Question

考虑以下两个以两种不同方式执行相同计算的程序：

// v1.c
#include <stdio.h>
#include <math.h>
int main(void) {
   int i, j;
   int nbr_values = 8192;
   int n_iter = 100000;
   float x;
   for (j = 0; j < nbr_values; j++) {
      x = 1;
      for (i = 0; i < n_iter; i++)
         x = sin(x);
   }
   printf("%f\n", x);
   return 0;
}

和

// v2.c
#include <stdio.h>
#include <math.h>
int main(void) {
   int i, j;
   int nbr_values = 8192;
   int n_iter = 100000;
   float x[nbr_values];
   for (i = 0; i < nbr_values; ++i) {
      x[i] = 1;
   }
   for (i = 0; i < n_iter; i++) {
      for (j = 0; j < nbr_values; ++j) {
         x[j] = sin(x[j]);
      }
   }
   printf("%f\n", x[0]);
   return 0;
}

当我使用带有-O3 -ffast-math的gcc 4.7.2编译它们并在Sandy Bridge框中运行时，第二个程序的速度是第一个程序的两倍。

为什么？

一个嫌疑人是i中v1循环的连续迭代之间的数据依赖性。但是，我不太明白完整的解释是什么。

（问题受Why is my python/numpy example faster than pure C implementation?启发）

修改

以下是v1生成的程序集：

        movl    $8192, %ebp
        pushq   %rbx
LCFI1:
        subq    $8, %rsp
LCFI2:
        .align 4
L2:
        movl    $100000, %ebx
        movss   LC0(%rip), %xmm0
        jmp     L5
        .align 4
L3:
        call    _sinf
L5:
        subl    $1, %ebx
        jne     L3
        subl    $1, %ebp
        .p2align 4,,2
        jne     L2

和v2：

        movl    $100000, %r14d
        .align 4
L8:
        xorl    %ebx, %ebx
        .align 4
L9:
        movss   (%r12,%rbx), %xmm0
        call    _sinf
        movss   %xmm0, (%r12,%rbx)
        addq    $4, %rbx
        cmpq    $32768, %rbx
        jne     L9
        subl    $1, %r14d
        jne     L8

Answer 1

一起忽略循环结构，只考虑sin的调用顺序。 v1执行以下操作：

x <-- sin(x)
x <-- sin(x)
x <-- sin(x)
...

也就是说，sin( )的每次计算都不能开始，直到前一次调用的结果可用为止;它必须等待以前的整个计算。这意味着，对于sin的N次调用，所需的总时间是单次sin评估的延迟时间的819200000倍。

相比之下，在v2中，您可以执行以下操作：

x[0] <-- sin(x[0])
x[1] <-- sin(x[1])
x[2] <-- sin(x[2])
...

请注意，对sin的每次通话都不依赖于之前的通话。实际上，对sin的调用都是独立的，只要必要的寄存器和ALU资源可用，处理器就可以在每个调用上开始（无需等待先前的计算完成）。因此，所需的时间是sin函数的吞吐量的函数，而不是延迟，因此v2可以在相当短的时间内完成。

我还应该注意到DeadMG是正确的，v1和v2在形式上是等价的，在完美的世界中，编译器会将它们优化为100000 sin的单个链。评估（或简单地在编译时评估结果）。可悲的是，我们生活在一个不完美的世界。

Answer 2

在第一个例子中，它运行100000个sin循环，8192次。

在第二个例子中，它运行了8192个sin循环，100000次。

除此之外，以不同方式存储结果，我看不出任何差异。

然而，有意义的是，在第二种情况下，每个循环的输入都在改变。所以我怀疑发生的事情是，在循环中的某些时间，sin值变得更容易计算。这可以产生很大的不同。计算sin并不是完全无关紧要的，而是一系列计算循环直到退出条件被击中。

涉及sin（）的两个非常相似的函数表现出截然不同的性能 - 为什么？

2 个答案: