performance - 定点算术值得我费心吗？

Question

我正在研究应该实时运行的流体动力学 Navier-Stokes 求解器。因此，性能很重要。

现在，我正在查看许多紧密循环，每个循环都占执行时间的很大一部分:没有单一的瓶颈。这些循环中的大多数执行一些浮点运算，但中间有很多分支。

浮点运算主要限于加法、减法、乘法、除法和比较。所有这些都是使用 32 位浮点数完成的。我的目标平台是 x86，至少有 SSE1 指令。 (我已经在汇编器输出中验证了编译器确实生成了 SSE 指令。)

我使用的大多数浮点值都有一个相当小的上限，接近零值的精度并不是很重要。所以我想到了:也许切换到定点算法可以加快速度？我知道唯一确定的方法就是衡量它，这可能需要几天时间，所以我想事先知道成功的几率。

定点在 Doom 时代风靡一时，但我不确定它在 2010 年的位置。考虑到现在有多少硅用于浮点性能，定点算法是否有可能仍然存在给我一个显着的速度提升？有没有人有任何可能适用于我的情况的实际经验？

Answer 1

正如其他人所说，如果您已经在使用浮点 SIMD，我怀疑您是否会使用定点获得很大的改进。

您说编译器正在发出 SSE 指令，但听起来您并没有尝试编写矢量化的 SSE 代码。我不知道编译器通常在这方面有多好，但这是需要调查的。

另外两个需要关注的领域是:

内存访问 - 如果您的所有计算都是在 SSE 中完成的，那么缓存未命中可能比实际数学花费更多的时间。

您可以使用例如预取数据_mm_prefetch 或 __builtin_prefetch (取决于您的编译器/平台)。

检查昂贵的函数是否存在输入和输出之间的混叠；这些会导致额外的内存读/写。

考虑以不同的方式存储您的数据 - 如果您的 x 坐标的流体求解器求解器独立于 y 坐标，则将它们存储在不同的数组中可能对缓存更友好。如果它们一起解决，请考虑交错(例如 x y x y ...)

展开 - 您应该能够从展开内部循环中获得性能优势。目标不是(正如许多人认为的那样)减少循环终止检查的次数。主要好处是允许独立指令交错，以隐藏指令延迟。有介绍here题为 VMX 优化:将其提升到一个可能会有所帮助的水平；它专注于 Xbox360 上的 Altivec 说明，但一些展开建议也可能对 SSE 有所帮助。

正如其他人所提到的，个人资料，个人资料，个人资料。然后让我们知道什么仍然很慢:)

PS - 在您的其他帖子之一 here ，我说服您在矩阵求解器中使用 SOR 而不是 Gauss-Seidel。现在我考虑一下，您是否有理由不使用三对角求解器？