数据类型大小对性能的影响

Question

我正在进行密集的数值模拟。我经常使用长整数，但我意识到使用整数是安全的。这会显着提高我的模拟速度吗？

Answer 1

取决于。如果内存中连续存在大量的数字，则它们更有可能适合L2缓存，因此缓存未命中次数较少。 L2缓存未命中 - 取决于您的平台 - 可能会对性能产生重大影响，因此尽可能使缓存尽可能适合缓存（如果可以，也可以预取）绝对是个好主意。但是不要指望你的代码会突然飞行，因为你的类型较小。

编辑：还有一件事 - 如果你选择一个笨拙的类型（比如32位或64位平台上的16位整数），你的性能可能会更差，因为CPU必须通过手术提取16位值并将其转换为可以使用的值。但通常情况下，整数是一个不错的选择。

Answer 2

取决于您的数据集大小。显然，将整数的大小减半可能会使适合CPU缓存的数据量增加一倍，因此访问数据的速度会更快。有关详细信息，我建议您阅读着名的Ulrich Drepper论文What Every Programmer Should Know About Memory。

Answer 3

这就是为什么typedef是你的朋友。 ： - ）

如果在数学上可行，请尝试使用浮点数而不是整数。我在某处看到浮点运算（特别是乘法）在某些处理器上实际上可以更快。

最好的事情是进行实验和基准测试。几乎不可能在分析上弄清楚哪种微优化效果最好。

编辑：这个post讨论了整数和浮点数之间的性能差异。

Answer 4

所有答案都已经处理了CPU缓存问题：如果您的数据小两倍，那么在某些情况下它可以完全适应L2缓存，从而提高性能。

然而，还有另一个非常重要且更一般的事情：内存带宽。如果算法是线性的（又名 O（N）复杂度）并且后续访问内存，则它可能受内存限制。这意味着内存读/写是瓶颈，而CPU只是浪费了很多周期来等待内存操作的完成。在这种情况下，减少总存储器大小两次将产生可靠的2倍性能提升。 此外，在这种情况下，切换到字节可能会产生更大的性能提升，尽管事实上CPU计算可能会像其他答案者已经提到的那样用字节慢。

一般来说，答案取决于几个方面，例如：算法使用的数据总大小，内存访问模式（随机/序列），算法渐近复杂度，每内存计算比率（主要用于线性算法）。