A01: phonebook

tags: sysprog2016

主講人: jserv / 課程討論區: 2016 年系統軟體課程

返回「進階電腦系統理論與實作」課程進度表

作業解說 video，請對照觀看

預期目標

• 準備 GNU/Linux 開發工具
• 學習使用 Git 與 GitHub
• 學習效能分析工具
• 研究軟體最佳化

Linux 效能分析工具: Perf

• Perf 全名是 Performance Event，是在 Linux 2.6.31 以後內建的系統效能分析工具，它隨著核心一併釋出。藉由 perf，應用程式可以利用 PMU (Performance Monitoring Unit), tracepoint 和核心內部的特殊計數器 (counter) 來進行統計，另外還能同時分析運行中的核心程式碼，從而更全面了解應用程式中的效能瓶頸
• 詳細閱讀 Linux 效能分析工具: Perf 並在自己的 Linux 開發環境實驗

案例探討：電話簿搜尋

• 詳細閱讀 Programming Small 裡頭的電話簿程式，研究降低 cache miss 的方法
• 雖然這是探討 cache miss 和效能議題，其實是帶著同學重新複習 C 語言和資料結構。以前大家只是「背誦心法」，從來就不會去理解個別資料結構對整體的衝擊。
• 自 GitHub 取得作業程式碼 (基礎)

$ git clone https://github.com/sysprog21/phonebook/
$ cd phonebook

• 編譯

$ make

• 測試。當看到 [sudo] password for 字樣時，輸入自己的 Linux 使用帳號密碼

$ make run

• 參考輸出： (按下 Ctrl-C 可以離開畫面)

size of entry : 136 bytes
execution time of append() : 0.043859 sec
execution time of findName() : 0.004776 sec

• 透過 gnuplot 建立執行時間的圖表 (保持耐心等待，中間過程不要切換視窗)

$ make plot

• 正確執行後，目錄裡頭會有個名為 runtime.png，可用 eog runtime.png 命令來觀看

善用 gnuplot 來製圖

• 從今天起忘記 Microsoft Excel，因為 gnuplot 可以給你更專業的圖表，而且能夠批次產生
• 先啟動 gnuplot:

$ gnuplot

• gnuplot 啟動後，需要做一些必要設定，例如設定圖片名稱，XY軸的資訊等等:

> set title 'my plot'           ＠設定圖片名稱
> set xlabel 'x axis'           ＠設定XY軸座標名稱
> set ylabel 'y axis'
> set terminal png              ＠設定輸出格式為 .png
> set output 'output_plot.png'  ＠設定輸出檔名
> plot [1:10][0:1] sin(x)       ＠畫出 sin(x) 函式
                                @x軸座標範圍 1-10
                                @y軸座標範圍 0-1

• 可以將這些設定另外存成一個檔案，作為 gnuplot 的腳本。假設上述指令存在一個名為 plot 的檔案裡面，以後只要輸入 gnuplot plot 即可畫出我們想要的圖表。
• 參考圖表: 

使用 astyle + Git 實做自動程式碼排版檢查

• 使用一致的 coding style 很重要，我們可透過 astyle 這個工具來協助。調整作業程式要求的風格為以下:

$ astyle --style=kr --indent=spaces=4 --indent-switches --suffix=none *.[ch]

• 你可以想像 Apple 和 Google 的工程師隨便安置程式碼，然後不用管合作的議題嗎？
  • 即便一個人寫作業，其實是三人的參與：過去的你、現在的你，以及未來的你
• 安裝 Git pre-commit hook 可在每次 git commit 時，檢查 C/C++ 原始程式碼的風格是否一致:

$ ln -sf ../../scripts/pre-commit.hook .git/hooks/pre-commit

• 我們介紹 Git hooks 是為了日後銜接 Continuous integration (CI)，專業程式設計必備的準備工作
  • 任何人都可以寫出機器看得懂的程式碼 (在檔案總管裡面對 EXE 檔複製貼上即可)，但我們之所以到資訊工程系接受訓練，為了寫出人看得懂、可持續維護和改進的程式
• 下圖展示 Git pre-commit hook 偵測到開發者的修改並未遵守一致的 coding style，主動回報並提醒開發者: 
  

作業要求

• 在 GitHub 上 fork phonebook，然後適度修改 phonebook_opt.c 和 phonebook_opt.h 兩個檔案，使得這兩者執行時期的 cache miss 降低。請用 perf 驗證，而且改進的過程中，不能有功能方面的減損。

  • phonebook_orig.[ch] 不需要修改，我們關注的是 phonebook_opt.[ch]，當然要修改 main.c 也是允許的

  • findName() 的時間必須原本的時間更短

  • append() 的時間可以比原始版本稍久，但不應該增加太多

  • main.c 應該只有一份，不要建立新的 main()，善用 Makefile 定義對應的 CFLAGS

  • 在執行程式(phonebook_orig 和 phonebook_opt) 前，先清空 cache:

    ​​​​​​​​​​​​$ echo 1 | sudo tee /proc/sys/vm/drop_caches
    

• 除了修改程式，也要編輯「作業區」，增添開發紀錄和 GitHub 連結

  • 至少要列出效能分析，以及充份說明你如何改善效能

• 務必使用 astyle 來對程式碼進行排版，詳細使用方式見 README.md

• 本例選用的 dataset (也就是輸入電話簿的姓名) 是否存在問題？

  • 有代表性嗎？跟真實英文姓氏差異大嗎？
  • 資料難道「數大就是美」嗎？
  • 如果我們要建立符合真實電話簿情境的輸入，該怎麼作？

• 可能的效能改進方向：

  • 改寫 struct __PHONE_BOOK_ENTRY 的成員，搬動到新的結構中
  • 使用 hash function 來加速查詢
  • 既然 first name, last name, address 都是合法的英文 (可假設成立)，使用字串壓縮的演算法，降低資料表示的成本
  • 使用 binary search tree 改寫演算法

• 截止日期：

  • Sep 29, 2016 (含) 之前
  • 越早在 GitHub 上有動態、越早接受 code review，評分越高

挑戰題

• 除了降低 findName() 的 cache miss 與執行成本，append() 也該想辦法縮減時間
  • 建立 phone book 時，既然 lastName 是索引值，可以優先建立搜尋表格，其他資料可稍後再補上
  • 用 PThread 建立 manager/worker thread model
• 支援 fuzzy search，允許搜尋 lastName 時，不用精準打出正確的寫法
  • 比方說電話簿有一筆資料是 McDonald，但若使用者輸入 MacDonald 或 McDonalds，也一併檢索出來
  • 延伸閱讀: Levenshtein Distance (編輯距離)
• 改善電話簿的效能分析，透過大量的重複執行，找出 95% 信賴區間，而且允許動態新增資料 (較符合現實) 和查詢
• 以 gnuplot 繪製效能分析圖表

見賢思齊：共筆選讀

• dada
• rnic
• Yuron

參考資料

• Makefile 語法簡介
• Gnuplot 純畫圖
• 春季班課程作業區