为什么使用float而不是double不能提高Android性能？

Question

由于所有智能手机（至少是那些我可以找到规格的智能手机）都有32位处理器，我认为在大量计算中使用单精度浮点值的性能明显优于双精度。但是，情况似乎并非如此。

即使我避免使用类型转换，并且尽可能使用FloatMath包，在将基于浮点的方法与基于浮点的方法进行比较时，除了内存使用之外，我几乎看不到任何性能改进。

我目前正在研究一种相当大的计算密集型声音分析工具，它每秒进行数百万次乘法和加法。由于32位处理器上的双精度乘法需要几个时钟周期而单精度需要1，我假设类型更改会很明显......但它不是： - （

对此有一个很好的解释吗？这是由于Dalvik VM的工作方式还是什么？

Answer 1

典型CPU上的浮点单元以双精度（或更好）执行所有计算，并简单地舍入或转换为最终精度。换句话说，即使是32位CPU也有64位FPU。

许多手机都有包含FPU的CPU，但禁用了FPU以节省功耗，导致浮点运算被慢慢模拟（在这种情况下，32位浮点数将是一个优势）。

还有一些具有32位FPU的向量单元，导致64位浮点运算需要更长时间。一些SIMD单元（如那些执行SSE指令的单元）在相同的时间内执行32位和64位操作，因此您可以一次执行两次32位操作，但单个32位操作赢了不会比单个64位操作更快。

Answer 2

很多（也许是大多数）Android设备都没有浮点协处理器。

  

我目前正在研究一种相当大的计算密集型声音分析工具，它每秒进行数百万次乘法和加法。

在没有浮点协处理器的Android设备上，这不会很好。

使用NDK将其移至C / C ++，然后将目标限制为ARM7，后者具有浮点协处理器。

或者，将数学更改为在定点模式下工作。例如，Google地图不会处理纬度和经度的十进制度数，而是处理微度度数（10 ^ 6度），特别是它可以使用定点数学进行计算。

Answer 3

您似乎正在使用具有Scorpion核心的Nexus One。

我相信单精度和双精度标量浮点在Scorpion中完全流水线化，因此虽然操作的延迟可能不同，但吞吐量是相同。

那就是说，我相信Scorpion也有一个SIMD装置，可以在浮子上操作，但不能操作双打。从理论上讲，利用SIMD指令针对NDK编写的程序在单精度上比在双精度上运行速度要快得多，但只需要程序员付出巨大努力。