performance - 如何优化 MATLAB 按位运算

Question

我在 MATLAB 中编写了自己的 SHA1 实现，它给出了正确的哈希值。但是，它非常慢(一个字符串 a 1000 a 在我的 Core i7-2760QM 上需要 9.9 秒)，我认为这种缓慢是 MATLAB 如何实现按位逻辑运算的结果( bitand、bitor、bitxor、bitcmp)和位移位(bitshift、bitrol , bitror) 的整数。

特别是我想知道是否需要使用 fi 命令为 bitrol 和 bitror 构造定点数字对象，因为无论如何在 Intel x86 汇编中rol 和 ror 都用于各种大小的寄存器和内存地址。然而，bitshift 非常快(它不需要任何定点数字构造，常规 uint64 变量工作正常)，这使得情况变得奇怪:为什么在 MATLAB 中bitrol 和 bitror 需要用 fi 构造的定点数字对象，而 bitshift 在汇编级时不需要这一切都归结为 shl、shr​​、rol 和 ror?

因此，在用 C/C++ 将此函数编写为 .mex 文件之前，我很乐意知道是否有任何方法可以提高此函数的性能。我知道有一些针对 SHA1 的特定优化，但这不是问题，如果按位旋转的非常基本的实现是如此缓慢。

使用 tic 和 toc 进行了一些测试，很明显，使它变慢的原因是 bitrol 和 中的循环fi.有两个这样的循环:

%# Define some variables.
FFFFFFFF = uint64(hex2dec('FFFFFFFF'));

%# constants: K(1), K(2), K(3), K(4).
K(1) = uint64(hex2dec('5A827999'));
K(2) = uint64(hex2dec('6ED9EBA1'));
K(3) = uint64(hex2dec('8F1BBCDC'));
K(4) = uint64(hex2dec('CA62C1D6'));

W = uint64(zeros(1, 80));

... some other code here ...

%# First slow loop begins here.

for index = 17:80
    W(index) = uint64(bitrol(fi(bitxor(bitxor(bitxor(W(index-3), W(index-8)), W(index-14)), W(index-16)), 0, 32, 0), 1));
end

%# First slow loop ends here.

H = sha1_handle_block_struct.H;

A = H(1);
B = H(2);
C = H(3);
D = H(4);
E = H(5);

%# Second slow loop begins here.

for index = 1:80
    rotatedA = uint64(bitrol(fi(A, 0, 32, 0), 5));

    if (index <= 20)
        % alternative #1.
        xorPart = bitxor(D, (bitand(B, (bitxor(C, D)))));
        xorPart = bitand(xorPart, FFFFFFFF);
        temp = rotatedA + xorPart + E + W(index) + K(1);
    elseif ((index >= 21) && (index <= 40))
        % FIPS.
        xorPart = bitxor(bitxor(B, C), D);
        xorPart = bitand(xorPart, FFFFFFFF);
        temp = rotatedA + xorPart + E + W(index) + K(2);
    elseif ((index >= 41) && (index <= 60))
        % alternative #2.
        xorPart = bitor(bitand(B, C), bitand(D, bitxor(B, C)));
        xorPart = bitand(xorPart, FFFFFFFF);
        temp = rotatedA + xorPart + E + W(index) + K(3);
    elseif ((index >= 61) && (index <= 80))
        % FIPS.
        xorPart = bitxor(bitxor(B, C), D);
        xorPart = bitand(xorPart, FFFFFFFF);
        temp = rotatedA + xorPart + E + W(index) + K(4);
    else
        error('error in the code of sha1_handle_block.m!');
    end

temp = bitand(temp, FFFFFFFF);
E = D;
D = C;
C = uint64(bitrol(fi(B, 0, 32, 0), 30));
B = A;
A = temp;
end

%# Second slow loop ends here.

使用 tic 和 toc 进行测量，消息 abc 的 SHA1 哈希的整个计算在我的笔记本电脑上花费了大约 0.63 秒，其中大约在第一个慢循环中传递了 0.23 秒，在第二个慢循环中传递了大约 0.38 秒。那么在编写 .mex 文件之前，有没有什么方法可以在 MATLAB 中优化这些循环？

Answer 1

有这个 DataHash来自可快速计算 SHA-1 哈希的 MATLAB 文件交换。
我运行了以下代码:

x = 'The quick brown fox jumped over the lazy dog';  %# Just a short sentence
y = repmat('a', [1, 1e6]);                           %# A million a's
opt = struct('Method', 'SHA-1', 'Format', 'HEX', 'Input', 'bin');
tic, x_hashed = DataHash(uint8(x), opt), toc
tic, y_hashed = DataHash(uint8(y), opt), toc

得到如下结果:

x_hashed = F6513640F3045E9768B239785625CAA6A2588842
Elapsed time is 0.029250 seconds.

y_hashed = 34AA973CD4C4DAA4F61EEB2BDBAD27316534016F
Elapsed time is 0.020595 seconds.

我用 random online SHA-1 tool 验证了结果，计算确实是正确的。此外，10⁶ 个 a 的散列处理速度比第一句话快 ~1.5 倍。

那么 DataHash 是如何做到这么快的呢？？？使用 java.security.MessageDigest 库，同样如此!
如果您对快速的 MATLAB 友好型 SHA-1 函数感兴趣，这是正确的选择。

但是，如果这只是实现快速位级运算的练习，那么 MATLAB 并不能真正有效地处理它们，在大多数情况下，您将不得不求助于 MEX。