可能重复:这两个for循环中的哪一个在时间和缓存性能方面更有效
下面是两个几乎相同的程序,除了我切换了 i
和 j
变量 . 他们都跑不同的时间 . 有人能解释为什么会这样吗?
版本1
#include <stdio.h>
#include <stdlib.h>
main () {
int i,j;
static int x[4000][4000];
for (i = 0; i < 4000; i++) {
for (j = 0; j < 4000; j++) {
x[j][i] = i + j; }
}
}
版本2
#include <stdio.h>
#include <stdlib.h>
main () {
int i,j;
static int x[4000][4000];
for (j = 0; j < 4000; j++) {
for (i = 0; i < 4000; i++) {
x[j][i] = i + j; }
}
}
7 回答
正如其他人所说,问题是存储到数组中的内存位置:
x[i][j]
. 以下是一些有用的原因:你有一个二维数组,但计算机中的内存本质上是一维的 . 所以当你想象你的阵列是这样的:
您的计算机将其作为一行存储在内存中:
在第二个例子中,首先通过循环第二个数字来访问数组,即:
这意味着你按顺序击中它们 . 现在看第一个版本 . 你在做:
由于C在内存中布置2-d数组的方式,你要求它在整个地方跳跃 . 但现在对于踢球者:为什么这很重要?所有内存访问都是一样的,对吧?
不:因为缓存 . 来自内存的数据以小块(称为“缓存行”)传递给CPU,通常为64字节 . 如果你有4字节的整数,那意味着你要在一个整齐的小包中找到16个连续的整数 . 获取这些内存块实际上相当慢;您的CPU可以在加载单个缓存行所需的时间内完成大量工作 .
现在回顾一下访问顺序:第二个例子是(1)抓取一个16个整数的块,(2)修改所有这些,(3)重复4000 * 4000/16次 . 这很好用而且速度很快,而且CPU总是有一些工作要做 .
第一个例子是(1)抓取一个16个整数的块,(2)只修改其中一个,(3)重复4000 * 4000次 . 这将需要16倍于内存中“提取”的数量 . 你的CPU实际上必须花时间坐在那里等待记忆显示出来,而当它坐在你周围时你会浪费宝贵的时间 .
Important Note:
既然你有了答案,这里有一个有趣的说明:你的第二个例子必须是快速的,没有固有的原因 . 例如,在Fortran中,第一个例子很快,第二个例子很慢 . 这是因为Fortran不是像C那样将事物扩展成概念性的“行”,而是扩展为“列”,即:
C的布局称为'row-major'和Fortran 's is called ' column-major '. As you can see, it'非常重要,以了解您的编程语言是行主要还是列主要!这是一个更多信息的链接:http://en.wikipedia.org/wiki/Row-major_order
原因是缓存本地数据访问 . 在第二个程序中,您将通过内存线性扫描,这有助于缓存和预取 . 您的第一个程序的内存使用模式更加分散,因此缓存行为更糟糕 .
与装配无关 . 这是由于cache misses .
存储C多维数组,最后一个维度最快 . 因此第一个版本将在每次迭代时错过缓存,而第二个版本则不会 . 所以第二个版本应该快得多 .
另见:http://en.wikipedia.org/wiki/Loop_interchange .
版本2的运行速度要快得多,因为它比版本1更好地使用计算机的缓存 . 如果你考虑它,阵列只是连续的内存区域 . 当您在数组中请求元素时,您的操作系统可能会将内存页面引入包含该元素的缓存中 . 但是,由于接下来的几个元素也在该页面上(因为它们是连续的),下一次访问将已经在缓存中!这就是版本2正在做的事情,以加快它的速度 .
另一方面,版本1是按列方式访问元素,而不是按行访问元素 . 这种访问在内存级别上不是连续的,因此程序无法充分利用操作系统缓存 .
除了缓存命中的其他优秀答案之外,还存在可能的优化差异 . 您的第二个循环很可能由编译器优化为等效于:
这对于第一个循环不太可能,因为它需要每次增加指针“p”4000 .
EDIT:
p++
甚至*p++ = ..
可以在大多数CPU中编译为单个CPU指令 .*p = ..; p += 4000
不能,因此优化它的好处较少 . 它也更难,因为编译器需要知道并使用内部数组的大小 . 并且通常在正常代码的内部循环中不会发生(它仅出现在多维数组中,其中最后一个索引在循环中保持不变,而倒数第二个索引是步进的),因此优化不是优先级 .我试着给出一个通用的答案 .
因为
i[y][x]
是C中*(i + y*array_width + x)
的简写(尝试优雅的int P[3]; 0[P] = 0xBEEF;
) .在迭代
y
时,迭代大小为array_width * sizeof(array_element)
的块 . 如果你有在你的内循环中,那么你将在这些块上进行array_width * array_height
次迭代 .通过翻转顺序,您将只有
array_height
块迭代,并且在任何块迭代之间,您将只有array_width
迭代,只有sizeof(array_element)
.虽然在真正老的x86-CPU上这并不重要,但现在'x86做了很多预取和数据缓存 . 您可能在较慢的迭代顺序中生成许多cache misses .
这条线的罪魁祸首:
第二个版本使用连续存储器因此将大大加快 .
我试过了
版本1的执行时间为13秒,版本2的执行时间为0.6秒 .