C++ 让函数调用在C++；？

在我的项目中，我有一个类，其中执行时间是第一个目标。对于它，我不太关心维护、订单等。至少直到昨天我才在乎。。。现在我也有点担心了

我有一个类，比如说a，它对来自照相机的图像执行多次扫描，也就是说，一个可变宽度的窗口实时扫描它们

    class A{  
    // methods and attributes of A:  
    ...  
    void runiterator(){  
      ...  
    for{    // change window’s dimension  
      for{  // rows  
       for{ // columns  
          // many lines of code of operations to be executed for each window at each position  
          ...      
       }  
      }   
     }  
    }  
    }; 

性能显示已经有一点延迟，但我可以跳过图像的有限区域来解决它。此外，我还有第二个函数，比如B，它的方案与a完全相同，在每次扫描时执行不同的操作（幸运的是比a快得多）

好吧，现在是时候加入所有的行动，以显著提高整体结果。只是代码真的会变得一团糟，庞大而且混合了真正不同的东西。我想定义一个类X，它进行迭代，并在每次扫描时执行对a_new中一个函数和B_new中一个函数的函数调用。但我担心每个映像大约200000x2的函数调用会导致性能损失

你有什么建议

编辑
对于只重新调用的类X（因此只能与现在的A进行比较），我从多次重复中得到了平均值：

在一系列56幅图像上执行X的时间=6.15秒
在同一系列56幅图像上执行A的时间=5.98秒

我的嫌疑犯似乎并不那么天真。
差额约为3%，虽然相差不大，但仍为损失感到遗憾

随着_forceinline时间是5.98秒的X，以及，但我宁愿不依赖它

我认为代码已经优化，进一步改进的余地很小。
事实上，它可以在相对较短的时间内对图像进行大量处理。

---

在A类中，顺序处理数据是不可能的，因为它基于来自不可预测图像的值。这就是为什么B类（能够做到这一点的）速度要快得多的原因。

在担心它之前，您确实必须衡量它是否会导致性能问题

如果有问题，请尝试使用模板。编写函数的两个变体，然后将它们用作进行迭代的函数模板中的函子。您将实例化这两个版本，并调用相应的版本。编译器应该内联调用（但最好验证这一点）

---

我在医学图像处理中使用了它，效果非常好。

你必须测量效果，因为很难判断编译器到底产生了什么–尤其是在

O3

。当然，如果编译器没有内联函数，则函数调用会产生开销。如果函数可以内联，请尝试向编译器提供

inline

提示

函数调用开销很大程度上取决于您调用的函数类型。在汇编程序级别（假设没有恶意的操作系统页面错误处理），现代英特尔处理器上的

调用地址

指令需要0个周期（对于

jmp地址

指令也是如此）。如果函数地址是从某些数据源计算出来的，例如vtbl查找、对外部DLL的调用（如果使用Win32）或涉及到一个条件，则会引入开销。这些包括访问内存和污染缓存。这就引出了大人物

在等待数据到达CPU时，大多数性能都会丢失。CPU的速度远远大于从RAM读取数据的速度。这就是为什么有几个级别的缓存，每个级别通常都比上一个级别更大、更慢。函数调用的成本，即使是复杂的调用，也比数据读取时丢失缓存所损失的时间要少

这类事情的标题是：微观优化

一般情况下，避免随机数据访问，按顺序处理数据，即先处理项目n，然后再处理项目n+1、n+2等，而不是n、n+100、n+200等、n+1、n+101、n+201等

另外，给编译器内联函数的机会——这样，如果结果产生更快的代码，内联就可以完成（编译器非常清楚什么时候内联是有益的）

还要注意，大函数可能比许多小函数慢（这与CPU缓存本地的UOP缓冲区有关）。对数据进行多次迭代可能比一次性完成所有工作都要快。只有分析代码才能告诉您哪个更快

---

最后，更好的算法通常是获得更好性能的途径。您的算法是最优的吗？

您可以尝试并测量两个版本吗？我们不能说调用增加了多少开销，因为这是相对的。是的，请测量并给编译器一个内联函数调用的机会。这取决于这些函数的功能。如果以牺牲清晰性为代价将执行时间作为主要目标，则很可能会得到性能糟糕的代码。相反，将清晰性和可维护性作为首要任务。很可能，无论如何，您都会通过这种方式获得最佳性能。除非你比这个问题所暗示的更有经验，否则你对性能的直觉无论如何都是错误的，你的“优化”代码将是脆弱的，因此很难真正优化。（高级算法选择是例外——这适用于低级和中级选择，比如函数边界应该在哪里。）如果算法太慢，尝试优化它！