AVX2指令集優(yōu)化浮點(diǎn)數(shù)組求和算法
一、AVX2指令集介紹
AVX2是SIMD(單指令多數(shù)據(jù)流)指令集,支持在一個(gè)指令周期內(nèi)同時(shí)對256位內(nèi)存進(jìn)行操作。包含乘法,加法,位運(yùn)算等功能。下附Intel官網(wǎng)使用文檔。
我們本次要用到的指令有 __m256i _mm256_add_pd(__m256i a, __m256i b), __m256i _mm256_add_ps等,(p代表精度precision,s代表single,d代表double)
它們可以一次取256位的內(nèi)存,并按32/64位一個(gè)浮點(diǎn)進(jìn)行加法運(yùn)算。下附官網(wǎng)描述。
Synopsis
__m256d _mm256_add_pd (__m256d a, __m256d b)
#include <immintrin.h>
Instruction: vaddpd ymm, ymm, ymm
CPUID Flags: AVX
Description
Add packed double-precision (64-bit) floating-point elements in a and b, and store the results in dst.
Operation
FOR j := 0 to 3 i := j*64 dst[i+63:i] := a[i+63:i] + b[i+63:i] ENDFOR dst[MAX:256] := 0
Performance
| Architecture | Latency | Throughput (CPI) |
|---|---|---|
| Icelake | 4 | 0.5 |
| Skylake | 4 | 0.5 |
| Broadwell | 3 | 1 |
| Haswell | 3 | 1 |
| Ivy Bridge | 3 | 1 |
二、代碼實(shí)現(xiàn)
0. 數(shù)據(jù)生成
為了比較結(jié)果,我們生成從1到N的等差數(shù)列。這里利用模版兼容不同數(shù)據(jù)類型。由于AVX2指令集一次要操作多個(gè)數(shù)據(jù),為了防止訪存越界,我們將大小擴(kuò)展到256的整數(shù)倍位比特,也就是32字節(jié)的整數(shù)倍。
uint64_t lowbit(uint64_t x)
{
return x & (-x);
}
uint64_t extTo2Power(uint64_t n, int i)//arraysize datasize
{
while(lowbit(n) < i)
n += lowbit(n);
return n;
}
template <typename T>
T* getArray(uint64_t size)
{
uint64_t ExSize = extTo2Power(size, 32/sizeof(T));
T* arr = new T[ExSize];
for (uint64_t i = 0; i < size; i++)
arr[i] = i+1;
for (uint64_t i = size; i < ExSize; i++)
arr[i] = 0;
return arr;
}
1. 普通數(shù)組求和
為了比較性能差異,我們先實(shí)現(xiàn)一份普通的數(shù)組求和。這里也使用模版。
template <typename T>
T simpleSum(T* arr, uint64_t size)
{
T sum = 0;
for (uint64_t i = 0; i < size; i++)
sum += arr[i];
return sum;
}
2. AVX2指令集求和:單精度浮點(diǎn)(float)
這里我們預(yù)開一個(gè)avx2的整形變量,每次從數(shù)組中取8個(gè)32位浮點(diǎn),加到這個(gè)變量上,最后在對這8個(gè)32位浮點(diǎn)求和。
float avx2Sum(float* arr, uint64_t size)
{
float sum[8] = {0};
__m256 sum256 = _mm256_setzero_ps();
__m256 load256 = _mm256_setzero_ps();
for (uint64_t i = 0; i < size; i += 8)
{
load256 = _mm256_loadu_ps(&arr[i]);
sum256 = _mm256_add_ps(sum256, load256);
}
sum256 = _mm256_hadd_ps(sum256, sum256);
sum256 = _mm256_hadd_ps(sum256, sum256);
_mm256_storeu_ps(sum, sum256);
sum[0] += sum[4];
return sum[0];
}
這里的hadd是橫向加法,具體實(shí)現(xiàn)類似下圖,可以幫我們實(shí)現(xiàn)數(shù)組內(nèi)求和:

3. AVX2指令集求和:雙精度浮點(diǎn)(double)
double avx2Sum(double* arr, uint64_t size)
{
double sum[4] = {0};
__m256d sum256 = _mm256_setzero_pd();
__m256d load256 = _mm256_setzero_pd();
for (uint64_t i = 0; i < size; i += 4)
{
load256 = _mm256_loadu_pd(&arr[i]);
sum256 = _mm256_add_pd(sum256, load256);
}
sum256 = _mm256_hadd_pd(sum256, sum256);
_mm256_storeu_pd(sum, sum256);
sum[0] += sum[2];
return sum[0];
}
三、性能測試
測試環(huán)境
| Device | Description |
|---|---|
| CPU | Intel Core i9-9880H 8-core 2.3GHz |
| Memory | DDR4-2400MHz Dual-Channel 32GB |
| complier | Apple Clang-1300.0.29.30 |
計(jì)時(shí)方式
利用chrono庫獲取系統(tǒng)時(shí)鐘計(jì)算運(yùn)行時(shí)間,精確到毫秒級
uint64_t getTime()
{
uint64_t timems = std::chrono::duration_cast<std::chrono::milliseconds>(std::chrono::system_clock::now().time_since_epoch()).count();
return timems;
}
測試內(nèi)容
對1到1e9求和,答案應(yīng)該為500000000500000000, 分別測試float和double。
uint64_t N = 1e9;
// compare the performance of normal add and avx2 add
uint64_t start, end;
// test float
cout << "compare float sum: " << endl;
float* arr3 = getArray<float>(N);
start = getTime();
float sum3 = simpleSum(arr3, N);
end = getTime();
cout << "float simpleSum time: " << end - start << endl;
cout << "float simpleSum sum: " << sum3 << endl;
start = getTime();
sum3 = avx2Sum(arr3, N);
end = getTime();
cout << "float avx2Sum time: " << end - start << endl;
cout << "float avx2Sum sum: " << sum3 << endl;
delete[] arr3;
cout << endl << endl;
// test double
cout << "compare double sum: " << endl;
double* arr4 = getArray<double>(N);
start = getTime();
double sum4 = simpleSum(arr4, N);
end = getTime();
cout << "double simpleSum time: " << end - start << endl;
cout << "double simpleSum sum: " << sum4 << endl;
start = getTime();
sum4 = avx2Sum(arr4, N);
end = getTime();
cout << "double avx2Sum time: " << end - start << endl;
cout << "double avx2Sum sum: " << sum4 << endl;
delete[] arr4;
cout << endl << endl;
進(jìn)行性能測試
第一次測試
測試命令
g++ -mavx2 avx_big_integer.cpp ./a.out
測試結(jié)果
| 方法 | 耗時(shí)(ms) |
|---|---|
| AVX2加法 單精度 | 615 |
| 普通加法 單精度 | 2229 |
| AVX2加法 雙精度 | 1237 |
| 普通加法 雙精度 | 2426 |

這里能看到單精度下已經(jīng)出現(xiàn)了比較明顯的誤差,并且由于普通求和和avx2求和的加法順序不一樣,導(dǎo)致誤差值也不一樣。
第二次測試
測試命令
現(xiàn)在我們再開啟O2編譯優(yōu)化試一試:
g++ -O2 -mavx2 avx_big_integer.cpp ./a.out
測試結(jié)果
| 方法 | 耗時(shí)(ms) |
|---|---|
| AVX2加法 32位 | 244 |
| 普通加法 32位 | 1012 |
| AVX2加法 64位 | 476 |
| 普通加法 64位 | 1292 |

我們發(fā)現(xiàn),比起上一次對整形的測試,浮點(diǎn)型在開啟O2優(yōu)化后反而是AVX2指令集加法得到了明顯的提升。
四、總結(jié)
可見在進(jìn)行浮點(diǎn)運(yùn)算時(shí),用avx2指令集做并行優(yōu)化,能得到比起整形更好的效果。
個(gè)人猜測原因:
- 浮點(diǎn)型加法器比整形加法器復(fù)雜許多,流水線操作的效果不那么明顯。
- 有可能CPU內(nèi)的浮點(diǎn)加法器少于整形加法器,導(dǎo)致O2優(yōu)化亂序執(zhí)行時(shí)的優(yōu)化效果不如整形理想。
- AVX2指令集可能針對浮點(diǎn)運(yùn)算有專門的優(yōu)化,使得浮點(diǎn)運(yùn)算性能和整形運(yùn)算更為接近。
以上就是AVX2指令集優(yōu)化浮點(diǎn)數(shù)組求和算法的詳細(xì)內(nèi)容,更多關(guān)于AVX2指令集浮點(diǎn)數(shù)組求和的資料請關(guān)注腳本之家其它相關(guān)文章!
相關(guān)文章
C語言完美實(shí)現(xiàn)動(dòng)態(tài)數(shù)組代碼分享
本文給大家分享的是一則使用C語言實(shí)現(xiàn)動(dòng)態(tài)數(shù)組的代碼,完美解決內(nèi)存溢出以及內(nèi)存回收問題,有需要的小伙伴可以參考下。2016-02-02
數(shù)據(jù)結(jié)構(gòu)之矩陣行列和相等的實(shí)例
這篇文章主要介紹了數(shù)據(jù)結(jié)構(gòu)之矩陣行列和相等的實(shí)例的相關(guān)資料,希望通過本文能幫助到大家,讓大家掌握這部分內(nèi)容,需要的朋友可以參考下2017-10-10
C++11 shared_ptr 與 make_shared源碼剖析詳解
這篇文章主要介紹了C++11 shared_ptr 與 make_shared的源碼剖析,本文通過示例代碼給大家介紹的非常詳細(xì),對大家的學(xué)習(xí)或工作具有一定的參考借鑒價(jià)值,需要的朋友可以參考下2021-09-09
C語言如何求整數(shù)的位數(shù)及各位數(shù)字之和
這篇文章主要介紹了C語言如何求整數(shù)的位數(shù)及各位數(shù)字之和,具有很好的參考價(jià)值,希望對大家有所幫助。如有錯(cuò)誤或未考慮完全的地方,望不吝賜教2022-11-11
C++輸出上三角/下三角/菱形/楊輝三角形(實(shí)現(xiàn)代碼)
本篇文章是對C++中輸出上三角/下三角/菱形/楊輝三角形的示例代碼進(jìn)行了詳細(xì)的分析介紹,需要的朋友參考下2013-07-07

