Abseil Performance Hints (Jeff Dean & Sanjay Ghemawat)
1. अवलोकन
यह दस्तावेज़ Google के शुरुआती दौर से महत्वपूर्ण माने गए software performance tuning के सामान्य सिद्धांतों और ठोस तकनीकों को संकलित करता है। यह distributed systems या ML hardware tuning की बजाय single binary के दृष्टिकोण से performance optimization पर केंद्रित है।
2. मुख्य बातें
performance के बारे में सोचने का तरीका (Thinking about performance)
- "premature optimization is the root of all evil" के बारे में गलतफहमी: इस कहावत का मतलब यह है कि 97% मामूली efficiency को नज़रअंदाज़ किया जा सकता है, न कि यह कि अहम 3% अवसर भी छोड़ दिए जाएँ।
- छोटे सुधारों का महत्व: लगभग 12% की speed improvement भी engineering के नज़रिए से बिल्कुल मामूली नहीं है, और high-quality program के लिए आवश्यक है।
- शुरुआती चयन: "पहले simple लिखो, बाद में optimize करेंगे" वाला तरीका अक्सर समग्र performance degradation (Flat Profile) तक पहुँचता है, जिससे आगे सुधार करना कठिन हो जाता है। यदि readability या complexity पर बड़ा असर न पड़े, तो शुरुआत से ही तेज़ विकल्प (जैसे
std::vectorकी जगहabsl::InlinedVector) चुनना बेहतर है।
अनुमान (Estimation)
- intuition और calculation: code लिखते समय performance पर पड़ने वाले असर का पहले से अंदाज़ा होना ज़रूरी है।
- Back-of-the-envelope calculation: implementation से पहले resource cost का मोटा हिसाब लगाएँ। (उदाहरण: L1 cache reference 0.5ns, mutex lock 15ns, SSD read 20µs जैसी मूल operations की cost के आधार पर अपेक्षित performance निकालना)
मापन (Measurement)
- profiling: प्रभावी measurement सबसे महत्वपूर्ण tool है।
pprofयाperfआदि का उपयोग करके वास्तविक bottleneck sections की पहचान करनी चाहिए। - टिप: optimization flags लागू किए गए production binary पर test करें, और microbenchmark लिखकर बदलावों के असर की पुष्टि करें।
Flat Profile से निपटना
- जब स्पष्ट bottleneck न हो: यदि CPU profile flat दिखे, तो पूरे system में 1%‑1% सुधार देने वाले छोटे optimizations को जोड़ते जाना प्रभावी रणनीति हो सकती है।
- structural improvement: call stack के ऊपरी हिस्से के loops को पुनर्गठित करने या data structures बदलने पर विचार करना चाहिए।
ठोस तकनीकों के उदाहरण
- algorithm improvement: cycle detection या deadlock detection logic को अधिक efficient algorithm (जैसे topological sort आधारित तरीका) से बदलकर speed और scalability हासिल की जा सकती है।
- memory representation optimization: बार-बार access होने वाले data structures को compact करना, या memory layout (field reordering, padding reduction) समायोजित करके cache efficiency बढ़ाई जा सकती है और memory bus traffic घटाया जा सकता है।
अभी कोई टिप्पणी नहीं है.