Delphi 程式碼效能分析與最佳化技巧

現代軟體開發中，效能最佳化是提升使用者經驗的關鍵環節。本文將探討如何分析和最佳化 Delphi 程式碼，以提升應用程式效能。首先，我們會介紹時間複雜度的概念，並示範如何使用計時器和 Profiler 工具來識別效能瓶頸。接著，我們將深入探討演算法最佳化策略，例如替換演算法和微調程式碼，並介紹快取機制及其在效能最佳化中的應用。最後，我們將探討如何使用 AsmProfiler 等工具進行程式碼分析，並提供一些實用的最佳化技巧。

分析 SlowMethod

SlowMethod 的時間複雜度可以分為兩部分：

內部迴圈：for i in data do 和 for i in list do，每個迴圈的時間複雜度都是 O(n)。
函式呼叫：Filter 方法和 ElementInDataDivides 函式，每個函式的時間複雜度也是 O(n)。

由於內部迴圈和函式呼叫的時間複雜度都是 O(n)，因此 SlowMethod 的整體時間複雜度是 O(n^2)。

其他因素

除了迴圈和函式呼叫之外，還有其他因素會影響時間複雜度，例如：

字串轉換和反轉：StrToInt(Reverse(IntToStr(i)))，這個操作的時間複雜度是 O(n log n)，但由於 n log n 遠小於 n^2，因此可以忽略。
記憶體管理：SetLength 方法可能會有額外的時間複雜度，但這個部分會在第 6 章中詳細討論。

內容解密：

上述分析中，我們使用了大 O 標記法來描述演算法的時間複雜度。這個標記法可以幫助我們簡化時間複雜度的表達，並忽略常數因子。同時，我們也討論了其他因素對時間複雜度的影響，例如字串轉換和記憶體管理。

  flowchart TD
    A[輸入大小] --> B[時間複雜度]
    B --> C[O(n^2)]
    C --> D[執行時間]
    D --> E[二次方增加]

圖表翻譯：

上述流程圖描述了輸入大小和時間複雜度之間的關係。當輸入大小增加時，時間複雜度會以二次方的速度增加，從而導致執行時間的增加。這個圖表可以幫助我們直觀地理解演算法的效率和最佳化的方向。

關於程式碼效能最佳化

程式碼效能最佳化是指透過分析和改程式式碼的執行效率，以提高程式的速度和效能。這個過程通常涉及到分析程式碼的時間和空間複雜度，找出瓶頸和效能低下的部分，並對其進行最佳化。

時間複雜度和空間複雜度

時間複雜度是指程式碼執行所需的時間，通常用大O符號表示，如O(n)、O(n^2)等。空間複雜度是指程式碼佔用的記憶體空間，同樣用大O符號表示。

分析程式碼的效能

分析程式碼的效能可以透過多種方法，包括手動分析和使用專門的工具。手動分析需要對程式碼進行逐行分析，找出效能低下的部分。使用專門的工具可以更快速地找出瓶頸和效能低下的部分。

最佳化程式碼的效能

最佳化程式碼的效能可以透過多種方法，包括改進演算法、最佳化資料結構、減少迴圈次數等。改進演算法可以提高程式碼的執行效率，最佳化資料結構可以減少記憶體空間的佔用，減少迴圈次數可以提高程式碼的速度。

使用TStopwatch進行測量

Delphi提供了一個名為TStopwatch的單元，允許開發者測量程式碼的執行時間。TStopwatch提供了一個簡單的介面，允許開發者建立、啟動、停止和重置計時器。

範例程式碼

以下是一個簡單的範例程式碼，示範如何使用TStopwatch進行測量：

function Measure1sec: int64;
var
  sw: TStopwatch;
begin
  sw := TStopwatch.StartNew;
  Sleep(1000);
  Result := sw.ElapsedMilliseconds;
end;

這個範例程式碼建立了一個TStopwatch物件，啟動計時器，暫停1秒，然後停止計時器並傳回計時器的結果。

程式碼效能分析

在最佳化程式碼之前，瞭解程式碼的效能瓶頸至關重要。為了分析程式碼的效能，我們可以使用計時器來測量特定方法的執行時間。以下是如何在 Delphi 中實作此功能：

uses
  System.SysUtils,
  System.Classes,
  System.Diagnostics;

// ...

function SlowMethod(highBound: Integer): TArray<Integer>;
var
  sw: TStopwatch;
begin
  sw := TStopwatch.StartNew;
  // existing code
  sw.Stop;
  Writeln('SlowMethod: ', sw.ElapsedMilliseconds, ' ms');
end;

這段程式碼會在 SlowMethod 方法中啟動一個計時器，然後在方法結束時停止計時器，並將執行時間以毫秒為單位輸出到主控臺。

效能測試

為了驗證 SlowCode 的時間複雜度為 O(n^2)，我們需要測量不同輸入大小的執行時間。以下是測試結果：

最高數字	執行時間 (毫秒)
10,000	15
25,000	79
50,000	250
75,000	506
100,000	837
250,000	4,515
500,000	15,564
750,000	30,806
1,000,000	54,219

這些結果顯示，執行時間隨著輸入大小的增加而呈現二次方增長的趨勢。

效能分析

為了快速確認這個趨勢，我們可以使用 Excel 繪製散點圖，並新增趨勢線。結果如下：

散點圖顯示執行時間隨著輸入大小的增加而呈現二次方增長的趨勢。
趨勢線顯示執行時間與輸入大小的平方成正比。

這些結果證實了 SlowCode 的時間複雜度為 O(n^2)。在最佳化程式碼之前，瞭解程式碼的效能瓶頸至關重要。透過測量和分析執行時間，我們可以找出需要最佳化的部分，並改善程式碼的效能。

程式碼效能分析

在進行程式碼效能分析時，瞭解程式的行為和瓶頸是非常重要的。首先，我們可以使用曲線擬合來瞭解程式的行為模式。在 Excel 或 Wolfram Alpha 等工具中，可以使用迴歸分析來找到最佳擬合曲線。例如，給定的測量資料可以使用以下曲線進行擬合：y = 10^-6 * x^1.7751。

使用曲線擬合進行分析

曲線擬合可以幫助我們瞭解程式的行為模式。透過分析曲線的斜率和截距，可以得出程式的時間複雜度。例如，如果曲線的斜率為 2，則表示程式的時間複雜度為 O(n^2)。

使用計時器進行效能分析

除了曲線擬合外，還可以使用計時器來進行效能分析。計時器可以幫助我們瞭解程式的執行時間和瓶頸。在 Delphi 中，可以使用 TStopwatch 類別來建立計時器。以下是使用計時器進行效能分析的示例：

var
  Timing_ElementInData: TStopwatch;
  Timing_Filter: TStopwatch;
  Timing_SlowMethod: TStopwatch;

// 建立計時器
Timing_ElementInData := TStopwatch.Create;
Timing_Filter := TStopwatch.Create;
Timing_SlowMethod := TStopwatch.Create;

// 啟動計時器
Timing_SlowMethod.Start;

// 執行程式碼
// ...

// 停止計時器
Timing_SlowMethod.Stop;

// 輸出執行時間
Writeln('Total time spent in SlowMethod: ', Timing_SlowMethod.ElapsedMilliseconds, ' ms');

分析結果

透過使用曲線擬合和計時器進行效能分析，可以得出以下結論：

程式的時間複雜度為 O(n^2)。
最耗時的部分是 ElementInDataDivides 函式。
Filter 函式也耗費了相當的時間。

最佳化方案

根據分析結果，可以提出以下最佳化方案：

最佳化 ElementInDataDivides 函式的演算法。
最佳化 Filter 函式的演算法。
減少函式呼叫的次數。

內容解密：

以上程式碼示例展示瞭如何使用 TStopwatch 類別來進行效能分析。透過建立計時器、啟動計時器、停止計時器和輸出執行時間，可以得出程式的執行時間和瓶頸。這些資訊可以幫助開發者最佳化程式的效能。

圖表翻譯：

以下是使用 Mermaid 語法繪製的流程圖：

  flowchart TD
    A[開始] --> B[建立計時器]
    B --> C[啟動計時器]
    C --> D[執行程式碼]
    D --> E[停止計時器]
    E --> F[輸出執行時間]

這個流程圖展示了效能分析的步驟，從建立計時器到輸出執行時間。

程式碼分析與最佳化

在進行程式碼分析與最佳化時，瞭解程式碼的執行時間和瓶頸是非常重要的。這可以透過使用計時器或 profiler 來實作。計時器可以用來測量特定程式碼區塊的執行時間，而 profiler 可以提供更詳細的資訊，包括程式碼的執行時間、記憶體使用情況等。

計時器的使用

在上面的程式碼中，使用了計時器來測量 ElementInDataDivides 函式的執行時間。這可以透過使用 Timing_SlowMethod 和 Timing_ElementInData 來實作。這些計時器可以用來測量特定程式碼區塊的執行時間，並且可以用來分析程式碼的瓶頸。

Profiler 的使用

Profiler 是一種工具，可以用來分析程式碼的執行時間、記憶體使用情況等。它可以提供更詳細的資訊，包括程式碼的執行時間、記憶體使用情況等。有兩種型別的 profiler：sampling profiler 和 instrumenting profiler。

Sampling profiler：這種 profiler 會在特定時間間隔內取樣程式碼的執行狀態，然後根據取樣結果來估計程式碼的執行時間。
Instrumenting profiler：這種 profiler 會修改程式碼，加入計時器或其他分析工具，然後執行程式碼，以收集更詳細的資訊。

AsmProfiler 的使用

AsmProfiler 是一種開源的 profiler，可以用來分析程式碼的執行時間和記憶體使用情況。它提供了兩種模式：sampling 和 instrumenting。使用 AsmProfiler 可以透過以下步驟：

下載和安裝 AsmProfiler。
啟動 AsmProfiler，然後選擇要分析的程式碼。
啟動 profiling 會話，然後執行程式碼。
分析 profiling 結果，找出程式碼的瓶頸。

最佳化程式碼

最佳化程式碼需要根據 profiling 結果，找出程式碼的瓶頸，然後進行最佳化。最佳化的方法包括：

改進演算法：使用更有效率的演算法，可以減少程式碼的執行時間。
減少迴圈：減少迴圈的次數，可以減少程式碼的執行時間。
減少記憶體使用：減少記憶體使用，可以減少程式碼的執行時間。

以下是一個最佳化程式碼的範例：

def optimize_code():
    # 原始程式碼
    result = 0
    for i in range(1000000):
        result += i

    # 最佳化程式碼
    result = sum(range(1000000))

    return result

在這個範例中，原始程式碼使用迴圈來計算 1 到 1000000 的總和，而最佳化程式碼使用 sum 函式來計算總和。最佳化程式碼的執行時間比原始程式碼短很多。

使用 AsmProfiler 進行程式碼分析

AsmProfiler 是一款功能強大的程式碼分析工具，能夠幫助我們找出程式碼中的效能瓶頸。以下是使用 AsmProfiler 進行程式碼分析的步驟：

啟動 AsmProfiler

首先，啟動 AsmProfiler 並選擇要分析的程式碼。可以選擇「Select exe」並選擇要分析的程式碼。

設定取樣間隔

設定取樣間隔（Sampling interval）以控制取樣的頻率。取樣間隔越小，取樣的頻率就越高。

啟動取樣

啟動取樣（Start sampling）以開始收集程式碼的執行資料。

執行程式碼

執行程式碼並輸入相關的輸入資料。

停止取樣

停止取樣（Stop sampling）以結束收集程式碼的執行資料。

顯示結果

顯示結果（Show results）以檢視程式碼的執行資料。

分析結果

分析結果以找出程式碼中的效能瓶頸。可以排序結果以檢視哪些函式花費了最多的時間。

詳細檢視

詳細檢視（Detailed View）以檢視函式的詳細執行資料，包括每行程式碼的執行次數。

使用 AsmProfiler 的 Instrumenting Profiler

AsmProfiler 的 Instrumenting Profiler 需要進行一些額外的設定。以下是使用 AsmProfiler 的 Instrumenting Profiler 的步驟：

複製 AsmProfiler.dll

複製 AsmProfiler.dll 到 Windows 環境路徑或程式碼的資料夾中。

複製 Instrumenting\API_uAsmProfDllLoader.pas

複製 Instrumenting\API_uAsmProfDllLoader.pas 到 Delphi 的函式庫路徑中或程式碼的資料夾中。

加入 _uAsmProfDllLoader 單元

加入 _uAsmProfDllLoader 單元到程式碼中。

啟動 Profiler

啟動 Profiler 並顯示 Profiler 的主介面。

啟動取樣

啟動取樣以開始收集程式碼的執行資料。

停止取樣

停止取樣以結束收集程式碼的執行資料。

解除安裝 Profiler DLL

解除安裝 Profiler DLL 以結束 Profiler 的執行。

最佳化程式碼效能：探索 Delphi 中的 Profiling 工具

在開發高效能應用程式的過程中，瞭解程式碼的執行時間和效能瓶頸至關重要。Delphi 提供了多種 Profiling 工具來幫助開發者最佳化程式碼。這篇文章將介紹三種常用的 Profiling 工具：AsmProfiler、Sampling Profiler 和 AQTime。

AsmProfiler

AsmProfiler 是一款免費的 Profiling 工具，支援 Delphi 7 到 10.4 Sydney。它提供了詳細的時間資訊和呼叫樹，幫助開發者快速找到效能瓶頸。AsmProfiler 的使用方法如下：

下載 AsmProfiler 和 _uAsmProfDllLoader.pas 檔案。
將 _uAsmProfDllLoader.pas 檔案新增到您的 Delphi 專案中。
在您的程式碼中呼叫 _uAsmProfDllLoader.StartProfiler 和 _uAsmProfDllLoader.StopProfiler 函式來開始和停止 Profiling。
使用 AsmProfiler 的 GUI 介面來檢視 Profiling 結果。

Sampling Profiler

Sampling Profiler 是另一款免費的 Profiling 工具，支援 Delphi 7 到 10.4 Sydney。它提供了簡單的 Profiling 結果檢視，幫助開發者快速找到效能瓶頸。Sampling Profiler 的使用方法如下：

下載 Sampling Profiler。
將 Sampling Profiler 新增到您的 Delphi 專案中。
在您的程式碼中呼叫 OutputDebugString('SAMPLING ON') 和 OutputDebugString('SAMPLING OFF') 函式來開始和停止 Profiling。
使用 Sampling Profiler 的 GUI 介面來檢視 Profiling 結果。

AQTime

AQTime 是一款商業的 Profiling 工具，支援多種程式語言，包括 Delphi、C/C++、.NET、Java 和 Silverlight。它提供了多種 Profiling 工具，包括效能 Profiler、Sampling Profiler、Coverage Profiler 等。AQTime 的使用方法如下：

下載 AQTime 試用版。
安裝 AQTime。
在 Delphi IDE 中啟用 AQTime。
使用 AQTime 的 GUI 介面來組態 Profiling 選項和檢視 Profiling 結果。

最佳化演算法

在上一章中，我們探討了程式效能的概念，並使用手動方法和專門工具（profilers）來找出程式中最慢的部分。在這一章中，我們將更深入地探討如何最佳化演算法，以提高程式的效能。

最佳化方法

有兩種主要方法可以用來提高程式的效能：

替換演算法：使用更好的演算法來取代現有的演算法。
微調程式碼：對現有的程式碼進行微調，以提高其執行速度。

演算法複雜度

演算法的複雜度是決定其效能的關鍵因素。一個具有良好時間複雜度的演算法可以比一個具有壞時間複雜度的演算法快得多。例如，如果我們從一個時間複雜度為 O(n^2) 的演算法轉換到一個時間複雜度為 O(n log n) 的演算法，則差異在資料大小增加時會更加明顯。

使用介面最佳化

在使用介面中，最佳化演算法可以提高回應速度。由於我們不能修改 VCL 或 Windows 的程式碼，因此任何使用介面的最佳化都必須透過更好的演算法來實作。

快取機制

快取機制是一種可以幫助提高程式速度的方法。即使無法改變演算法，引入一個快取機制也可以顯著提高程式的效能。

實作快取類別

實作一個快速的快取類別是一項具有挑戰性的工作。在本章中，我們將介紹一個可重用的快取類別，供您在自己的程式碼中使用。

分析和最佳化未知演算法

在本章的最後部分，我們將分析 Mr. Smith 的 SlowCode 範例，並嘗試透過最佳化演算法來提高其效能。

本章涵蓋的主題

寫入回應式使用介面
更新 VCL 和 FireMonkey 控制項而不等待
透過快取機制加速函式
實作可重用的快取類別
分析和最佳化未知演算法

技術需求

本章中的所有程式碼都是使用 Delphi 11.3 Alexandria 撰寫的。我們沒有使用最新的語言功能，以確保大部分程式碼可以在 Delphi XE 和更新版本中執行。您可以在 GitHub 上找到本章的程式碼。

寫作回應式使用者介面

使用者與程式的第一個接觸點永遠是使用者介面。一個好的使用者介面可以使程式成功或失敗。將使用者介面設計放在一邊（因為我不具備討論這方面的資格），我將關注一個事實：使用者討厭沒有反應的使用者介面。換句話說，每個好的使用者介面都必須快速反應使用者的輸入，不論是鍵盤、滑鼠、觸控板或其他裝置。

哪些任務可能使使用者介面無法反應？基本上，它們都歸入兩類：

程式正在執行一個慢速的程式碼塊。在執行期間，使用者介面無法反應。
更新使用者介面本身需要很長時間。

第一類問題可以分為兩個子集：具有非阻塞（非同步）替代的函式和沒有替代的函式。有時，我們可以用非同步執行的函式替換慢速的函式。例如，代替使用標準的檔案讀取函式，我們可以使用 Windows 的非同步檔案 I/O API。檔案讀取將與我們的程式平行進行，我們將透過其他機制收到成功或失敗的讀取通知。

然而，通常這是不可能的（沒有慢速函式的替代），或非同步版本太複雜而難以實作。在這種情況下，我們可以在執行緒中執行慢速程式碼。這將在第 7 到 10 章中進行涵蓋。

在追求極致效能的軟體開發趨勢下，程式碼最佳化已成為不可或缺的環節。本文深入分析了SlowMethod 的效能瓶頸，並佐以 TStopwatch 和 AsmProfiler 等工具的實測資料，證實其時間複雜度為 O(n^2)。此外，我們也探討了曲線擬合、Sampling Profiler 與 AQTime 等進階分析方法，更精確地定位效能瓶頸所在，並提出了演算法最佳化、快取機制以及非同步處理等最佳化策略。然而，效能最佳化並非一蹴可幾，需考量程式碼可讀性、維護成本以及硬體資源等多重因素。玄貓認為，開發者應優先著重於演算法層級的最佳化，並善用 Profiling 工具找出關鍵瓶頸，才能在有限資源下達到最佳的效能提升。未來，隨著硬體效能的持續提升和編譯器技術的進步，自動化程式碼最佳化工具將扮演更重要的角色，進一步簡化開發流程並提升軟體效能。

玄貓

技術愛好者，專注於分享程式開發、雲端技術與 AI 應用的心得體會。