Mike Acton论 C++ 中数据导向设计的性能优化

CppCon

总结：

Mike Acton 在 C++ 数据导向设计方面的演讲重点强调了在游戏开发等性能关键领域中，将数据转换作为程序核心目标的重要性。他批判了传统 C++ 中的“三大谎言”：软件即平台、代码应围绕世界模型设计、代码比数据更重要，并强调了理解硬件成本和数据转换效率的重要性。他通过具体的代码优化示例，展示了数据对齐和消除幽灵读写如何显著提升性能和缓存效率。

介绍 [00:00:00]

视频介绍了 Mike Acton，他是 Insomniac Games 的引擎总监，他将讨论数据导向设计及其在 C++ 中的应用。

背景 [00:00:27]

• 演讲者被要求向游戏行业的听众发表演讲。[00:00:30]
• 游戏行业，尤其是主机游戏开发，主要基于 C++。
• Insomniac Games 是一家可靠的公司，每年发布两款主机游戏。

Insomniac Games 团队 [00:01:05]

• 该团队主要构建运行时系统，特别是那些需要最高性能的系统。[00:01:20]
• 运行时系统包括渲染、动画、流媒体和导航。

  

• 该团队还开发工作室内部使用的开发工具，例如关卡创建、光照和材质编辑工具。

  

价值观 [00:02:38]

• 严格的截止日期是关键，因为游戏发布日期提前几年确定，营销预算数百万美元。[00:02:44]
• 软实时性能要求至关重要，通常帧速率在 16 毫秒或 33 毫秒范围内。[00:03:18]
• 可用性对于确保团队可以快速构建游戏至关重要。[00:03:37]
• 性能至关重要，因为它能为解决新问题腾出空间。[00:04:03]
• 可维护性和可调试性也很重要，尤其是在发布多个游戏和不断开发引擎和工具的情况下。[00:04:16]

  

使用的语言 [00:04:37]

• C++ 是主要语言，约占代码库的 70%。

  

• 其他语言包括 C、汇编语言、Perl、JavaScript 和 C#。
• 首选目标是汇编语言。
• 演讲者还提到了 GPU 相关的着色器，如像素着色器、顶点着色器、几何着色器和计算着色器。

数据导向设计 [00:06:01]

• 所有程序及其组成部分的目的都是将数据从一种形式转换为另一种形式。[00:06:09]

  

• 如果不理解数据，就无法理解问题。
• 不同的问题需要不同的解决方案。
• 如果不了解解决问题的成本，就无法理解问题。

数据导向设计原则 [00:07:30]

1. 软件即平台 [00:07:34]
2. 代码应围绕世界的模型进行设计 [00:07:55]
3. 代码比数据更重要 [00:08:07]

   

谎言1：软件即平台 [00:08:10]

• 硬件才是平台。

  

• 不同的硬件导致不同的解决方案。
• 无法独立于平台的约束条件制定解决方案。
• 现实不是权宜之计，而是要解决的实际问题。
• 如果有实际上有效的方式，那么你认为的正确方式是错误的。

谎言 2：代码应围绕世界的模型进行设计 [00:10:17]

• 它混淆了数据属性的维护和理解。
• 这导致难以解决问题。
• 世界建模意味着与实时转换有关。[00:11:13]
• 不同的类表面上是相似的，但数据转换有所不同。

  

• 世界建模导致了不相关的单一数据结构。

谎言 3：代码比数据更重要 [00:12:40]

• 代码的目的是转换数据。[00:13:00]
• 程序员负责数据的转换。
• 只编写具有可证明价值的代码。
• 没有理想的抽象解决方案。
• 无法进行面向未来的编码。
• 谎言会导致性能差、并发性差、可优化性差、稳定性和可测试性差。

数据导向设计的简单示例 [00:14:51]

• 字典查找用于根据键获取值。[00:14:55]
• 传统的代码方法将键值对存储在一起。

  

• 最常见的操作是在键上搜索，并且很少需要值。
• 因此键值对并不是真正相关的。

  

• 访问键的带宽正在浪费带宽，因为它们会立即被丢弃。
• 实际的进程是将键和值分开存储以优化访问。

  

• 这允许缓存只加载最需要的数据。

  

规则 [00:21:54]

1. 消除幽灵读取和写入
2. 尽可能为编译器提供帮助。[00:23:08]

实例研究 [00:24:25]

• 演讲者解释了更新虚构函数并减少代码的示例。
• 初始代码输出的指令数量多，效率低下。

  

• 内存访问和缓存的成本很重要。

  

• 内存缓存的速度差异非常大，主内存访问比寄存器访问慢数百倍。

  

• 优化后的函数通过数据对齐减少了 L2 缓存未命中和内存浪费。

  

• 优化的结果显示 10 倍的性能提升，提高了系统效率。

  

• 消除布尔值以提高信息密度。

  

• 不仅节省了空间，还避免了因布尔值对齐而导致的额外内存读取。

  

• 编译器对这种优化的理解有限。

  

• 编译器在处理复杂或非直观的代码时，可能无法像人类一样进行高级优化。

  

• 通过预计算和重新组织数据，可以消除幽灵读写，从而提高性能。

  

• 输出经过压缩后，数据传输量大大减少，表明原始数据中存在大量冗余。

  

• 优化后的代码能够有效地利用缓存，从而显著提高性能。

  

• 复杂的构造函数可能导致未管理的读取和写入，从而影响性能。

  

• 数据集越大，性能优化所能带来的影响就越大。

  

• 优化后的数据结构和算法显著提升了性能，降低了内存访问成本。

  

• 演讲者通过将数据分解为可管理的独立状态来优化复杂的树形遍历算法。

  

• 这种方法在提高性能的同时，也使得代码更易于理解和维护。

  

• 函数调用中的过度复杂性也会导致性能问题。

  

• 这种复杂性可能导致编译器无法进行有效的优化，从而需要手动预处理数据。

  

• 优化数据结构以匹配硬件的缓存行为，可以最大限度地减少内存访问延迟。

  

• 对于通用性需求较高的代码，需要针对不同平台和使用场景进行定制优化。

  

问题和解答 [00:34:08]

• 解决代码重复：使用其他文本处理工具生成代码。
• 处理不同平台：了解最大最小值，为某个范围优化代码。

结论 [00:37:05]

• 程序员应了解数据及其成本，并避免代码设计中常见的陷阱。
• 最好的代码是不需要的代码。[00:39:06]
• Mike 以 Christopher Ericsson 的一句引言结束了演讲。