上一篇文章帶你玩轉Visual Studio——VC++的多執行緒開發講了VC++中多執行緒的主要用法。多執行緒是提升效能和解決併發問題的有效途經。在商用程式的開發中，效能是一個重要的指標，程式的效能優化也是一個重要的工作。

找到效能瓶頸

二八法則適合很多事物：最重要的只佔其中一小部分，約20%，其餘80%的儘管是多數，卻是次要的。在程式程式碼中也是一樣，決定應用效能的就那20%的程式碼(甚至更少)。因此優化實踐中，我們將精力集中優化那20%最耗時的程式碼上，這那20%的程式碼就是程式的效能瓶頸，主要針對這部分程式碼進行優化。

常見優化方法：

這部分我就不寫，直接參見《效能調優攻略》，因為我沒有自信能寫出比這更好的。

如果不想這麼深入地瞭解，看看《C++程式常見的效能調優方式》這篇文章也是不錯的。

應用案例

我們以一個應用案例來講解，以至於不會那麼乏味難懂。

我們知道能被1和它本身整除的整數叫質數，假設1到任意整數N的和為Sn(Sn=1+2+3+…+n)。現在要求10000到100000之間所有質數和Sn。

可能你會覺得這問題不是So Easy嗎！都不用腦袋想，咣噹一下就把程式碼寫完了，程式碼如下：

#include <iostream>
#include <windows.h>

// 定義64位整形
typedef __int64 int64_t;

// 獲取系統的當前時間，單位微秒(us)
 

int64_t GetSysTimeMicros()
{
    // 從1601年1月1日0:0:0:000到1970年1月1日0:0:0:000的時間(單位100ns)
#define EPOCHFILETIME   (116444736000000000UL)
    FILETIME ft;
    LARGE_INTEGER li;
    int64_t tt = 0;
    GetSystemTimeAsFileTime(&ft);
    li.LowPart = ft.dwLowDateTime;
    li.HighPart = ft.dwHighDateTime;
    // 從1970年1月1日0:0:0:000到現在的微秒數(UTC時間)
 

    tt = (li.QuadPart - EPOCHFILETIME) / 10;
    return tt;
}

// 計算1到n之間所有整數的和
int64_t CalculateSum(int n)
{
    if (n < 0)
    {
        return -1;
    }

    int64_t sum = 0;
    for (int i = 0; i < n; i++)
    {
        sum += i;
    }
    return sum;
}

// 判斷整數n是否為質數
bool IsPrime(int n)
{
    if (n < 2)
    {
        return false;
    }

    for (int i = 2; i < n; i++)
    {
        if (n %i == 0)
        {
            return false;
        }
    }

    return true;
}


void PrintPrimeSum()
{
    int64_t startTime = GetSysTimeMicros();
    int count = 0;
    int64_t sum = 0;
    for (int i = 10000; i <= 100000; i++)
    {
        if (IsPrime(i))
        {
            sum = CalculateSum(i);
            std::cout << sum << "\t";
            count++;
            if (count % 10 == 0)
            {
                std::cout << std::endl;
            }
        }
    }
    int64_t usedTime = GetSysTimeMicros() - startTime;
    int second = usedTime / 1000000;
    int64_t temp = usedTime % 1000000;
    int millise = temp / 1000;
    int micros = temp % 1000;
    std::cout << "執行時間:" << second << "s " << millise << "' " << micros << "''" << std::endl;
}

然後一執行，耗時9s 659’ 552”(9秒659毫秒552微秒)。我想這肯定不是你要的結果(太慢了)，如果你覺得還滿意，那下面的就可以不用看了。

VS的效能分析工具

效能分析工具的選擇

開啟一個“效能分析”的會話:Debug->Start Diagnotic Tools Without Debugging(或按Alt+F2)，VS2013在Analysis選單中。

效能分析

CPU Usage

檢測CPU的效能，主要用於發現影響CPU瓶頸(消耗大量CPU資源)的程式碼。

GPU Usage

檢測GPU的效能，常用於圖形引擎的應用(如DirectX程式)，主要用於判斷是CPU還是GPU的瓶頸。

Memory Usage

檢測應用程式的記憶體，發現記憶體。

Performance Wizard

效能(監測)嚮導，綜合檢測程式的效能瓶頸。這個比較常用，下面再逐一說明。

效能(監測)嚮導

1. 指定效能分析方法；
   
   效能分析方法
   CPU Sampling(CPU取樣)：
   進行取樣統計，以低開銷水平監視佔用大量CPU的應用程式。這個對於計算量大的程式可大大節省監控時間。
   Instrumentation(檢測)：
   完全統計，測量函式呼叫計數和用時
   .NET memory allocation(.NET 記憶體分配)：
   跟蹤託管記憶體分配。這個好像只有託管程式碼(如C#)才可用，一般以C++程式碼好像不行。
   Resource contention data(併發)：
   檢測等待其他執行緒的執行緒，多用於多執行緒的併發。
2. 選擇要檢測的模組或應用程式；
3. 啟動分析程式進行監測。

效能分析報告

程式分析完成之後會生成一個分析報告，這就是我們需要的結果。

效能分析報告概要

檢視型別

有幾個不同的檢視可供我們切換，下面加粗的部分是個人覺得比較方便和常用的檢視。
Summary(概要):整個報告概要說明
Call Tree(呼叫樹):以樹形表格的方式展開函式之間的關係。
Module(模組):分析呼叫的不同的程式模組，如不同的DLL、lib模組的耗時
Caller/Callee(呼叫與被呼叫):以數值顯示的呼叫與被呼叫的關係
Functions(函式統計):以數值顯示的各個函式的執行時間和執行次數統計值
Marks(標記):
Processers(程序):
Function Detials(函式詳情):以圖表的方式形象地顯示：呼叫函式-當前函式-被呼叫子函式之間的關係和時間比例。

呼叫樹

函式詳情

函式統計

專用術語

如果是第一次看這報告，你還不一定能看懂。你需要先了解一些專用術語(你可以對照著Call Tree檢視和Functions檢視去理解)：
Num of Calls:(函式)呼叫次數
Elapsed Inclusive Time:已用非獨佔時間
Elapsed Exclusive Time:已用獨佔時間
Avg Elapsed Inclusive Time:平均已用非獨佔時間
Avg Elapsed Exclusive Time:平均已用獨佔時間
Module Name:模組名稱，一般為可執行檔案(.exe)、動態庫(.dll)、靜態庫(.lib)的名稱。

也許看完你還迷糊，只要理解什麼是獨佔與非獨佔你就都明白了。

什麼是獨佔與非獨佔

非獨佔樣本數是指的包括了子函式執行時間的總執行時間
獨佔樣本數是不包括子函式執行時間的函式體執行時間，函式執行本身花費的時間，不包括子(函式)樹執行的時間。

解決應用案例問題

我們已經大致瞭解了VS2015效能分析工具的使用方法。現在迴歸本質，解決上面提及的應用案例的問題。

1、我們選擇Function Detials檢視，從根函式開始依據百分比最大的項選擇，直到選擇PrintPrimeSum，這時可以看到如下圖：

找出效能瓶頸1
我們可以看到IO佔了50%多(49.4%+9.7%)的時間，所以IO是最大的效能瓶頸。其實，有一定程式設計經驗的人應該都能明白，在控制檯輸出資訊是很耗時的。我們只是需要結果，不一定非要在控制中全部輸出(這樣還不便檢視)，我們可以將結果儲存到檔案，這樣也比輸出到控制檯快。

注：上圖所示的時間，應該是非獨佔時間的百分比。

知道了瓶頸，就改進行程式碼優化吧：

void PrintPrimeSum()
{
    int64_t startTime = GetSysTimeMicros();
    std::ofstream outfile;
    outfile.open("D:\\Test\\PrimeSum.dat", std::ios::out | std::ios::app);
    int count = 0;
    int64_t sum = 0;
    for (int i = 10000; i <= 100000; i++)
    {
        if (IsPrime(i))
        {
            sum = CalculateSum(i);
            outfile << sum << "\t";
            count++;
            if (count % 10 == 0)
            {
                outfile << std::endl;
            }
        }
    }
    outfile.close();
    int64_t usedTime = GetSysTimeMicros() - startTime;
    int second = usedTime / 1000000;
    int64_t temp = usedTime % 1000000;
    int millise = temp / 1000;
    int micros = temp % 1000;
    std::cout << "執行時間:" << second << "s " << millise << "' " << micros << "''" << std::endl;
}

再次執行，發現時間一下減小到：3s 798’ 218”。效果很明顯！

2、但這還不夠，繼續檢查別的問題，對新程式碼再次用效能分析工具檢測一下。

找出效能瓶頸2

我們發現IsPrime函式佔用了62%的時間，這應該是一個瓶頸，我們能不能對其進行演算法的優化？仔細想想，上面求質數的方法其實是最笨的方法，稍微對其進行優化一下：

// 判斷整數n是否為質數
bool IsPrime(int n)
{
    if (n < 2)
    {
        return false;
    }

    if (n == 2)
    {
        return true;
    }

    //把2的倍數剔除掉
    if (n%2 == 0)
    {
        return false;
    }

    // 其實不能被小於n的根以下的數整除，就是一個質數
    for (int i = 3; i*i <= n; i += 2)
    {
        if (n % i == 0)
        {
            return false;
        }
    }

    return true;
}

再次執行，發現時間一下減小到：1s 312’ 75”，幾乎減了一半的時間。

3、這還是有點慢，再看看還能不能進行優化。對新程式碼再次用效能分析工具檢測一下。

找出效能瓶頸2

CalculateSum函式佔了88.5%的時間，這絕對是影響目前程式效能的主要因素。對其進行。仔細想想，求1到N的和其實就是求1、2、3 … N的等差數列的和。優化程式碼如下：

// 計算1到n之間所有整數的和
int64_t CalculateSum(int n)
{
    if (n < 0)
    {
        return -1;
    }

    //(n * (1 + n)) / 2
    return ( n * (1 + n) ) >> 1;
}

再次執行，發現時間一下減小到：0s 91’ 6”，一秒中之內，基本上可以滿足要求子。

總結

程式效能調優，就是數上面這樣一點點地改進的過程，直到滿足應用的要求。上面只用了一個檢視的一種統計指標(各函式所用時間佔總時間的百分比)，就解決了問題。對於大型的複雜應用程式，我們可以結果多種檢視的多種統計指標進行綜合判斷，找出程式效能的瓶頸！

下一篇要講述的內容：
帶你玩轉Visual Studio——單元測試