版本 78a6c1aed6611fee250adab5b0b9c4c3d390ebbc
Changes from 78a6c1aed6611fee250adab5b0b9c4c3d390ebbc to 3cfd2b76df9e298544a1afff22b3a15f3ec4fe5e
---
title: 2016q1 Homework #2
toc: no
...
預期目標
------------
- 學習效能分析工具
- 學習 GNU Toolchain
標注須知
-------
下方只要是 `$ ` 開頭，就表示在 GNU/Linux 的終端機裡面輸入的指令，比方說 `$ sudo apt-get update`，就表示要輸入 `sudo apt-get update`。
預先準備動作
-------------------
* 參照 [2016q1: Homework1](/embedded/2016q1h1) 的指示，在實體機器安裝 GNU/Linux 和相關的開發套件
- 注意: 不得透過虛擬機器，因為我們在意實際機器上的效能
* 安裝以下開發工具
```
$ sudo apt-get update
$ sudo apt-get install graphviz
$ sudo apt-get install imagemagick
```
光影追蹤程式
---------------------------
* 光線追蹤 (Ray tracing) 是三維電腦圖形學中的描繪演算法 (rendering algorithm)，跟蹤從眼睛發出的光線，而非是光源發出的光線，藉由預先編排好的場景，以數學模型顯現出來，可得到類似於光線投射與掃描線描繪方法的結果，對於反射與折射，可有更準確的模擬效果，效率非常高，所以當追求高品質的效果時，經常使用這種方法
* 在物理學中，光線追跡可以用來計算光束在介質中傳播的情況。在介質中傳播時，光束可能會被介質吸收，改變傳播方向或者射出介質表面等。我們通過計算理想化的窄光束（光線）通過介質中的情形來解決這種複雜的情況
* 在實際應用中，可將各種電磁波或者微小粒子看成理想化的窄波束（即光線），基於這種假設，人們利用光線追跡來計算光線在介質中傳播的情況。光線追跡方法首先計算一條光線在被介質吸收，或者改變方向前，光線在介質中傳播的距離，方向以及到達的新位置，然後從這個新的位置產生出一條新的光線，使用同樣的處理方法，最終計算出一個完整的光線在介質中傳播的路徑
* 成大資訊系師生合作開發原始程式碼僅 650 行的光線追蹤 C 語言程式: [raytracing](https://github.com/embedded2016/raytracing)
* 取得原始程式碼、編譯和測試:
```
$ git clone https://github.com/embedded2016/raytracing.git && cd raytracing
$ make
$ ./raytracing
```
出現 `# Rendering scene` 字樣後，請保持耐心，等待程式輸出 `Done!` 字樣，參考輸出:
```
Execution time of raytracing() : 2.994175 sec
```
* [raytracing](https://github.com/embedded2016/raytracing) 程式執行完畢，將輸出名為 `out.ppm` 的檔案，可透過 `eog` 或在圖形界面點擊開啟。參考輸出:
* 操作提示：
- 透過 `convert` 這個工具可將 PPM 轉為 PNG 或其他格式，如:
```
convert out.ppm out.png
```
- `make check` 會檢驗程式碼輸出的圖片是否符合預期，符合的話會得到綠色的 "OK!" 字樣
GDB (GNU Debugger)
-------------------
* [GDB Rocks!](http://www.slideshare.net/chenkaie/gdb-rocks-16951548)
* [GDB 筆記](http://loda.hala01.com/2012/04/gdb%E7%AD%86%E8%A8%98/)
* [以 GDB 重新學習 C 語言程式設計](http://www.slideshare.net/jserv/clang-usinggdb)
* [GDB Manual](http://sourceware.org/gdb/current/onlinedocs/gdb/)
* 透過 GDB 進行 [unit testing](https://en.wikipedia.org/wiki/Unit_testing)，可參見[張晏誠同學的共筆](https://hackpad.com/2016-enLVN713lvM)
* 取得預先準備好的 [unit-tests](https://github.com/embedded2016/unit-tests)，來驗證我們開發的 singly-linked list:
```
$ git clone https://github.com/embedded2016/unit-tests.git && cd unit-tests
$ make
$ make check
```
* 檔案 `data-swap.in` 為輸入，格式為:
- 第 1 行是用來給 list 的長度，如 `4`，GDB 會透過程式去建立一個有 4 個 node 的 linked list
- 第 2 行與第 3 行是預計要的 node，從 head 開始算 (包含自己) 的第 N 個 node
* 檔案 `data-bubble.in` 為輸入，格式為:
- 第 1 行指定 List 的長度，如 `3`，GDB 會透過程式去建立一個有 3 個 node 的 linked list
- 第 2 行為 linked list 每個 node 的初始值，如 `12 4 5` 就表示 `list = {12, 4, 5}`
作業要求 (A)
-----------
* 在 GitHub 上 fork [raytracing](https://github.com/embedded2016/raytracing)，並思考如何改善程式效能
* 以 `make PROFILE=1` 重新編譯程式碼，並且學習 [gprof](https://sourceware.org/binutils/docs/gprof/)
- 參考 [使用 GNU gprof 進行 Linux 平台的程式分析](http://os.51cto.com/art/200703/41426.htm)
* 以 [gprof](https://sourceware.org/binutils/docs/gprof/) 指出效能瓶頸，並且著手改寫檔案 `math-toolkit.h` 在內的函式實做，充分紀錄效能差異在共筆
- 注意: 請勿更動編譯器最佳化選項 `-O0` (關閉最佳化)
- 檔案 `math-toolkit.h` 定義的若干數學操作函式很重要，可參考 [SIMD optimized dot and cross product functions](http://tomjbward.co.uk/simd-optimized-dot-and-cross/) 和 [2015q3 Homework #1 Ext](/embedded/2015q3h1ext)
* 將你的觀察、分析，以及各式效能改善過程，並善用 gnuplot 製圖，紀錄於 [作業區](https://embedded2016.hackpad.com/2016q1-Homework-2-v37rXPJjRlW)，記得標注「開發紀錄(A)」
作業要求 (B)
-----------
* 在 GitHub 上 fork [unit-tests](https://github.com/embedded2016/unit-tests)，並依據 [第三週](https://embedded2016.hackpad.com/ep/pad/static/kpfgwU6YgOF) 課堂 code review 的認知，指出給定程式不足之處
* 補強給定程式的 `swap()` 和 `bubble_sort()` 函式，並且研究如何用 GDB 進行自動測試
* 實做 Merge sort，可參見 [競技程式設計課程的解說](/acm/course/Review1)，需要提供以下檔案:
- `merge.c`: `merge_sort()` 函式的實做
- `test-merge.sh`: 測試 `merge_sort()` 函式的 GDB script
- `data-merge.in`: 用來測試的輸入資料，原則上與 `data-bubble.in` 相仿
* 將你學習 GDB 的過程、指出原本程式不足之處 (程式碼寫出來就是給你改進的，可不是給你背誦用！)、如何修正和強化程式，以及在實做 merge sort 的各項啟發，紀錄於 [作業區](https://embedded2016.hackpad.com/2016q1-Homework-2-v37rXPJjRlW)，記得標注「開發紀錄(B)」
參考資料
-------
* [Ray tracing](https://en.wikipedia.org/wiki/Ray_tracing_(graphics))
