等，還有一些實用技巧。

I．最佳化數組的定址

       在編寫程式時，我們常常使用一個一維數組a[M×N]來類比二維數組a[N][M]，這個時候訪問a[]一維數組的時候：我們經常是這樣寫a[j×M＋i]（對於a[j][i]）。這樣寫當然是無可置疑的，但是顯然每個定址語句j×M＋i都要進行一次乘法運算。現在再讓我們看看二維數值的定址，說到這裡我們不得不深入到C編譯器在申請二維數組和一維數組的內部細節上――實際在申請二位元組和一維數組，編譯器的處理是不一樣的，申請一個a[N][M]的數組要比申請一個a[M×N]的數組佔用的空間大！二維數組的結構是分為兩部分的：

① 是一個指標數組，儲存的是每一行的起始地址，這也就是為什麼在a[N][M]中，a[j]是一個指標而不是a[j][0]資料的原因。

② 是真正的M×N的連續資料區塊，這解釋了為什麼一個二維數組可以象一維數組那樣定址的原因。（即a[j][i]等同於(a[0])[j×M＋i]）

清楚了這些，我們就可以知道二維數組要比（類比該二維數組的）一維數組定址效率高。因為a[j][i]的定址僅僅是訪問指標數組得到j行的地址，然後再+i,是沒有乘法運算的！

    所以，在處理一維數組的時候，我們常常採用下面的最佳化辦法：（偽碼例子）

    int a[M*N];
    int *b=a;
    for(…)
    {
        b[…]=…;
        …………
        b[…]=…;
        b+=M;
    }

這個是遍曆訪問數組的一個最佳化例子，每次b+=M就使得b更新為下一行的頭指標。當然如果你願意的話，可以自己定義一個數組指標來儲存每一行的起始地址。然後按照二維數組的定址辦法來處理一維數組。不過，在這裡我建議你乾脆就直接申請一個二維數組比較的好。下面是動態申請和釋放一個二維數組的C代碼。

int get_mem2Dint(int ***array2D, int rows, int columns)     //h.263原始碼
{
    int i;

    if((*array2D = (int**)calloc(rows, sizeof(int*))) == NULL) no_mem_exit(1);
    if(((*array2D)[0] = (int* )calloc(rows*columns,sizeof(int ))) == NULL) no_mem_exit(1);

for(i=1 ; i<rows ; i++)
        (*array2D)[i] =  (*array2D)[i-1] + columns  ;

return rows*columns*sizeof(int);
}

void free_mem2D(byte **array2D)
{
    if (array2D)
    {
        if (array2D[0])
            free (array2D[0]);
        else
            error ("free_mem2D: trying to free unused memory",100);

        free (array2D);
    }
    else
    {
        error ("free_mem2D: trying to free unused memory",100);
    }
}

順便說一下，如果你的數組定址有一個位移量的話，不要寫為a[x+offset]，而應該為 b=a+offset，然後訪問b[x]。

不過，如果你不是處理對速度有特別要求的程式的話，這樣的最佳化也就不必要了。記住，如果編普通程式的話，可讀性和可移值性是第一位的。

II．從負數開始的數組

       在編程的時候，你是不是經常要處理邊界問題呢？在處理邊界問題的時候，經常下標是從負數開始的，通常我們的處理是將邊界處理分離出來，單獨用額外的代碼寫。那麼當你知道如何使用從負數開始的數組的時候，邊界處理就方便多了。下面是靜態使用一個從－1開始的數組：

int a[M];

int *pa=a+1;

現在如果你使用pa訪問a的時候就是從－1到M－2了，就是這麼簡單。（如果你動態申請a的話，free（a）可不要free（pa）因為pa不是數組的頭地址）

III．我們需要鏈表嗎

       相信大家在學習《資料結構》的時候，對鏈表是相當熟悉了，所以我看有人在編寫一些耗時演算法的時候，也採用了鏈表的形式。這樣編寫當然對記憶體的佔用（似乎）少了，可是速度呢？如果你測試：申請並遍曆10000個元素鏈表的時間與遍曆相同元素的數組的時間，你就會發現時間相差了百倍！（以前測試過一個演算法，用鏈表是1分鐘，用數組是4秒鐘）。所以這裡我的建議是：在編寫耗時大的代碼時，儘可能不要採用鏈表！

       其實實際上採用鏈表並不能真正節省記憶體，在編寫很多演算法的時候，我們是知道要佔用多少記憶體的（至少也知道個大概），那麼與其用鏈表一點點的消耗記憶體，不如用數組一步就把記憶體佔用。採用鏈表的形式一定是在元素比較少，或者該部分基本不耗時的情況下。

(我估計鏈表主要慢是慢在它是一步步申請記憶體的，如果能夠象數組一樣分配一個大記憶體塊的話，應該也不怎麼耗時，這個沒有具體測試過。僅僅是猜想 :P)