Optimisé chercher_mot par recherche dichotomique

2026-10-07 11:30:14 +02:00
parent 55320bdfea
commit be387e2066
7 changed files with 6381 additions and 6 deletions
@@ -0,0 +1,155 @@
+Lancement du programme après la compilation avec `gcc -O0 analyseur.c -o analyseur`
+
+```bash
+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
+```
+
+Et ensuite la commande time sur l'exécutable avec `time ./analyseur `
+
+```bash
+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    0m2.858s
+user    0m2.821s
+sys     0m0.013s
+```
+
+On recompile avec le flag `-pg` : `gcc -O0 -pg analyseur.c -o analyseur`
+Et on relance `time` dessus
+
+```bash
+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    0m6.354s
+user    0m6.295s
+sys     0m0.020s
+```
+
+On lance `gprof` : `gprof -b ./analyseur gmon.out > profil_avant.txt`
+
+## Optimisation de `chercher_mot` : recherche dichotomique
+
+La recherche initiale parcourait toutes les entrées jusqu'à trouver le mot.
+Pour 150 182 recherches, elle effectuait 296 656 203 appels à `egales()`.
+
+Le tableau est maintenant maintenu dans l'ordre alphabétique pendant le
+comptage. `chercher_mot` utilise `comparer()` pour éliminer la moitié des
+entrées restantes à chaque étape : la recherche passe de O(n) à O(log n).
+Si le mot est absent, la fonction renvoie `-(position d'insertion + 1)` ;
+`compter_mot` retrouve cette position avec `-indice - 1`, décale les entrées
+et insère le nouveau mot. Cette insertion reste en O(n), mais elle n'a lieu
+qu'à la première apparition de chacun des 5 866 mots distincts.
+Le tableau existant est réutilisé, sans allocation supplémentaire.
+Le tri final par fréquence produit le même classement.
+
+Résultats du nouveau profil, conservé dans [out/profil_apres.txt](out/profil_apres.txt) :
+
+| Mesure | Avant | Après |
+| --- | ---: | ---: |
+| Appels de `chercher_mot` | 150 182 | 150 182 |
+| Appels à `egales()` depuis `chercher_mot` | 296 656 203 | 0 |
+| Comparaisons de chaînes dans `chercher_mot` | 296 656 203 | 1 718 447 |
+| Appels à `egales()` dans tout le programme | 308 701 874 | 12 045 671 |
+| Temps réel sans profiling (`gcc -O0`) | 2,80 s | 1,45 s |
+
+Les recherches effectuent environ 173 fois moins de comparaisons.
+Les appels restants à `egales()` viennent de `est_mot_vide`.
+Les temps ci-dessus correspondent à une mesure avant/après sur la même
+machine pendant cette modification : environ 48 % de temps en moins
+(accélération d'environ 1,93). Ce sont des mesures ponctuelles.
+
+Validation : compilation avec `-Wall -Wextra -Wpedantic`, rapport et sortie
+console identiques octet par octet à la version initiale, avec et sans `-pg`.
+L'empreinte reste **`1d53de903efd2b7c`**.
+Un test temporaire sous AddressSanitizer et UndefinedBehaviorSanitizer a
+également vérifié les recherches dans un tableau vide, les mots présents
+ou absents, les insertions au début/milieu/fin, les doublons et les mots de
+31 caractères, puis comparé 10 000 comptages à une référence linéaire.
+
+Pour reproduire le profil sans écraser les fichiers du profil initial :
+
+```bash
+mkdir -p out/apres
+gcc -O0 -pg analyseur.c -o out/apres/analyseur
+(cd out/apres && ./analyseur && gprof -b ./analyseur gmon.out > ../profil_apres.txt)
+```
+
+```bash
+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    0m1.986s
+user    0m1.934s
+sys     0m0.011s
+```