Optimisation des performances en mémorisant la longueur des mots et en supprimant les parcours redondants

notes.md

@@ -280,3 +280,89 @@ mkdir -p out/apres_hachage
 gcc -O0 -pg analyseur.c -o out/apres_hachage/analyseur
 (cd out/apres_hachage && ./analyseur && gprof -b ./analyseur gmon.out > ../profil_apres_hachage.txt)
 ```
+
+## Longueurs mémorisées et suppression des parcours répétés
+
+Le champ `taille` de `Entree` mémorise la longueur du mot à son insertion.
+La valeur vient directement de `k`, déjà calculé dans `compter_mots_ligne` :
+aucun parcours supplémentaire n'est nécessaire. La moyenne et la variance
+lisent désormais ce champ. Le tri déplace l'entrée entière, donc la longueur
+reste associée au bon mot. Pour un mot tronqué, la taille enregistrée est
+celle du mot conservé, soit au maximum 31 caractères.
+
+Deux autres changements éliminent les recalculs sur les chaînes longues :
+
+- `normaliser_ligne` s'arrête directement sur `ligne[i] == '\0'`. Le parcours
+  d'une ligne de L caractères passe de O(L²) à O(L).
+- `ajouter` reçoit une position de fin, qu'il avance pendant la copie des
+  caractères ajoutés. Cette position est conservée lors de la construction
+  du rapport et réinitialisée pour chaque mot du vocabulaire. Le préfixe
+  déjà construit n'est plus parcouru à chaque ajout.
+
+La fonction `longueur`, devenue inutilisée, a été supprimée.
+Le champ supplémentaire fait passer `sizeof(Entree)` de 36 à 40 octets sur
+cette machine : le tableau alloué pour 20 000 entrées prend 80 000 octets
+supplémentaires, soit environ 78 Kio.
+
+Profil enregistré dans [out/profil_apres_longueurs.txt](out/profil_apres_longueurs.txt).
+La version précédente, avec la table de hachage, est décrite dans
+`out/profil_apres_hachage.txt`.
+
+| Mesure | Avant | Après |
+| --- | ---: | ---: |
+| Appels à `longueur()` depuis les statistiques | 11 732 | 0 |
+| Appels à `longueur()` depuis `normaliser_ligne` | 1 561 330 | 0 |
+| Appels à `longueur()` depuis `ajouter` | 26 801 | 0 |
+| Appels à `longueur()` au total | 1 599 863 | 0 |
+| Temps réel médian sans profiling (`gcc -O0`, 5 exécutions par version) | 0,832 s | 0,362 s |
+
+Le temps total baisse de 56,5 %, soit une accélération d'environ 2,30.
+Cette mesure porte sur l'ensemble des trois changements, et ne doit pas
+être attribuée uniquement au stockage de la longueur des mots.
+
+Les cinq mesures, réalisées en alternant les deux versions sur la même
+machine, sont respectivement : 0,835 / 0,838 / 0,830 / 0,832 / 0,829 s
+avant, et 0,362 / 0,369 / 0,366 / 0,362 / 0,361 s après.
+
+Validation : compilation sans avertissement avec `-Wall -Wextra -Wpedantic`,
+rapport et sortie console identiques octet par octet sur les dix exécutions,
+avec `-pg` et sous AddressSanitizer et UndefinedBehaviorSanitizer.
+L'empreinte reste **`1d53de903efd2b7c`**, la moyenne `6.712` et l'écart-type
+`1.873`. Des tests temporaires ont également vérifié les ajouts vides et
+successifs jusqu'à la limite d'un tampon, la normalisation, les longueurs
+avant/après tri, les statistiques, le rapport vide et les mots tronqués.
+
+Commandes pour reproduire ce profil :
+
+```bash
+mkdir -p out/apres_longueurs
+gcc -O0 -pg analyseur.c -o out/apres_longueurs/analyseur
+(cd out/apres_longueurs && ./analyseur && gprof -b ./analyseur gmon.out > ../profil_apres_longueurs.txt)
+```
+
+```bash
+[rabot@salle235-06 out]$ time ./analyseur 
+Lignes analysées      : 21746
+Mots au total         : 250000
+Mots distincts        : 5866
+Longueur moyenne      : 6.712 (écart-type 1.873)
+Bigramme le + courant : "me" (17607 fois, souvent suivi de 'n')
+
+Top 10 :
+   1. rane             287
+   2. fasi             241
+   3. tata             219
+   4. mopo             214
+   5. cofi             180
+   6. vesi             179
+   7. laganomo         177
+   8. boto             172
+   9. nopebo           169
+  10. rotion           165
+
+Empreinte du rapport  : 1d53de903efd2b7c
+
+real    0m0.751s
+user    0m0.703s
+sys     0m0.004s
+```