C++ 如何优化简单循环？

循环很简单

void loop(int n, double* a, double const* b)
{
#pragma ivdep
    for (int i = 0; i < n; ++i, ++a, ++b)
        *a *= *b;
}

void循环（int n，double*a，double const*b）
{
#布拉格马伊夫代普
对于（int i=0；i

---

我使用英特尔C++编译器，使用PrimaIVDEP进行优化。有什么方法可以让它表现得更好，比如同时使用多核和矢量化，或者其他技术？

假设

a

指向的数据不能与

b

指向的数据重叠，那么给编译器提供最重要的信息，让它优化代码就是这个事实

在较旧的ICC版本中，“restrict”是向编译器提供密钥信息的唯一干净方法。在较新的版本中，有一些更干净的方法可以提供比

ivdep

更有力的保证（事实上

ivdep

对优化器的承诺比它看起来更弱，通常没有预期的效果）

---

但是如果

n

很大，那么整个过程都会被缓存未命中所控制，因此没有任何局部优化可以提供帮助。

我假设

n

很大。您可以通过启动

k

线程在

k

CPU上分配工作负载，并为每个线程提供

n/k

元素。为每个线程使用大块的连续数据，不要进行细粒度的交错。尝试将块与缓存线对齐

---

如果计划扩展到一个以上的NUMA节点，请考虑将工作负载块显式复制到节点，线程继续运行，并复制结果。在这种情况下，它可能没有真正的帮助，因为每个步骤的工作负载都非常简单。您必须为此运行测试。

手动展开循环是优化代码的简单方法，下面是我的代码。原始

loop

成本为618.48毫秒，而

loop2

成本为381.10毫秒。在我的电脑中，编译器为GCC，带有选项'-O2'。我没有Intel ICC来验证代码，但我认为优化原则是相同的

类似地，我做了一些实验，将两个程序的执行时间与两个内存块的异或进行比较，其中一个程序在SIMD指令的帮助下进行矢量化，而另一个程序则手动循环展开。如果您感兴趣，请参阅

当然，p.S.

loop2

仅在n为偶数时有效

#include <stdlib.h>
#include <stdio.h>
#include <sys/time.h>

#define LEN 512*1024
#define times  1000

void loop(int n, double* a, double const* b){
    int i;
    for(i = 0; i < n; ++i, ++a, ++b)
        *a *= *b;
}

void loop2(int n, double* a, double const* b){
    int i;
    for(i = 0; i < n; i=i+2, a=a+2, b=b+2)
        *a *= *b;
        *(a+1) *= *(b+1);
}


int main(void){
    double *la, *lb;
    struct timeval begin, end;
    int i;

    la = (double *)malloc(LEN*sizeof(double));
    lb = (double *)malloc(LEN*sizeof(double));
    gettimeofday(&begin, NULL);
    for(i = 0; i < times; ++i){
        loop(LEN, la, lb);
    }
    gettimeofday(&end, NULL);
    printf("Time cost : %.2f ms\n",(end.tv_sec-begin.tv_sec)*1000.0\
            +(end.tv_usec-begin.tv_usec)/1000.0);

    gettimeofday(&begin, NULL);
    for(i = 0; i < times; ++i){
        loop2(LEN, la, lb);
    }
    gettimeofday(&end, NULL);
    printf("Time cost : %.2f ms\n",(end.tv_sec-begin.tv_sec)*1000.0\
            +(end.tv_usec-begin.tv_usec)/1000.0);

    free(la);
    free(lb);
    return 0;
}

#包括
#包括
#包括
#定义LEN 512*1024
#定义乘以1000
无效循环（整数n，双*a，双常量*b）{
int i；
对于（i=0；i

编译器绝对可以对该循环进行矢量化。但要确保循环实际上是矢量化的（使用编译器'-qopt-report5，汇编输出等任何其他技术）。另一种方法是使用-no-vec选项创建性能基线（该选项将禁用ivdep驱动和自动矢量化），然后比较执行时间。这不是检查矢量化是否存在的好方法，但对于下一步的总体性能分析非常有用

若循环还并没有被真正矢量化，那个么请确保将编译器推到自动矢量化。要推送编译器，请参阅下一个项目符号。请注意，即使循环成功地自动矢量化，下一个项目符号也可能有用

要推动编译器对其进行矢量化，请使用：（a）restrict关键字来“消除”a和b指针的歧义（有人已经向您提出了建议）。（b） #pragma omp simd（它比ivdep更具可移植性和灵活性，但也有一个缺点，即在英特尔编译器第14版之前的旧编译器中不受支持，对于其他循环更“危险”）。再次强调：given bullet似乎可以做与ivdep相同的事情，但根据不同的情况，它可能是更好、更强大的选择

给定的循环具有细粒度迭代（每个迭代的计算量太小），并且总体上不是纯粹的计算限制（因此CPU从缓存/内存加载/存储数据所花费的努力/周期与执行乘法所花费的努力/周期相比是可比的）。展开通常是稍微减轻这些缺点的好方法。但我建议使用#pragma unroll显式要求编译器展开它。事实上，对于某些编译器版本，展开将自动进行。同样，只要编译器使用-qopt-report5、循环汇编或英特尔（矢量化）进行检查，您都可以进行检查：

在给定的循环中，处理“流”访问模式。也就是说，您正在连续地从内存加载/存储数据（对于大的“n”值，缓存子系统不会有多大帮助）。因此，根据目标硬件、多线程（SIMD之上）的使用情况等，您的循环最终可能会受到内存带宽的限制。一旦内存带宽受限，就可以使用循环阻塞、非时态存储、主动预取等技术。所有这些技术都值得单独发表，尽管对于预取/NT存储，您可以在英特尔编译器中使用一些pragma