我正在测试 std::vector 上不同循环方式的速度。 在下面的代码中,我考虑了 5 种方法来计算 N = 10000000 个元素的 vector 的所有元素的总和:
- 使用迭代器
- 使用整数索引
- 使用整数索引,按因子 2 展开
- 使用整数索引,按因子 4 展开
- 使用 std::accumulate
代码是用g++ for windows编译的,用于编译的命令行是:
g++ -std=c++11 -O3 loop.cpp -o loop.exe
我运行代码 4 次,测量每个方法的时间,我得到以下结果(时间以微秒为单位,给出了最大值和最小值):
- 迭代器:8002 - 8007
- 整数索引:8004 - 9003
- 展开 2:6004 - 7005
- 展开 4:4001 - 5004
- 累积:8005 - 9007
这些实验似乎表明:
使用迭代器循环与整数索引没有太大区别,至少在完全优化的情况下是这样。
展开循环会有返回
令人惊讶的是,STL::accumulate 的性能更差。
虽然结论 1 和 2 在某种程度上是意料之中的,但数字 3 却相当令人惊讶。不是所有的书都说用STL算法而不是自己写循环吗?
我在测量时间或解释结果的方式上是否有任何错误? 如果您尝试下面给出的代码,你们会遇到不同的情况吗?
#include <iostream>
#include <chrono>
#include <vector>
#include <numeric>
using namespace std;
using namespace std::chrono;
int main()
{
const int N = 10000000;
vector<int> v(N);
for (int i = 0; i<N; ++i)
v[i] = i;
//looping with iterators
{
high_resolution_clock::time_point t1 = high_resolution_clock::now();
long long int sum = 0;
for (auto it = v.begin(); it != v.end(); ++it)
sum+=*it;
high_resolution_clock::time_point t2 = high_resolution_clock::now();
auto duration = std::chrono::duration_cast<std::chrono::microseconds>( t2 - t1 ).count();
cout << duration << "microseconds output = " << sum << " (Iterators)\n";
}
//looping with integers
{
high_resolution_clock::time_point t1 = high_resolution_clock::now();
long long int sum = 0;
for (int i = 0; i<N; ++i)
sum+=v[i];
high_resolution_clock::time_point t2 = high_resolution_clock::now();
auto duration = std::chrono::duration_cast<std::chrono::microseconds>( t2 - t1 ).count();
cout << duration << "microseconds output = " << sum << " (integer index)\n";
}
//looping with integers (UNROLL 2)
{
high_resolution_clock::time_point t1 = high_resolution_clock::now();
long long int sum = 0;
for (int i = 0; i<N; i+=2)
sum+=v[i]+v[i+1];
high_resolution_clock::time_point t2 = high_resolution_clock::now();
auto duration = std::chrono::duration_cast<std::chrono::microseconds>( t2 - t1 ).count();
cout << duration << "microseconds output = " << sum << " (integer index, UNROLL 2)\n";
}
//looping with integers (UNROLL 4)
{
high_resolution_clock::time_point t1 = high_resolution_clock::now();
long long int sum = 0;
for (int i = 0; i<N; i+=4)
sum+=v[i]+v[i+1]+v[i+2]+v[i+3];
high_resolution_clock::time_point t2 = high_resolution_clock::now();
auto duration = std::chrono::duration_cast<std::chrono::microseconds>( t2 - t1 ).count();
cout << duration << "microseconds output = " << sum << " (integer index, UNROLL 4)\n";
}
//using std::accumulate
{
high_resolution_clock::time_point t1 = high_resolution_clock::now();
long long int sum = accumulate(v.begin(), v.end(), static_cast<long long int>(0));
high_resolution_clock::time_point t2 = high_resolution_clock::now();
auto duration = std::chrono::duration_cast<std::chrono::microseconds>( t2 - t1 ).count();
cout << duration << "microseconds output = " << sum << " (std::accumulate)\n";
}
return 0;
}
最佳答案
使用标准库算法的原因不是获得更好的效率,而是让你在更高的抽象层次上思考。
虽然在某些情况下算法可能比您自己的手动代码更快,但这不是它们的目的。 C++ 的一大优点是它允许您在有特定需要时绕过内置库。如果您的基准测试表明标准库导致严重减速,您可以自由探索经典替代方案,例如循环展开。对于大多数永远不需要的目的。
话虽如此,编写良好的标准库算法永远不会比您自己的直接实现慢得可怕,除非您利用对数据细节的了解。
关于c++ - STL 算法是否针对速度进行了优化?,我们在Stack Overflow上找到一个类似的问题: https://stackoverflow.com/questions/29111311/