摘 要：面對日益復雜的智能移動應用，多核處理器已成為高性能移動計算的一個有效解決方案。對于多核系統(tǒng)中的應用軟件性能優(yōu)化也是其中的研究重點。本文研究了并行程序設計算法和并行程序性能優(yōu)化技術。通過對程序進行優(yōu)化，可以使它充分的發(fā)揮多核的計算能力，其方法包括增加任務數(shù)量改善負載均衡，選擇最優(yōu)的線程與處理核之間關聯(lián)策略，從而能夠大幅提高系統(tǒng)的整體性能。

關鍵詞：移動智能多核系統(tǒng)；多線程；并行計算；分治法；GPA

中圖分類號：TP311.52

由于移動智能系統(tǒng)是一個資源受限的系統(tǒng)，它對程序的運行空間和時間要求比桌面系統(tǒng)更為苛刻，因此，應用軟件的優(yōu)化對移動智能系統(tǒng)來說尤顯必要和緊迫[1]。

本文主要研究的性能優(yōu)化是主要指運行速度的優(yōu)化。應用軟件對其運行速度進行優(yōu)化是指在充分掌握軟、硬件特征的基礎上，通過應用程序結構調整等手段來縮短完成指定任務所需的運行時間，主要應用在對實時性要求比較高的場合。

目前，移動智能系統(tǒng)的處理器在物理上也支持多線程的并發(fā)執(zhí)行，采用適當數(shù)量的并發(fā)線程可以獲得比單一線程高的運行速度[2]。對于多核系統(tǒng)中的應用軟件性能優(yōu)化，本文研究了基于Android系統(tǒng)的并行程序設計算法和并行程序性能優(yōu)化技術。

1 我們通過一個實際應用來分析、研究基于移動平臺的應用軟件優(yōu)化的技術

包括并行處理技術、多線程優(yōu)化技術以及利用GPA（Graphics Performance Analyzers）工具輔助分析技術。

本例是一個求圓周率π的應用。有如下數(shù)學公式：

將積分公式表示為極限：

實際上Δx不可能做到無窮小，只能讓Δx盡可能小，這樣求出的結果越接近π。我們用step表示一個Δx，則num_step=1/step盡量地大?？紤]到f（x）=1/（x2+1）是一個凸函數(shù)，這里取一個中值來求和，即使用f[（i+0.5）/（num_steps）]來代替f[i/（num_steps）]求和，這樣求出的和不會總是比實際值偏小。最后可以得出編寫程序依據(jù)的公式為：

根據(jù)上面公式我們編寫出相應的計算程序。

2 原始應用（未經優(yōu)化）研究與分析

我們首先根據(jù)上述公式直接推導出應用的計算代碼，此代碼是沒有經過優(yōu)化的，我們稱其為“原始應用”，將其命名為SerialPi。

該應用設計思路是：讓計算π的任務放在輔助線程（這里稱為任務線程）中運行，主活動上設置按鈕來控制線程的運行，并用一個TextView來顯示任務線程的結果。應用運行的界面如圖1所示。

應用啟動后的界面如圖1（a）所示。當我們點擊“開始計算”按鈕后，界面所有的按鈕都變成灰色，直到計算π的線程運算完成。這時，界面顯示π的計算結果以及線程運行的總時間，如圖1（b）所示。

從上述運行界面可知，此應用計算π的時間大約為22秒多。多次運行此應用，其顯示的計算時間也大約為此時長。

圖1 SerialPi應用運行的界面

2.1 在原始應用 中 新 建 線 程 類MyTaskThread，讓其計算π的值。編輯源文件

MyTaskThread.java，主要代碼如下：

1 package com.example.serialpi；

2 public class MyTaskThread extends Thread {

3 private Handler mainHandler；

4 public static final int MSG_FINISHED = 1； //定義表示\"計算結束\"的消息類型

5 private static final long num_steps = 200000000；//公式中的 num_steps 變量，總步數(shù)

6 private static final double step = 1.0 / num_steps；//公式中的step變量，步長

7 public static double pi = 0.0； //π的計算結果

……

20 public void r u n （）

21 {

22 double x ，sum=0.0；

23 long i；

24 for （ i=0； i< num_steps； i++）{

25 x = （ i+ 0. 5） * s t e p ；

26 sum=sum+ 4. 0 /（1.0 + x*x ）；

27 }

28 pI=step*sum；

29 Messagemsg=new Message（）；

30 msg.what=MSG _FINISHED；//定義消息類型

31 main Hand ler.send Message（msg）；//發(fā)送消息}

第22行至第28行是根據(jù)計算公式書寫的計算π的代碼。這里x變量是函數(shù)f（x）=1/（x2+1）的自變量x，sum是Σ的累積變量。累積完Σ后，最后在第28行，讓π=step×∑算出最后結果。【在線程的run函數(shù)中，一旦計算完成，在第29行開始，就向主線程發(fā)送計算完成的消息】

2.2 編輯主程序的源代碼文件MainActivity.java，讓其控制線程的運行，并顯示計算結果，其主要代碼如下：

1 package com.example.serialpi；

2 public class MainActivity extends Activity {

……

13 private MyTaskThread myThread = 1；

14 private TextView tv_TaskOutputInfo；// 顯示（計算）任務線程輸出

15 private Handler mHandler；；

16 private long end_time；

17 private long time；

18 private long start_time；

……

38mHandler = new Handler（） {

39 public void handleMessage（Message msg） {

40 switch （msg.what）

41 {

42 case MyTaskThread.MSG_FINISHED：

43 end_time = System.currentTimeMillis（）；

44 time = end_time - start_time；

45 String s = \"運行結束，Pi=\"+ MyTaskThread.pi+ \" 耗時：\"

46 + MyTaskThread.msTimeToDatetime（time）；

47 tv_TaskOutputInfo.setText（s）；

48 btn_ExitApp.setEnabled（true）；

49 break；

50 default：break； } } }；

……

61 private void startTask（） {

62 myThread = new MyTaskThread（mHandler）； //創(chuàng)建一個線程

63if （！ myThread.isAlive（））

64{

65 start_time = System.currentTimeMillis（）；

66 myThread.start（）； // 啟動線程 } }

我們首先在16行-第18行定義了三個變量，任務的開始時間start_time，任務的結束時間end_time，以及任務的運行時長time。它們存在如下關系：time=end_time-start_time。

在第65行，我們在啟動任務線程的同時，將機器的當前時間記錄在start_time中。在第43行～第44行，當收到任務線程運行完畢的消息后，將機器的當前時間記錄在end_time中，兩者相減得到任務的運行時長。

2.3 使用GPA工具來驗證與評估原始應用的性能。上述工作完成后，我們將應用部署到實際的智能設備上進行測試。本例我們主要監(jiān)控分析兩個CPU的負載（即“CPU XX Load”指標）情況。在監(jiān)控期間，我們點擊“開始計算”按鈕開始運行計算，記錄下GPA的監(jiān)控信息，分析的結果如圖2所示。

（a）點擊“開始計算”按鈕后

（b）線程計算運行中 （c）線程計算結束

圖2 原始應用（SerialPi）GPA截圖

圖2（a）是點擊“開始計算”按鈕，計算（任務）線程運行開始時的顯示。圖2（b）是計算（任務）線程運行中的顯示。圖2（c）是計算（任務）線程運行結束時的顯示。從圖中可知，計算線程沒有運行或運行結束后，CPU的負載停留在較低水平。而一旦計算線程運行，CPU的負載急劇上升到100%的滿負荷水平。但是，在計算線程運行時，兩個CPU中始終只有一個CPU是滿負荷的，另一個處于低負載水平，也就是說總的負載率（即負載之和）只有一個CPU處于滿負荷狀態(tài)。

3 對原始應用的性能優(yōu)化

上面的例子，是從計算π的公式直接想到的代碼。這個例子有沒有可能實現(xiàn)優(yōu)化呢？怎么去優(yōu)化呢？在此，我們對算法進行改進，充分利用多核處理器的硬件特點來進行優(yōu)化，挖掘出多核處理器的性能潛力。

多核處理器擁有多核、多線程技術，支持多線程在物理上的并行運行。例如，對于上例的運行環(huán)境，這個多核處理器就可以支持兩個線程的并行運行。這就是我們算法優(yōu)化的切入點：我們采用“分治法”的思路，設法讓計算任務分攤到多個（本例是兩個）線程中來運行，這樣并行運行的線程就可以加快運行速度。

首先，我們分析一下以上例子的MyTaskThread類的run函數(shù)代碼。為了計算積分面積的累計值，我們在第24行讓計算步每次累計一步來計算。實際上，我們將積分累計區(qū)域分成“塊”，每個線程負責計算其中的一塊，最后將每個線程計算的累計面積匯總起來，這樣既可以得到最后的結果，又能“分而治之”完成任務的分派執(zhí)行。這就是我們實現(xiàn)算法優(yōu)化的思路。

我們把優(yōu)化后的應用命名為ThreadPi。該應用在計算積分面積的累計值時，讓每個線程的計算步每次累計步長增加總線程數(shù)，這樣讓每個線程負責累計自己負責的條帶的面積。該應用運行的界面如圖3所示。

圖3 ThreadPi應用運行的界面

此應用運行的界面與原始應用一致。從上述運行界面可知，此應用計算π的時間大約為13秒多。其時間幾乎縮短到原始應用的一半。與原始應用不一樣的是，本應用使用兩個線程來計算π。

3.1 本應用是在修改原始應用代碼的基礎上得到的，其關鍵的修改如下。修改計算任務線程類MyTaskThread的源代碼文件如下：

1 package com.example.threadpi；

……

4 public class MyTaskThread extends Thread{

5 private Handler mainHandler；

6 public static final int MSG_FINISHED = 1； // 定義表示\"計算結束\"的消息類型

7 private static final long num_steps = 200000000；//公式中的 num_steps 變量，總步數(shù)

8 private static final double step = 1.0 / num_steps；//公式中的step變量，步長

9 public static double pi = 0.0； //π的計算結果

10 public static final int num_threads = 2； //線程數(shù)

11private int myNum； //線程號

12private static Object sharedVariable = new Object（）；//對pi變量的同步鎖變量

13private static int finishedThreadNum = 0； //完成計算的線程數(shù)

……

28 public void run（）

29 {

30double x， partialSum = 0.0；

31 long i；

32for （i = myNum； i < num_steps； i += num_threads） {

33 x = （i + 0.5） * step；

34 partialSum += 4.0 / （1.0 + x * x）；

35 }

36 synchronized （sharedVariable） {

37 pi+=partialSum * step；

38 finishedThreadNum++；

39 if （finishedThreadNum >= num_threads）{//等全部線程運行結束發(fā)送消息

40 Message msg = new Message（）；

41 msg.what = MSG_FINISHED；//定義消息類型

42 mainHandler.sendMessage（msg）； //發(fā)送消息

43 }}}

上述代碼中陰影標注文字是本應用與原始應用主要區(qū)別的地方。在第10行-第13行我們定義了多線程計算任務所需的變量。num_threads是計算任務開辟的線程數(shù)。

本例運行的設備為兩個邏輯CPU，故將此值設為2。myNum是計算線程的編號，它從0到num_threads-1范圍內選擇。sharedVariable變量是對pi變量施加同步鎖而引入的變量。finishedThreadNum是完成計算的線程數(shù)，但是該值等于num_threads就認為所有的計算線程都已運行結束。

第30行-第43行是計算線程的原型代碼。其中第30行-第35行是計算π的直接代碼。對于原始應用的相應代碼可知，原始應用的sum變量被partialSum所代替，它表示本線程計算的和（面積）只是全部和（面積）的一部分。最重要的區(qū)別是第32行，這里步長變量i累加的不是1，而是num_threads，即每一次都是向前移動線程數(shù)步。而i起始位置也不是原始應用的從0開始，而是從線程號開始。

當線程計算完自己的和之后，需要將此數(shù)據(jù)放到總的和（pi變量）中去。這是一個多線程共享的變量，因此需要加同步鎖。這一步驟對應第36行～第44行。第36行加同步鎖，第37行將線程自己的計算結果加到公共結果pi中去。第38行將計算結束的線程數(shù)加一。第39行，通過比較完成計算的線程數(shù)與總的線程數(shù)來判斷全部計算線程是否都已結束，只有都結束了，才向主線程發(fā)送計算結束的消息。

3.2 修改主程序MainActivity的源代碼文件MainActivity.java如下：

1 package com.example.threadpi；

……

12 public class MainActivity extends Activity{

13 private MyTaskThread thrd[]=1；

14 private long end_time；

15private long time；

16private long start_time；

……

64 private void startTask（） {

65thrd = new MyTaskThread[MyTaskThread.num_threads]；

66 start_time = System.currentTimeMillis（）；

67 for（ int i=0； i < MyTaskThread.num_threads；i++）{

68 thrd[i] = new MyTaskThread（mHandler）； //創(chuàng)建一個線程

69 thrd[i].setStepStartNum（i）；

70 thrd[i].start（）；

71 } }

73 private void exitApp（） {

74 for （int i = 0； i < MyTaskThread.num_threads thrd ！= 1； i++） {

75 try {

76 thrd[i].join（）； //等待線程運行結束

77 } catch （InterruptedException e） {

78 }}

……

上述代碼中陰影標注文字是本應用與原始應用主要區(qū)別的地方。在第13行，原始應用的單個線程對象變量改為了線程數(shù)組。在啟動計算任務的第67行～第71行，原始應用啟動單個線程，改為啟動數(shù)組中的全部線程，并在啟動時設置線程的編號。在等待線程結束的第74行-第78行，原始應用中等待單個線程結束，改為等待線程數(shù)組中的全部線程結束。

上述工作完成后，我們同樣將應用部署到原始應用相同的目標機上。我們單獨運行該應用，來測試一下優(yōu)化后的應用運行時間，結果是：時間幾乎縮短到原來的一半（由原來的22秒減少到13秒）。

3.3 使用GPA工具來驗證與評估優(yōu)化的應用性能。下面使用GPA來分析此應用，分析過程與原始應用一致，分析的結果如圖4所示。

（a）點擊“開始計算”按鈕后

（b）線程計算運行中 （c）線程計算結束

圖4 優(yōu)化應用（ThreadPi）的GPA截圖

從圖中可以看出，點擊“開始計算”按鈕，計算（任務）線程運行開始后，兩個CPU的負載都從低負載立即上升到滿負荷狀態(tài)。計算完成后，兩個CPU的負載都重新回到低負荷狀態(tài)。與原始應用不同是，在計算任務運行期間，全部的CPU都處于滿負荷狀態(tài)，不存在負載在兩個CPU中輪流的情況。這說明該應用的計算任務使兩個CPU并行工作在滿負荷狀態(tài)，這是優(yōu)化后的應用速度提高（本例提高將近100%）的內在原因。

4 結束語

本文主要研究了基于移動平臺的多核系統(tǒng)的應用軟件優(yōu)化技術。其中，多線程、平行計算技術是移動平臺系統(tǒng)的研究重點、難點，合理正確的使用這些技術，可以讓多個處理器處于均衡負載狀態(tài)，以提高系統(tǒng)的整體運行速度，從而達到性能優(yōu)化的目的，使我們的應用軟件運行更加流暢、體驗更加好。

今后，我們在移動智能多核系統(tǒng)實現(xiàn)上，還有一些方面需要不斷地完善和進一步研究的地方，比如：進一步完善移動智能多核平臺上的并行編譯，支持更廣泛的并行模式，并且支持更廣泛的移動智能多核結構。

參考文獻：

[1]Butler，M.Android：Changing the Mobile Landscape.PERVASIVE COMPUTING，IEEE，2011.

[2]Ian K.T.Tan，Ian Chai，Poo Kuan Hoong.Dynamic threshold for imbalance assessment on load balancing for multicore systems[J].Computers and Electrical Engineering，2012.

[3]R.Rakvic，Q.Cai，J.González，G.Magklis，P.Chaparro，A.González.Thread-management techniques to maximize efficiency in multicore and simultaneous multithreaded microprocessors[J].ACM Transactions on Architecture and Code Optimization（TACO），2010（02）.

[4]史莉雯，樊曉婭，張盛兵.單片多處理器的研究[J].計算機應用研究，2007（09）：46-49.

[5]李濤，高德遠，樊曉婭.高性能微處理器性能模型設計[J].航空電子技術2011（02）：25-28.

[6]ShahidBokhari，JoelSaltz.Exploring the performance of massively multithreaded architectures[J].Concurrency Computat：Pract.Exper，2010（05）.

[7]Stijn Eyerman，Lieven Eeckhout.Modeling critical sections in Amdahl’s law and its implications for multicore design[J].ACM SIGARCH Computer Architecture News，2010（03）.

作者簡介：何偉文（1970-），男，廣東廣州人，碩士，高級工程師，研究方向：網(wǎng)絡安全，系統(tǒng)工程，項目管理。

作者單位：廣州涉外經濟職業(yè)技術學院 信息學院，廣州 510540