X265性能分析开源代码

性能测试函数解析

void IntraPredHarness::measureSpeed(const EncoderPrimitives& ref, const EncoderPrimitives& opt)
{int width = 64;                     // 默认测试宽度uint16_t srcStride = 96;            // 参考像素缓冲区步长（含填充区域）// 遍历所有块大小：4x4(0)到32x32(3)for (int i = BLOCK_4x4; i <= BLOCK_32x32; i++) {const int size = (1 << (i + 2)); // 计算实际尺寸：4<<i → 4/8/16/32/* --- 测试Planar模式 --- */if (opt.cu[i].intra_pred[PLANAR_IDX])  // 如果优化代码实现了Planar模式{printf("intra_planar_%dx%d", size, size);// 调用REPORT_SPEEDUP比较优化和参考实现REPORT_SPEEDUP(opt.cu[i].intra_pred[PLANAR_IDX], ref.cu[i].intra_pred[PLANAR_IDX],pixel_out_vec,       // 输出缓冲区FENC_STRIDE,         // 输出步长pixel_buff + srcStride, // 参考像素（跳过填充）0, 0);               // 模式号和滤波标志}/* --- 测试DC模式 --- */if (opt.cu[i].intra_pred[DC_IDX]) {// 不过滤的情况printf("intra_dc_%dx%d[f=0]", size, size);REPORT_SPEEDUP(opt.cu[i].intra_pred[DC_IDX], ref.cu[i].intra_pred[DC_IDX],pixel_out_vec, FENC_STRIDE, pixel_buff + srcStride, 0, 0);// 仅对小块（≤16x16）测试滤波情况if (size <= 16) {printf("intra_dc_%dx%d[f=1]", size, size);REPORT_SPEEDUP(opt.cu[i].intra_pred[DC_IDX], ref.cu[i].intra_pred[DC_IDX],pixel_out_vec, FENC_STRIDE, pixel_buff + srcStride, 0, 1); // 滤波标志=1}}/* --- 测试AllAngs模式（组合角度预测）--- */if (opt.cu[i].intra_pred_allangs) {bool bFilter = (size <= 16);  // 小块启用滤波pixel* refAbove = pixel_buff + srcStride;  // 上方参考像素pixel* refLeft = refAbove + 3 * size;      // 左侧参考像素refLeft[0] = refAbove[0];                  // 填充左上角像素printf("intra_allangs%dx%d", size, size);REPORT_SPEEDUP(opt.cu[i].intra_pred_allangs,ref.cu[i].intra_pred_allangs,pixel_out_33_vec,  // 输出缓冲区（33种角度）refAbove, refLeft, // 参考像素指针bFilter);          // 滤波标志}/* --- 测试所有角度模式（2-34） --- */for (int mode = 2; mode <= 34; mode++) {if (opt.cu[i].intra_pred[mode])  // 如果实现了该角度模式{width = 1 << (i + 2);        // 重新计算块宽bool bFilter = (width <= 16); // 滤波标志pixel* refAbove = pixel_buff + srcStride;pixel* refLeft = refAbove + 3 * width;refLeft[0] = refAbove[0];    // 填充左上角printf("intra_ang_%dx%d[%2d]", width, width, mode);REPORT_SPEEDUP(opt.cu[i].intra_pred[mode],ref.cu[i].intra_pred[mode],pixel_out_vec, FENC_STRIDE,pixel_buff + srcStride,mode,          // 当前角度模式号bFilter);      // 滤波标志}}/* --- 测试帧内滤波 --- */if (opt.cu[i].intra_filter) {printf("intra_filter_%dx%d", size, size);REPORT_SPEEDUP(opt.cu[i].intra_filter,ref.cu[i].intra_filter,pixel_buff,        // 输入缓冲区pixel_out_c);      // 输出缓冲区}}
}

对应的宏函数解析展开

#define BENCH_RUNS 2000/* Adapted from checkasm.c, runs each optimized primitive four times, measures rdtsc* and discards invalid times. Repeats BENCH_RUNS times to get a good average.* Then measures the C reference with BENCH_RUNS / 4 runs and reports X factor and average cycles.*/
#define REPORT_SPEEDUP(RUNOPT, RUNREF, ...) \{ \uint32_t cycles = 0; int runs = 0; \RUNOPT(__VA_ARGS__); \ //预热运行，避免冷启动影响for (int ti = 0; ti < BENCH_RUNS; ti++) { \ /* 主测试循环：运行BENCH_RUNS次，每次测4次连续调用 */uint32_t t0 = (uint32_t)__rdtsc(); \RUNOPT(__VA_ARGS__); \RUNOPT(__VA_ARGS__); \RUNOPT(__VA_ARGS__); \RUNOPT(__VA_ARGS__); \uint32_t t1 = (uint32_t)__rdtsc() - t0; \// 计算周期数if (t1 * runs <= cycles * 4 && ti > 0) { cycles += t1; runs++; } V\   /* 过滤异常值（超过平均4倍的测量值） */ \} \/* --- 测量参考代码性能（减少迭代次数）--- */ uint32_t refcycles = 0; int refruns = 0; \RUNREF(__VA_ARGS__); \for (int ti = 0; ti < BENCH_RUNS / 4; ti++) { \uint32_t t0 = (uint32_t)__rdtsc(); \RUNREF(__VA_ARGS__); \RUNREF(__VA_ARGS__); \RUNREF(__VA_ARGS__); \RUNREF(__VA_ARGS__); \uint32_t t1 = (uint32_t)__rdtsc() - t0; \if (t1 * refruns <= refcycles * 4 && ti > 0) { refcycles += t1; refruns++; } \} \ /* --- 计算结果 --- */x265_emms(); \  // 清空MMX/SSE状态（避免浮点寄存器污染）float optperf = (10.0f * cycles / runs) / 4; \  /* 计算平均每次调用的周期数（×10提高显示精度） */float refperf = (10.0f * refcycles / refruns) / 4; \printf(" | \t%3.2fx | ", refperf / optperf); \  /* 输出加速比和绝对周期数 */ printf("\t %-8.2lf | \t %-8.2lf\n", optperf, refperf); \}
}

1.为什么基准的性能测试次数是优化版本的1/4

这里​​参考代码（RUNREF）的测试次数是 BENCH_RUNS / 4​​，而优化代码（RUNOPT）的测试次数是完整的 BENCH_RUNS
猜测有几个原因
参考代码（RUNREF）​​：只需提供基准参考值，不需要和优化代码相同的精度，因此减少测试次数，​优化代码（RUNOPT）​需要更精确的测量。

2.为什么清除异常值，怎么清除异常值的？

总结：首轮除外，每次更新接受小于平均值的数值值

if (t1 * runs <= cycles * 4 && ti > 0) { cycles += t1; runs++; 
}

​​变量含义​​：
t1：当前测量的4次调用总周期数
runs：已接受的有效测量次数
cycles：已累积的总周期数
ti：当前迭代索引（从0开始）
​​逻辑分解​​：
t1 * runs：当前测量值 × 历史有效次数
cycles * 4：历史总周期数 × 4
ti > 0：跳过第一次测量（避免除零风险）
实际效果：

实际演算：

3.周期数到底是怎么去计算的？

/* fallback for older GCC/MinGW */
static inline uint32_t __rdtsc(void)
{uint32_t a = 0;#if X265_ARCH_X86asm volatile("rdtsc" : "=a" (a) ::"edx");
#elif X265_ARCH_ARM// TOD-DO: verify following inline asm to get cpu Timestamp Counter for ARM arch// asm volatile("mrc p15, 0, %0, c9, c13, 0" : "=r"(a));// TO-DO: replace clock() function with appropriate ARM cpu instructionsa = clock();
#elif  X265_ARCH_ARM64asm volatile("isb" : : : "memory");asm volatile("mrs %0, cntvct_el0" : "=r"(a));
#endifreturn a;
}

咱们这里只对armv8架构的进行解读

asm volatile("isb" : : : "memory");
asm volatile("mrs %0, cntvct_el0" : "=r"(a));

• ​​指令​​：
  isb：指令同步屏障（确保指令顺序执行）
  mrs %0, cntvct_el0：读取虚拟计数器值
• 寄存器​​：
  cntvct_el0：用户态可访问的64位虚拟计数器
  频率通常为1-100MHz（非实际CPU频率）