Анализ производительности и оптимизация кода

2026/2027

Учебный год

RUS

Обучение ведется на русском языке

5

Кредиты

Кто читает:

Базовая кафедра Яндекс (Департамент больших данных и информационного поиска)

Статус:

Курс по выбору

Когда читается:

4-й курс, 1, 2 модуль

Преподаватель

Стёпкин Степан Максимович

Программа дисциплины

Аннотация

Если вам когда-то было интересно почему __builtin_prefetch не ускоряет ваш код, почему A[2000][2000] сильно быстрее A[2048][2048], то данный курс позволит вам собрать полную картину современного мира оптимизации производительности программ. Начнём с базы, глубоко поговорим про устройство современных CPU, что такое AST деревья и с чем их жарить. И даже будем писать код на выдуманном ассемблере, чтобы пройти симуляцию! Набор трехбуквенных сокращений, с которыми вы ознакомитесь пройдя курс: BTB, LSD, TLB, ILP, OOO, AST, PGO, LTO, ROB, IFB.

Цель освоения дисциплины

• Понимание архитектурных особенностей современных процессоров: Изучить устройство CPU (иерархия памяти, конвейеризация, суперскалярность, внеочередное исполнение, спекулятивные вычисления) и понять, как эти особенности влияют на выполнение программ.
• Освоение методов анализа производительности: Научиться использовать современные инструменты (профайлеры, симуляторы) для идентификации узких мест (bottlenecks) в программах на различных уровнях: от алгоритмического до аппаратного.
• Приобретение навыков низкоуровневой оптимизации: Освоить практические приемы оптимизации кода с учетом особенностей кэш-памяти, предсказания переходов, векторизации и других механизмов процессора.
• Изучение возможностей компилятора: Понять принципы работы компиляторов (на примере GCC/Clang), включая этапы генерации промежуточного представления (AST), и научиться использовать его расширенные возможности для оптимизации (PGO, LTO).

Планируемые результаты обучения

• Объяснять принципы работы современных CPU (кэш-память, конвейер, предсказание переходов, внеочередное исполнение) и их влияние на performance.
• Применять низкоуровневые оптимизации: эффективный обход массивов, работа с памятью, использование prefetch и SIMD.
• Использовать продвинутые возможности компилятора (PGO, LTO) для автоматической оптимизации.
• Оперировать ключевыми концепциями, описываемыми аббревиатурами (TLB, ILP, OOO, ROB, AST и др.).

Содержание учебной дисциплины

• CPU pipeline, branch prediction, BTB, ILP, OOO.
• Virtual memory, TLB, VIPT, caches, prefetching, huge pages
• Compiler optimizations, SIMD, PGO/LTO/BOLT
• NUMA
• Linux + networks
• Allocators + overengineering

Элементы контроля

• Домашнее задание
• Контрольная работа
• Экзамен

Промежуточная аттестация

• 2026/2027 2nd module
  0.3 * Экзамен + 0.1 * Контрольная работа + 0.6 * Домашнее задание

Список литературы

Рекомендуемая основная литература

• Программирование GPU при помощи Python и CUDA - Тоуманнен Б. - Издательство "ДМК Пресс" - 978-5-97060-821-0 - 2020 - русский - https://e.lanbook.com/book/179469 - ЛАНЬ - 179469

Рекомендуемая дополнительная литература

• Технология CUDA в примерах: введение в программирование графических процессоров - Сандерс Дж., Кэндрот Э. - Издательство "ДМК Пресс" - 978-5-94074-504-4 - 2011 - русский - https://e.lanbook.com/book/3029 - ЛАНЬ - 3029

Авторы

• Стёпкин Степан Максимович