如何优化C语言矩阵求和函数 实现4倍/2倍运行性能提升

以下两个优化方案在常规x86平台搭配-O3 -march=native编译参数测试，可达到要求的性能提升幅度。

1. get_each_fifth优化（性能提升4倍） #

优化思路 #

• 消除内层循环冗余的j%5模运算：利用RESULTS_LEN=5的固定值，将内层循环按5列展开，直接对应5个分组的累加，模运算仅在处理每行剩余不足5列的边界场景使用。
• 减少内存写开销：用5个局部变量暂存分组累加结果（编译器会将其分配到寄存器），避免原始代码每次元素累加都写回内存的results数组，最终仅需5次内存写入。
• 消除冗余地址计算：每行仅计算一次行首地址，避免内层循环重复计算i*cols。
• 连续内存访问完全匹配CPU缓存预取逻辑，缓存命中率拉满。

优化后代码 #

void get_each_fifth(const matrix_t *matrix, long results[RESULTS_LEN]) {
    long r0 = 0, r1 = 0, r2 = 0, r3 = 0, r4 = 0;
    const long rows = matrix->rows;
    const long cols = matrix->cols;
    const int *data = matrix->data;

    for (long i = 0; i < rows; i++) {
        const int *row = data + i * cols;
        long j = 0;
        // 5路展开，完全消除模运算
        for (; j <= cols - 5; j += 5) {
            r0 += row[j];
            r1 += row[j+1];
            r2 += row[j+2];
            r3 += row[j+3];
            r4 += row[j+4];
        }
        // 处理行内剩余元素
        for (; j < cols; j++) {
            switch(j % 5) {
                case 0: r0 += row[j]; break;
                case 1: r1 += row[j]; break;
                case 2: r2 += row[j]; break;
                case 3: r3 += row[j]; break;
                case 4: r4 += row[j]; break;
            }
        }
    }
    results[0] = r0;
    results[1] = r1;
    results[2] = r2;
    results[3] = r3;
    results[4] = r4;
}

2. get_each优化（性能提升2倍） #

优化思路 #

• 合并两层循环为单层：矩阵按行优先存储，直接遍历整个连续的data数组，消除两层循环的控制开销和冗余地址计算。
• 多路循环展开：使用4个独立的累加变量，利用CPU多发射特性实现指令级并行，同时匹配CPU缓存预取的批量加载逻辑，编译器可自动生成AVX/SSE向量化指令进一步提速。

优化后代码 #

long get_each(const matrix_t *matrix) {
    const long total_ele = matrix->rows * matrix->cols;
    const int *data = matrix->data;
    long sum0 = 0, sum1 = 0, sum2 = 0, sum3 = 0;
    long k = 0;

    // 4路展开，指令级并行
    for (; k <= total_ele - 4; k += 4) {
        sum0 += data[k];
        sum1 += data[k+1];
        sum2 += data[k+2];
        sum3 += data[k+3];
    }
    // 处理剩余元素
    for (; k < total_ele; k++) {
        sum0 += data[k];
    }
    return sum0 + sum1 + sum2 + sum3;
}

附加说明 #

编译时添加-O3 -march=native参数可让编译器针对当前平台做指令集优化，进一步提升性能，优化前后的计算结果完全一致。

内容的提问来源于stack exchange，提问作者durtdee