CGraph项目动态引擎优化：减少内存分配提升执行性能

背景介绍

CGraph是一个基于C++实现的并行计算框架，其核心引擎负责调度和管理计算任务的执行。在框架的动态执行引擎GDynamicEngine中，我们发现了一个潜在的性能优化点：在执行过程中频繁分配和释放局部vector容器，这对性能产生了不利影响。

问题分析

在GDynamicEngine的afterElementRun()方法中，系统需要收集后续待执行的元素列表。原始实现使用了std::vector容器来存储这些元素指针。虽然vector提供了方便的接口和动态扩容能力，但在高频调用的场景下，其内存分配和释放操作会带来显著的开销。

通过性能测试发现：

1. 在32个串行任务的情况下，使用原始数组替代vector可以获得明显的性能提升
2. 在32个并行任务的情况下，性能差异不大，甚至可能出现轻微的性能下降
3. 在ARM架构上，vector的内存访问操作(ldr指令)成为性能瓶颈之一

优化方案

基于以上分析，我们提出了两种优化思路：

1. 使用固定大小数组替代vector：对于大多数场景，后续关联的节点数量不会太大(假设≤1000)，可以使用栈内存分配的原始数组来存储元素指针，避免了动态内存分配的开销。

2. 优化run_before_容器类型：将element->run_before_从set容器改为vector容器，进一步减少内存访问开销。

实现效果

经过优化后，测试结果显示：

• 在串行任务测试(test2)中，执行时间从7秒降低到4.5秒左右，性能提升约35%
• 内存访问次数显著减少，特别是在ARM架构上，减少了ldr指令的执行次数
• 上下文切换次数大幅降低，特别是非自愿上下文切换

技术原理

这种优化之所以有效，主要基于以下技术原理：

1. 栈内存优势：固定大小数组使用栈内存分配，比堆内存分配更快，且不需要考虑释放问题
2. 缓存友好性：连续内存访问模式更符合CPU缓存预取机制
3. 减少系统调用：避免了频繁的堆内存分配和释放操作，减少了系统调用次数
4. 降低内存碎片：固定大小分配减少了内存碎片产生的可能性

后续改进

虽然当前优化取得了良好效果，但仍有进一步改进空间：

1. 针对不同场景(串行/并行)采用不同的优化策略
2. 实现自适应容器选择机制，根据任务数量动态选择最优容器类型
3. 对单一依赖(linkable)元素进行特殊处理，进一步减少不必要的容器操作

总结

通过对CGraph动态引擎中内存访问模式的优化，我们显著提升了框架的执行性能。这一案例也展示了在性能关键路径上，即使是简单的数据结构选择，也可能对整体性能产生重大影响。未来我们将继续探索更多优化可能性，为用户提供更高效的并行计算体验。