数组的结构和结构数组 - 性能差异

Structure of arrays and array of structures - performance difference

本文关键字：数组 结构 性能      更新时间：2023-10-16

我有这样的类：

//Array of Structures
class Unit
{
  public:
    float v;
    float u;
    //And similarly many other variables of float type, upto 10-12 of them.
    void update()
    {
       v+=u;
       v=v*i*t;
       //And many other equations
    }
};

我创建了一个单位类型的对象数组。并致电更新他们。

int NUM_UNITS = 10000;
void ProcessUpdate()
{
  Unit *units = new Unit[NUM_UNITS];
  for(int i = 0; i < NUM_UNITS; i++)
  {
    units[i].update();
  }
}

为了加快速度，并可能自动矢量化循环，我将 AoS 转换为数组结构。

//Structure of Arrays:
class Unit
{
  public:
  Unit(int NUM_UNITS)
  {
    v = new float[NUM_UNITS];
  }
  float *v;
  float *u;
  //Mnay other variables
  void update()
  {
    for(int i = 0; i < NUM_UNITS; i++)
    {
      v[i]+=u[i];
      //Many other equations
    }
  }
};

当循环无法自动矢量化时，我的数组结构性能非常差。对于 50 个单位，SoA 的更新比 AoS 略快，但从 100 个单位开始，SoA 比 AoS 慢。在300个单位时，SoA几乎是其两倍。在 100K 单位时，SoA 比 AoS 慢 4 倍。虽然缓存可能是 SoA 的一个问题，但我没想到性能差异会这么大。对缓存进行分析显示两种方法的未命中次数相似。Unit 对象的大小为 48 字节。一级缓存为 256K，二级缓存为 1MB，三级缓存为 8MB。我在这里错过了什么？这真的是缓存问题吗？

编辑：我正在使用 gcc 4.5.2。编译器选项是 -o3 -msse4 -ftree-vectorize。

我在SoA中做了另一个实验。我没有动态分配数组，而是在编译时分配了"v"和"u"。当有 100K 个单元时，这提供了比动态分配阵列的 SoA 快 10 倍的性能。这是怎么回事？为什么静态和动态分配的内存之间存在如此大的性能差异？

在这种情况下，数组的结构对缓存不友好。

您同时使用u和v，但是如果它们有 2 个不同的数组，它们将不会同时加载到一个缓存行中，缓存未命中将造成巨大的性能损失。

_mm_prefetch可用于更快地AoS表示。

预取对于花费大部分执行时间等待数据显示的代码至关重要。 现代前端总线具有足够的带宽，预取应该是安全的，前提是您的程序不会超出其当前负载集太远。

由于各种原因，结构和类可能会在C++中产生许多性能问题，并且可能需要进行更多调整才能获得可接受的性能级别。 当代码很大时，请使用面向对象的编程。 当数据很大(并且性能很重要(时，请不要这样做。

float v[N];
float u[N];
    //And similarly many other variables of float type, up to 10-12 of them.
//Either using an inlined function or just adding this text in main()
       v[j] += u[j];
       v[j] = v[j] * i[j] * t[j];

您应该注意的两件事可能会产生巨大的差异，具体取决于您的 CPU：

  1. 对准
  2. 高速缓存行别名

由于您使用的是 SSE4，因此使用专门的内存分配函数返回在 16 字节边界对齐的地址而不是new可能会给您带来提升，因为您或编译器将能够使用对齐的加载和存储。我没有注意到较新的 CPU 有太大区别，但在较旧的 CPU 上使用未对齐的负载和存储可能会慢一点。

至于高速缓存行混叠，英特尔在其参考手册中明确提到了它。(搜索"英特尔® 64 和 IA-32 架构优化参考手册"(。英特尔表示，这是您应该注意的事情，尤其是在使用 SoA 时。因此，您可以尝试的一件事是填充数组，以便其地址的较低 6 位不同。这个想法是为了避免让它们争夺相同的缓存行。

当然，如果你没有实现矢量化，就没有太多的动力进行SoA转换。

除了事实上相当广泛地接受__RESTRICT之外，gcc 4.9 还采用了#pragma GCC ivdep来打破假定的别名依赖关系。

至于显式预取的使用，如果它有用，当然你可能需要更多 SoA 预取。 主要点可能是通过提前获取页面来加速 DTLB 未命中解析，因此您的算法可能会变得更加需要缓存。

我认为如果没有更多细节，包括有关操作系统的细节，就无法对所谓的"编译时"分配进行明智的评论。 毫无疑问，在高层次上分配和重用分配的传统很重要。

相关文章：