Davide Grilli
9a0a170799
add local Codex skill for Python->C performance-focused translation define modular C architecture and benchmark/correctness gates add references for patterns, profiling, and module design add scaffold_c_module.py to generate include/src/tests/bench skeleton update agent default prompt for benchmark-backed optimizations
69 lines
1.6 KiB
Markdown
69 lines
1.6 KiB
Markdown
# Compilazione, Profiling e Benchmark
|
|
|
|
## 1) Profili build consigliati
|
|
|
|
## Debug (correttezza e sicurezza)
|
|
|
|
```bash
|
|
gcc -O0 -g3 -fsanitize=address,undefined -fno-omit-frame-pointer -Wall -Wextra -Wpedantic src/*.c tests/*.c -o app_debug
|
|
```
|
|
|
|
Usare questo profilo per trovare UB, out-of-bounds e bug di lifetime.
|
|
|
|
## Release (throughput)
|
|
|
|
```bash
|
|
gcc -O3 -march=native -flto -fno-semantic-interposition -DNDEBUG -Wall -Wextra src/*.c -o app_release
|
|
```
|
|
|
|
Confrontare anche con `clang` sullo stesso workload.
|
|
|
|
## Release + PGO (opzionale su workload stabile)
|
|
|
|
```bash
|
|
gcc -O3 -fprofile-generate src/*.c -o app_pgo_gen
|
|
./app_pgo_gen <input-realistico>
|
|
gcc -O3 -fprofile-use -fprofile-correction src/*.c -o app_pgo
|
|
```
|
|
|
|
Applicare PGO solo quando il dataset di training è rappresentativo.
|
|
|
|
## 2) Misurazione minima
|
|
|
|
## Tempo e memoria
|
|
|
|
```bash
|
|
/usr/bin/time -v ./app_release
|
|
```
|
|
|
|
## Benchmark ripetibile
|
|
|
|
```bash
|
|
hyperfine --warmup 3 --runs 20 'python3 script.py' './app_release'
|
|
```
|
|
|
|
Bloccare input, CPU governor e carico macchina durante le run.
|
|
|
|
## 3) Profiling CPU
|
|
|
|
```bash
|
|
perf stat ./app_release
|
|
perf record -g ./app_release
|
|
perf report
|
|
```
|
|
|
|
Usare `perf report` per confermare hotspot reali prima di ottimizzare.
|
|
|
|
## 4) Interpretazione pratica
|
|
|
|
- Ridurre prima complessità algoritmica.
|
|
- Ottimizzare poi memoria/cache.
|
|
- Applicare infine micro-ottimizzazioni (`inline`, branch hints, unrolling) solo se misurate.
|
|
|
|
## 5) Gate di accettazione
|
|
|
|
1. Nessun errore sanitizer in debug.
|
|
2. Equivalenza output su dataset di regressione.
|
|
3. Speedup ripetibile su target reale.
|
|
4. Metriche e flag compiler documentati nel risultato.
|