google.sparsegroup 可以更好

sparsegroup 是 google.sparseXXXX （sparsehashmap）系列中最底层的一个数据结构，sparseXXX 的互相依赖如下:

-sparsegroup

   - sparsetable

      - sparsehashtable

         - sparse_hash_map

         - sparse_hash_set

 

因此，sparsegroup 实现的性能直接关系到整个 sparseXXXX 系列。

 

先看 sparsegroup 的一段代码：

 

template <class T, u_int16_t GROUP_SIZE>class sparsegroup {// 省略 ..... typedef T value_type; typedef u_int16_t size_type; // max # of buckets // 省略 ..... private: // The actual data value_type *group; // (small) array of T's unsigned char bitmap[(GROUP_SIZE-1)/8 + 1]; // fancy math is so we round up size_type num_buckets; // limits GROUP_SIZE to 64K};

 

sparsegroup 只包含 3 个数据成员：

group

bitmap

num_buckets

当 GROUP_SIZE 是默认值 48 时，bitmap+num_buckets 刚好对齐到 pointer-size，如果是64位环境，整个 sparsegroup 刚好 16 bytes，即两个指针宽度。

 

我重点要说的是：

sparsegroup 把计算 popcount(bitmap, idx) 看成是一个昂贵的操作，然而，在现代 cpu 中，这是错误的！popcount 在大多数主流cpu中都有直接的硬件支持。

num_buckets 实际上是一个冗余数据，因为 num_buckets == popcount(bitmap)，本来在 sparsegroup 中增加 num_buckets 成员只是为了加速，避免对整个bitmap 计算 popcount。然而在支持硬件 popcount 的 cpu 中，num_buckets 的存在反而大大降低了性能！因为它使得整个 bitmap的尺寸不能按机器字对齐，从而计算 popcount 时要多一个bitmask 操作，并且，取 num_buckets 也可能比 popcount(int64)还要慢。如果直接改成：

// 假定 GROUP_SIZE == 64// 对其它 GROUP_SIZE，可以用模板偏特化(partial specialization) 来实现// 为求简单，这里使用 gcc.__builtin_popcountll 来表达value_type* group;int64_t bitmap;// ...int size() const { return __builtin_popcountll(bitmap); }bool test(int pos) const { return (bitmap & 1LL << pos) != 0LL; }const value_type& unsafe_get(int pos) const { assert(pos < GROUP_SIZE); assert(bitmap & 1LL << pos); return group[__builtin_popcountll(bitmap & ~-1LL<<pos)];}

 

google 实现的 popcount(bitmap, pos) 要比硬件支持的__builtin_popcountll(bitmap & ~-1LL<<pos)慢几百倍，他们当然也有理由——popcount并非在所有系统上都有编译器和硬件支持！

 

对 GROUP_SIZE==64 这个典型值，这样的优化版明显比 google 版好得多，不但简单，而且更快。如果要增大 GROUP_SIZE，应直接增加一倍或两倍，GROUP_SIZE 不宜过大，以免对 group 数组的添加、删除操作代价太高，64也许是一个最佳值。