卓越飞翔博客
有时，一个人的代码必须简单地执行，而诸如美观、“聪明”或对单一语言解决方案的承诺之类的原则则完全不适用。
在 tprc 我做了一个演讲（这里是幻灯片）关于如何做到这一点
可以针对生物信息学应用程序完成，但我认为有必要使用一个更简单的示例来说明最大化 perl 性能的潜在场所
程序员在数据密集型应用程序中工作时可以随意使用。
所以这是一个玩具问题来说明这些选项。给定一个非常大的双精度浮点数组使用以下函数将它们变换：cos(sin(sqrt(x)))。
该函数有 3 个嵌套的浮点运算。这是一个评估成本高昂的函数，尤其是在必须计算大量值的情况下。我们可以合理生成
使用以下代码快速获取 perl 中的数组值（以及我们将要检查的解决方案的一些副本）：
my $num_of_elements = 50_000_000;
my @array0 = map { rand } 1 .. $num_of_elements; ## generate random numbers
my @array1 = @array0; ## copy the array
my @array2 = @array0; ## another copy
my @array3 = @array0; ## yet another copy
my @rray4 = @array0; ## the last? copy
my $array_in_pdl = pdl(@array0); ## convert the array to a pdl ndarray
my $array_in_pdl_copy = $array_in_pdl->copy; ## copy the pdl ndarray
可能的解决方案包括以下：
在 perl 中使用 for 循环进行就地修改。
for my $elem (@array0) {
$elem = cos( sin( sqrt($elem) ) );
}
使用内联 c 代码遍历数组并在 c 中就地转换。 。有效地使用 c 进行就地映射。在 c 中访问 perl 数组（c 中的 av*）的元素尤其如此
如果使用 perl 5.36 及更高版本，则性能更高，因为该版本的 perl 中引入了优化的获取函数。
void map_in_c(av *array) {
int len = av_len(array) + 1;
for (int i = 0; i
<p><strong>使用内联 c 代码来转换数组，但将转换分解为 3 个连续的 c for 循环。</strong> 这是一个真正关于权衡的实验：现代 x86 处理器有一个专门的，<br>
向量化平方根指令，因此编译器也许可以弄清楚如何使用它来加速至少一部分计算。另一方面，我们将降低算术强度<br>
每个循环并访问相同的数据值两次，因此可能会为这些重复的<a style="color:#f60; text-decoration:underline;" href="https://www.php.cn/zt/35234.html" target="_blank">数据访问</a>付出代价。<br></p>
<pre class="brush:php;toolbar:false">void map_in_c_sequential(av *array) {
int len = av_len(array) + 1;
for (int i = 0; i
<p><strong>使用 openmp 并行化 c 函数循环。</strong> 在上一篇文章中，我们讨论了如何从 perl 中控制 openmp 环境并编译 openmp 感知的 inline::c 代码<br>
由 perl 使用，所以让我们将这些知识付诸实践！在程序的 perl 方面，我们将这样做：<br></p>
<pre class="brush:php;toolbar:false">use v5.38;
use alien::openmp;
use openmp::environment;
use inline (
c => 'data',
with => qw/alien::openmp/,
);
my $env = openmp::environment->new();
my $threads_or_workers = 8; ## or any other value
## modify number of threads and make c aware of the change
$env->omp_num_threads($threads_or_workers);
_set_num_threads_from_env();
## modify runtime schedule and make c aware of the change
$env->omp_schedule("guided,1"); ## modify runtime schedule
_set_openmp_schedule_from_env();
在程序的 c 部分，我们将执行此操作（已经讨论了 openmp 环境的辅助函数
之前，因此这里不再重复）。
#include <omp.h>
void map_in_c_using_omp(av *array) {
int len = av_len(array) + 1;
#pragma omp parallel
{
#pragma omp for schedule(runtime) nowait
for (int i = 0; i
<p><strong>perl 数据语言 (pdl) 可以拯救你。</strong> pdl 模块集是另一种加速操作的方法，可以将程序员从 c 语言中解救出来。它还能在给定正确指令的情况下自动并行化，所以为什么不使用它呢？<br></p>
<pre class="brush:php;toolbar:false">use pdl;
## set the minimum size problem for autothreading in pdl
set_autopthread_size(0);
my $threads_or_workers = 8; ## or any other value
## pdl
## use pdl to modify the array - multi threaded
set_autopthread_targ($threads_or_workers);
$array_in_pdl->inplace->sqrt;
$array_in_pdl->inplace->sin;
$array_in_pdl->inplace->cos;
## use pdl to modify the array - single thread
set_autopthread_targ(0);
$array_in_pdl_copy->inplace->sqrt;
$array_in_pdl_copy->inplace->sin;
$array_in_pdl_copy->inplace->cos;
使用8个线程我们得到这样的东西
inplace benchmarks
inplace in perl took 2.85 seconds
inplace in perl/mapcseq took 1.62 seconds
inplace in perl/mapc took 1.54 seconds
inplace in perl/c/omp took 0.24 seconds
pdl benchmarks
inplace in pdl - st took 0.94 seconds
inplace in pdl - mt took 0.17 seconds
使用16个线程我们得到了这个！
Starting the benchmark for 50000000 elements using 16 threads/workers
Inplace benchmarks
Inplace in Perl took 3.00 seconds
Inplace in Perl/mapCseq took 1.72 seconds
Inplace in Perl/mapC took 1.62 seconds
Inplace in Perl/C/OMP took 0.13 seconds
PDL benchmarks
Inplace in PDL - ST took 0.99 seconds
Inplace in PDL - MT took 0.10 seconds
一些观察：
- openmp 和 pdl 的多线程 (mt) 会响应工作线程的数量，而解决方案则不会。因此，这些基准测试中纯 perl 和内联非 openmp 解决方案的时序给出了 性能自然变化的想法
- 用 c 语言编写地图版本的代码，性能提高了约 180%（对比 perl 和 perl/mapc）。
- 在单线程中使用 pdl 性能提高了 285-300%（对比 pdl - st 和 perl 计时）。 重复内存访问是要付出代价的（对比 perl/mapc 与 perl/mapcseq）
- openmp 和多线程 pdl 操作提供了类似的性能（尽管 pdl 在这些示例中显得更快）。代码运行速度快了 23-30 倍。
