TL;DR: float
, как и ожидалось, быстрее double
, поэтому, если вы работаете с большими объемами данных и вам хватает точности float
, то вы выбираете float
. Если точности float
недостаточно, то ваш выбор невелик — double
. Если у вас вообще нет никаких притязаний — выбирайте что угодно, разницы не увидите.
Я, как участник вышеозначенного спора, решил написать ответ. Для того, чтобы понять, какая будет производительность, я решил сначала изучить немного теории, для этого я написал следующий код:
#include <cstddef>
int main()
{
volatile double darray[] = {5.234234, 2.2143213, 3.214212, 4.123155};
volatile float farray[] = {5.234234f, 2.2143213f, 3.214212f, 4.123155f};
volatile double dres = 0.0;
volatile float fres = 0.0f;
for(size_t i = 0; i < 4; ++i)
dres += darray[i];
for(size_t i = 0; i < 4; ++i)
fres += farray[i];
fres = 0.0;
}
Для которого мы имеем следующий ассемблер(gcc):
mov rax, QWORD PTR [rbp-96]
movsd xmm0, QWORD PTR [rbp-64+rax*8]
movsd xmm1, QWORD PTR [rbp-104]
addsd xmm1, xmm0
movq rax, xmm1
mov QWORD PTR [rbp-104], rax
add QWORD PTR [rbp-96], 1
.L2:
cmp QWORD PTR [rbp-96], 3
jbe .L3
mov QWORD PTR [rbp-88], 0
jmp .L4
.L5:
mov rax, QWORD PTR [rbp-88]
movss xmm0, DWORD PTR [rbp-80+rax*4]
movss xmm1, DWORD PTR [rbp-108]
addss xmm1, xmm0
movd eax, xmm1
mov DWORD PTR [rbp-108], eax
add QWORD PTR [rbp-88], 1
.L4:
cmp QWORD PTR [rbp-88], 3
jbe .L5
Это не весь вывод, но тут достаточно информации. Для нас интересны тут две инструкции: addss
, addsd
— каждая является SIMD инструкция по работе с float(первая) и double. Первая мысль — надо поискать мануал, может там написано, что быстрее? Такой мануал есть, но беглый осмотр показал, что ответа я там не получу — судя по мануалу эти инструкции должны исполняться одинаково быстро. Хорошо. Оставим этот путь и попробуем собрать предыдущий код с AVX2 в студии, получим следующим asm:
; 6 :
; 7 : volatile double dres = 0.0;
; 8 : volatile float fres = 0.0f;
; 9 : for(size_t i = 0; i < 4; ++i)
xor eax, eax
vxorps xmm2, xmm2, xmm2
vmovsd QWORD PTR dres$[rsp], xmm0
vmovss DWORD PTR fres$[rsp], xmm2
mov ecx, eax
npad 9
$LL4@main:
; 10 : dres += darray[i];
vmovsd xmm1, QWORD PTR darray$[rsp+rcx*8]
vmovsd xmm0, QWORD PTR dres$[rsp]
inc rcx
vaddsd xmm1, xmm1, xmm0
vmovsd QWORD PTR dres$[rsp], xmm1
cmp rcx, 4
jb SHORT $LL4@main
npad 1
$LL7@main:
; 11 : for(size_t i = 0; i < 4; ++i)
; 12 : fres += farray[i];
vmovss xmm1, DWORD PTR farray$[rsp+rax*4]
vmovss xmm0, DWORD PTR fres$[rsp]
inc rax
vaddss xmm1, xmm1, xmm0
vmovss DWORD PTR fres$[rsp], xmm1
cmp rax, 4
jb SHORT $LL7@main
Код практически не изменился, кроме того, что операции стали называться vaddsd
и vaddss
. Я не стал лезть в мануал по этим командам, полагаю что ситуация там схожа с теми, что мы видели ранее.
Тогда пойдём другим путём: мы знаем, что float
является 32-х битным, тогда как double является 64-х битным. Это неминуемо должно сказаться на производительности, вопрос только один — как? Моё знание SIMD инструкций весьма ограничено, поэтому я не понимаю, почему ни gcc, ни студия не использовали какие-нибудь пакетные инструкции для сложения чисел. Кто нибудь может подсказать почему? Я уж было решил, что таких нет. Но вот эта статья утверждает, что такие есть: VADDPD
и VADDPS
, обе принимают аргументы размеров в 256-бит, т.е. за раз такая операция может сложить 8 float'ов или 4 double'а. Это уже что-то — float по праву меньшего размера должен быть быстрее и мы нашли, что это на самом деле так.
Другим важным фактором, который может вывести float вперёд является его меньшее влияние на кэш: т.к. он в два раза меньше, то и нагрузка на кэш будет меньше. Таким образом, не распинаясь и не расписывая больше, получаем следующий вывод, который, в целом, сразу приходит в голову: float
быстрее чем double
.
Осталось проверить это на практике, для этого используем следующий код:
#include <iostream>
#include <vector>
#include <numeric>
#include <chrono>
#include <algorithm>
#include <string>
int main()
{
const size_t size = 1'000'000'000;
std::vector<double> dvector(size, 2.2143213);
std::vector<float> fvector(size, 2.2143213f);
auto start = std::chrono::high_resolution_clock::now();
volatile double dres = std::accumulate(dvector.begin(), dvector.end(), 0.0);
auto doubleElapsed = (std::chrono::high_resolution_clock::now() - start).count();
start = std::chrono::high_resolution_clock::now();
volatile float fres = std::accumulate(fvector.begin(), fvector.end(), 0.0f);
auto floatElapsed = (std::chrono::high_resolution_clock::now() - start).count();
std::cout << "float elapsed: " << floatElapsed << "\n";
std::cout << "double elapsed: " << doubleElapsed << "\n";
float ratio = std::max<float>(floatElapsed, doubleElapsed) /
std::min<float>(floatElapsed, doubleElapsed);
std::string relation = floatElapsed < doubleElapsed ?
std::string("faster") : std::string("slower");
std::cout << "float is " << ratio << " " << relation << "!\n";
}
На моём PC(Haswell) этот код, собранный в 2015 студии с AVX2, даёт стабильное преимущество float
в 1.2-1.3 раза, бывают пиковые значения куда выше, но я не придавал им внимания. Даже без AVX2(я пробовал разные варианты) всё выглядит точно так же.
Разумеется, измерения довольно просты, а аргументация довольно поверхностная(я не ставил целью полноценное исследования, в настоящий момент у меня нет на него времени), но даже это показывает, что люди утверждающие, что нужно по умолчанию выбирать double
и что double
быстрее float
— не правы.
И ещё один тест, где я использовал интринсики для подсчёта суммы(я может не лучшим образом их использовал, но уж как есть — по другому не умею):
#include <immintrin.h>
#include <iostream>
#include <vector>
#include <numeric>
#include <chrono>
#include <algorithm>
#include <string>
float accumulate(const std::vector<float>& vec)
{
__m256 res = _mm256_undefined_ps();
for(size_t i = 0; i < vec.size(); i += 8)
{
__m256 m1 = _mm256_load_ps(&vec[i]);
res = _mm256_add_ps(m1, res);
}
float out[8];
_mm256_store_ps(out, res);
return std::accumulate(std::begin(out), std::end(out), 0.0f);
}
double accumulate(const std::vector<double>& vec)
{
__m256d res = _mm256_undefined_pd();
for(size_t i = 0; i < vec.size(); i += 4)
{
__m256d m1 = _mm256_load_pd(&vec[i]);
res = _mm256_add_pd(m1, res);
}
double out[4];
_mm256_store_pd(out, res);
return std::accumulate(std::begin(out), std::end(out), 0.0);
}
int main()
{
const size_t size = 1'000'000;
std::vector<double> dvector(size, 2.2143213);
std::vector<float> fvector(size, 2.2143213f);
auto start = std::chrono::high_resolution_clock::now();
volatile double dres = accumulate(dvector);
auto doubleElapsed = (std::chrono::high_resolution_clock::now() - start).count();
start = std::chrono::high_resolution_clock::now();
volatile float fres = accumulate(fvector);
auto floatElapsed = (std::chrono::high_resolution_clock::now() - start).count();
std::cout << "float elapsed: " << floatElapsed << "\n";
std::cout << "double elapsed: " << doubleElapsed << "\n";
float ratio = std::max<float>(floatElapsed, doubleElapsed) /
std::min<float>(floatElapsed, doubleElapsed);
std::string relation = floatElapsed < doubleElapsed ?
std::string("faster") : std::string("slower");
std::cout << "float is " << ratio << " " << relation << "!\n";
}
С таким кодом, на той же машине, я получаю прирост в 2.3-2.5 раза.