我正在尝试加速 popcount 函数。这是代码:
extern ll LUT16[];
typedef long long ll;
typedef unsigned char* pUChar;
ll LUT16Word32Monobit(pUChar buf, int size) {
assert(buf != NULL);
assert(size > 0);
assert(size % sizeof(unsigned) == 0);
int n = size / sizeof(unsigned);
unsigned* p = (unsigned*)buf;
ll numberOfOneBits = 0;
for(int i = 0; i < n; i++) {
unsigned int val1 = p[i];
numberOfOneBits += LUT16[val1 >> 16] + LUT16[val1 & 0xFFFF];
}
return numberOfOneBits;
}
这里有一些细节:
- buf 包含 1 GB 的数据
- LUT16[i] 包含 i 的二进制表示中的一位数,对于所有 0 <= i < 2^16
我尝试使用 openMP 来加快速度,但它不起作用。我必须补充一点,我使用的是 MS Visual Studio 2010,并且我已经启用了 openMP 指令。我相信 openMP 不能加快速度的原因之一是内存访问时间。有什么方法可以利用 DMA(直接内存访问)?
此外,我应该警告您我的 openMP 技能缺失;这里所说的是 openMP 部分(与上面的代码类似):
#pragma omp for schedule(dynamic,CHUNKSIZE)
for(int i = 0; i < n; i++) {
unsigned int val1 = p[i];
numberOfOneBits += LUT16[val1 >> 16] + LUT16[val1 & 0xFFFF];
}
CHUNKSIZE 设置为 64。如果我将它设置得更低,结果会比串行版本差,如果我将它设置得更高,它也没有任何好处。
此外,我不想使用处理器提供的 popcount 指令,也不想使用 SSE 指令。
最佳答案
你的 LUT16
数组是 512kB(假设一个 long long
是 64 位),这将完全破坏你的 L1/L2 缓存性能对于任意/随机数据(L1通常为 32kB,L2 通常为 256kB)。
首先,您不需要为此long long
。其次,试试 LUT8
。第三,只需使用内置的 __popcnt
内在的。
关于c++ - 如何加快从内存到 CPU 的数据传输?,我们在Stack Overflow上找到一个类似的问题: https://stackoverflow.com/questions/18750875/