视频地址：
http://player.bilibili.com/player.html?aid=31289365&bvid=BV1iW411d7hd&cid=89610450&page=10
课件地址：
对应书中的第五章。
如有错误请指出，谢谢。
- 使用内联方式来优化函数调用问题
- 优化方法：
- 基本编码原则：
- 消除连续的函数引用：识别要执行多次（比如在循环内）但是计算结果不会改变的计算，将该计算移到前面。同时也考虑减少循环中函数的调用。
- **消除不必要的内存引用：**当在循环中使用指针时，会反复对内存进行读写，我们可以引入一个临时变量来保存中间结果，使其保存在寄存器中，就无需涉及内存引用了，最终再将寄存器中的值保存到指针中。
- 低级优化：
- **kx1循环展开：**一个循环中计算多个操作，减少需要的循环次数，能减少不必要的操作，但是没有消除数据相关，无法突破延迟界限。
- **kxk循环展开：**声明多个独立变量，在循环中独立计算，能减少循环次数，并使用多个功能单元及其流水线，能消除数据相关突破延迟界限。当 $k \geq C \times L$ 时接近吞吐量界限，其中C为操作容量、L为操作延迟。
- **重新结合：**通过修改结合方法，来减少目标寄存器上的操作，由此减少关键路径上的操作数。
- 反复测试代码，使得汇编代码产生条件传送。
- 上下相同寄存器才会构成一段数据相关链
- **注意：**延迟是指执行一个操作所需的时钟周期，但是由于功能单元存在流水线，所以可以每个时钟周期都开始一个操作。只有当两个操作之间存在数据相关时，无法使用流水线了，才考虑操作的延迟。
- 数据相关是针对寄存器而言的
- 要在更大范围观察写/读相关，不一定存在一个迭代中，可能在相邻迭代中，只要发现有存储操作，而后执行相同地址的加载操作，就会有写/读相关。
编写高效程序要做到：
- 选择合适的算法和数据结构
- 编写出编译器能够有效优化以转化成高效可执行代码的源文件**（重要）**
- 针对处理运算量较大的计算，可以将一个任务分成多个部分，然后在多核和多处理器的某些组合上并行计算。（第12章再介绍）