C++ 双人还是浮动，哪个更快？

我正在读《加速C++》。我发现有一句话说“有时

double

比C++中的

float

执行得更快”。读了这个句子后，我对

float

和

double

工作感到困惑。请给我解释一下这一点

您可以在本文中找到完整的答案：

这是对上一个堆栈溢出线程的引用，关于

float

和

double

变量如何影响内存带宽：

如果双人间需要 比浮点数更多的存储空间，那么 读取数据将花费更长的时间。 这是天真的回答。论现代社会 IA32，这完全取决于数据的位置 是从哪里来的。如果它在一级缓存中， 如果 数据来自单个缓存线。 如果它跨越多个缓存线 头顶上有一个小洞。如果是从 L2，如果它是 在RAM中，它会变得更长、更稳定 最后，如果它在磁盘上，它是一个巨大的 时间所以选择浮动还是双精度 比数据的方式更重要 使用。如果你想做一个小游戏 大量连续数据的计算 数据，最好是小数据类型。 在小型计算机上进行大量计算 数据集将允许您使用更大的 具有任何重要属性的数据类型 效果。如果你正在访问数据 非常随机，然后选择数据 大小不重要-数据已加载 在页/缓存行中。所以即使你 只需要RAM中的一个字节，就可以了 传输32字节（这是非常重要的 取决于 系统）。最重要的是 CPU/FPU可以是超标量（也称为 管道）。因此，即使可能会出现负载 需要几个周期，CPU/FPU可以 忙于做别的事情 （例如，乘法）隐藏 加载时间达到一定程度

---

我可以想到两种基本情况，即双倍比浮点数快：

您的硬件支持双重操作，但不支持浮点操作，因此软件将模拟浮点操作，因此速度较慢

你真的需要双打的精准度。现在，如果使用浮点数，则必须使用两个浮点数才能达到与double类似的精度。使用浮点数模拟真正的双精度将比首先使用浮点数慢

您不一定需要双精度，但由于双精度的提高，数值算法收敛速度更快。此外，Double可能提供足够的精度，以使用速度更快但数值稳定性较差的算法

为了完整起见，我也给出了一些相反情况下浮动更快的原因。你可以亲眼看到，在你的案例中，哪些原因占主导地位：

当你不需要双倍时，浮动比双倍快 精确性和内存带宽限制以及硬件 对浮点数不进行处罚

它们节省了内存带宽，因为它们占用了一半的空间 每个号码

还有一些平台可以处理比双倍多的浮动 同时

---

浮动通常更快。双精度提供更高的精度。但是，如果使用3dNow或SSE等特殊处理器扩展，在某些情况下性能可能会有所不同。

取决于本机硬件的功能

• 如果硬件是（或类似于）具有传统x87数学的x86，则float和double都将（免费）扩展为内部80位格式，因此它们都具有相同的性能（缓存占用空间/内存带宽除外）

• 如果硬件以本机方式实现这两种操作，如大多数现代ISA（包括x86-64，其中SSE2是标量FP数学的默认值），则通常大多数FPU操作的速度都相同，当然也比乘法或加法慢得多。（浮点值越小，缓存未命中的次数就越少。对于SIMD，对于向量化的循环，每个向量的元素数是原来的两倍）

• 如果硬件只实现了double，那么如果在float load和float store指令中不能自由地进行与本机double格式的转换，则float的速度会变慢

• 如果硬件只实现float，那么使用它模拟double将花费更多的时间。在这种情况下，float将更快

• 如果硬件两者都没有实现，那么两者都必须在软件中实现。在这种情况下，两者都会很慢，但double会稍微慢一点（至少会有更多的加载和存储操作）

您提到的这句话可能是指x86平台，这里给出了第一个案例。但这并不适用于一般情况

还要注意的是，对于浮点x，y将触发两个变量的升级为双倍。这不是硬件的错，你应该通过编写

3.3f

来避免它，让你的编译器生成高效的asm，如果你想要的话，它可以将数字保持为浮点数。

在英特尔上，协处理器（现在集成的）将以同样快的速度处理这两个问题，但正如其他一些人所指出的，加倍会导致更高的内存带宽，这可能会导致瓶颈。如果您使用的是标量SSE指令（大多数64位编译器的默认指令），同样适用。因此，一般来说，除非您处理的是大量数据，否则这并不重要

---

然而，并行SSE指令将允许在一条指令中处理四个浮点，但只有两个浮点，因此这里的浮点可以明显更快。

简短的回答是：这取决于

使用x87的CPU将以同样快的速度处理浮动和加倍。矢量化代码在使用浮点运算时会运行得更快，因为SSE可以在一次运算中处理4个浮点运算或2个双倍运算

另一件需要考虑的是记忆速度。根据您的算法，您的CPU在等待数据时可能会大量空闲。内存密集型代码将受益于使用浮动，但ALU有限型代码不会（除非它是矢量化的）。

Summation time in s: 2.82 summed value: 6.71089e+07 // float
Summation time in s: 2.78585 summed value: 6.6e+09 // double
Summation time in s: 2.76812 summed value: 6.6e+09 // long double