數據類型大小對性能的影響

Question

我正在運行密集型數值模擬。我經常使用長整數，但是我意識到使用整數是安全的。這會顯着提高我的模擬速度嗎？

Answer 1

取決於。如果內存中連續存在大量的數字，則它們更有可能適合L2緩存，因此緩存未命中的次數更少。二級緩存未命中 - 取決於您的平臺 - 可能會對性能產生重大影響，因此儘可能使緩存適合緩存（如果可以，請預取），這絕對是一個好主意。但是不要指望你的代碼突然飛起來，因爲你的類型更小。

編輯：還有一點 - 如果你選擇一個尷尬的類型（如32位或64位平臺上的16位整數），你可能會因爲CPU不得不手術提取16位值並將其轉化爲可以使用的東西。但通常，整數是個不錯的選擇。

Answer 2

取決於您的數據集大小。顯然，將整數大小減半可以使適合CPU緩存的數據量增加一倍，因此訪問數據的速度會更快。有關更多詳情，我建議您閱讀着名的Ulrich Drepper的論文What Every Programmer Should Know About Memory。

Answer 3

這就是爲什麼typedef是你的朋友。 :-)

如果數學上可能，嘗試使用浮點數而不是整數。我在某處讀到浮點運算（特別是乘法運算）在某些處理器上實際上可能會更快。

最好的事情是實驗和基準測試。幾乎不可能分析出哪些微優化效果最好。

編輯：這個post討論整數和浮點之間的性能差異。

Answer 4

所有的答案已經處理了CPU緩存問題：如果你的數據是兩倍小，那麼在某些情況下，它可以完全適合二級緩存，從而提高性能。

但是，還有另一個非常重要和更一般的東西：內存帶寬。如果你的算法是線性的（又稱複雜性）並且順序地訪問內存，那麼它可能是內存限制的。這意味着內存讀取/寫入是瓶頸，而CPU只是浪費了大量的等待內存操作完成的週期。在這種情況下，減少兩次總內存大小可以提供可靠的2x性能提升。 此外，在這種情況下，切換到字節可能會產生更多的性能提升，儘管事實上CPU的計算可能會比其他應答者已經提到的字節慢。一般來說，答案取決於以下幾種情況：您的算法使用的數據總大小，內存訪問模式（隨機/隨機），算法漸近複雜度，每內存比率計算（主要用於線性算法）。