Guia de otimização de desempenho do Abseil, de Jeff Dean

Abseil Performance Hints (Jeff Dean & Sanjay Ghemawat)

1. Visão geral

Este documento reúne princípios gerais e técnicas específicas de ajuste de desempenho de software que o Google considera importantes desde seus primeiros dias. Em vez de ajustes em sistemas distribuídos ou hardware de ML, o foco está na otimização de desempenho sob a perspectiva de um único binário.

2. Principais pontos

Forma de pensar sobre desempenho (Thinking about performance)

• Mal-entendido sobre “a otimização prematura é a raiz de todo mal”: esse ditado significa ignorar 97% das pequenas eficiências, não perder até mesmo as oportunidades críticas dos 3% restantes.
• Importância de pequenas melhorias: um ganho de velocidade de cerca de 12% nunca é trivial do ponto de vista de engenharia e é essencial para programas de alta qualidade.
• Escolhas iniciais: a abordagem de “fazer algo simples primeiro e otimizar depois” muitas vezes leva a uma degradação geral de desempenho (Flat Profile), o que dificulta melhorias. Se isso não prejudicar muito a legibilidade ou a complexidade, é melhor escolher desde o início uma alternativa mais rápida (por exemplo, absl::InlinedVector em vez de std::vector).

Estimativa (Estimation)

• Intuição e cálculo: ao escrever código, é importante ter uma noção prévia do impacto no desempenho.
• Cálculos rápidos de guardanapo: antes de implementar, estime de forma aproximada o custo de recursos. (Ex.: referência ao cache L1 0.5ns, lock de mutex 15ns, leitura em SSD 20µs etc., calculando o desempenho esperado com base no custo de operações básicas)

Medição (Measurement)

• Profiling: medições eficazes são a ferramenta mais importante. É preciso usar pprof, perf etc. para identificar os gargalos reais.
• Dicas: teste com o binário de produção com flags de otimização aplicadas e escreva microbenchmarks para verificar o impacto das mudanças.

Lidando com Flat Profile

• Quando não há um gargalo claro: se o perfil de CPU vier achatado, uma estratégia eficaz é acumular pequenas otimizações de 1% ao longo de todo o sistema.
• Melhorias estruturais: vale considerar reestruturar loops no topo da pilha de chamadas ou mudar as estruturas de dados.

Exemplos de técnicas concretas

• Melhoria de algoritmos: substitua a lógica de detecção de ciclos ou detecção de deadlock por algoritmos mais eficientes (por exemplo, baseados em ordenação topológica) para garantir velocidade e escalabilidade.
• Otimização da representação em memória: compacte estruturas de dados acessadas com frequência ou ajuste o layout de memória (reordenação de campos, redução de padding) para aumentar a eficiência de cache e reduzir o tráfego no barramento de memória.

[t7vonn]

Uau..