我试图优化一个功能，占用大量的执行时间，它会多次计算下面的数学运算。无论如何要让这个操作更快？如何优化这个数学运算的速度
float total = (sqrt(
((point_A[j].length)*(point_A[j].length))+
((point_B[j].width)*(point_B[j].width))+
((point_C[j].height)*(point_C[j].height))
));
通常，您希望避免使用传统的几何图形和三角函数，只要有意义就切换到矢量运算。例如这意味着以平方长度而不是长度来工作。许多使用长度的算法可以很容易地修改，以便使用平方长度。但是，如果您必须采取平方根，我会建议在您的情况下尝试使用sqrt(x*x + y*y)的专用函数hypot(x,y)（在这里，您必须调用它两次：例如hypot(x,hypot(y,z))）。这可能或不会帮助。
另外，还要考虑sqrtf代替sqrt，并接通编译器优化更快数学（例如-ffast-math为gcc）或优化（或不同的库），该牺牲精度速度。
如果内存很便宜，那么您可以执行以下操作，从而提高命中率CPU cache。既然你没有发布更多的细节，所以我会在这里做一些假设。
long tmp_len_square[N*3];
for (int j = 0; j < N; ++j) {
tmp_len_square[3 * j] = (point_A[j].length)*(point_A[j].length);
}
for (int j = 0; j < N; ++j) {
tmp_len_square[(3 * j) + 1] = (point_B[j].width)*(point_B[j].width);
}
for (int j = 0; j < N; ++j) {
tmp_len_square[(3 * j) + 2] = (point_C[j].height)*(point_C[j].height);
}
for (int j = 0; j < N; ++j) {
float total = sqrt(tmp_len_square[3 * j] +
tmp_len_square[(3 * j) + 1] +
tmp_len_square[(3 * j) + 2]);
// ...
}
您最终可以尝试优化sqrt函数本身。我建议你看看这个链接： Best Square Root Method
将数据重新排列到这一点：
float *pointA_length;
float *pointB_width;
float *pointC_height;
，可能需要你的数据结构的屠宰某种程度，所以你必须选择不管它是否值得。
现在我们能做的就是这样写：
void process_points(float* Alengths, float* Bwidths, float* Cheights,
float* output, int n)
{
for (int i = 0; i < n; i++) {
output[i] = sqrt(Alengths[i] * Alengths[i] +
Bwidths[i] * Bwidths[i] +
Cheights[i] * Cheights[i]);
}
}
写像这样使得它可以自动向量化。例如，针对AVX的GCC和-fno-math-errno -ftree-vectorize可以矢量化该循环。尽管如此，它的确有很多的问题。 __restrict__和对齐属性只会改善一点。所以这里有一个手矢量版本，以及：（未测试）
void process_points(float* Alengths,
float* Bwidths,
float* Cheights,
float* output, int n)
{
for (int i = 0; i < n; i += 8) {
__m256 a = _mm256_load_ps(Alengths + i);
__m256 b = _mm256_load_ps(Bwidths + i);
__m256 c = _mm256_load_ps(Cheights + i);
__m256 asq = _mm256_mul_ps(a, a);
__m256 sum = _mm256_fmadd_ps(c, c, _mm256_fmadd_ps(b, b, asq));
__m256 hsum = _mm256_mul_ps(sum, _mm256_set1_ps(0.5f));
__m256 invsqrt = _mm256_rsqrt_ps(sum);
__m256 s = _mm256_mul_ps(invsqrt, invsqrt);
invsqrt = _mm256_mul_ps(sum, _mm256_fnmadd_ps(hsum, s, _mm256_set1_ps(1.5f)));
_mm256_store_ps(output + i, _mm256_mul_ps(sum, invsqrt));
}
}
这使得一些假设：
n是8的倍数，或者至少缓冲区有足够的填充，它们永远不会被超出界限访问。的方法用于计算这里使用的平方根是使用近似倒数平方根，改进步骤（y = y * (1.5 - (0.5 * x * y * y))），然后乘以x，因为x * 1/sqrt(x) = x/sqrt(x) = sqrt(x)。
您的问题可以通过添加更多的上下文来改善。您的代码是否需要可移植，还是针对特定的编译器或特定的处理器或处理器系列？也许你愿意接受一个通用基线版本，并在运行时选择特定于目标的优化版本？
此外，您提供的代码行的上下文很少。它是在一个紧密的循环？还是它散布在这样一个循环中的条件代码中的一堆地方？
我会认为这是在紧密循环这样的：
for (int j=0; j<total; ++j)
length[j] = sqrt(
(point_A[j].length)*(point_A[j].length) +
(point_B[j].width)*(point_B[j].width) +
(point_C[j].height)*(point_C[j].height));
我也要去假设你的目标处理器的多核心，该阵列是不同的（或相关元素是不同的），那么轻松取胜是注释表示OpenMP：
#pragma omp parallel for
for (int j=0; j<total; ++j)
length[j] = sqrt((point_A[j].length)*(point_A[j].length) +
(point_B[j].width)*(point_B[j].width) +
(point_C[j].height)*(point_C[j].height));
编译g++ -O3 -fopenmp -march=native（或与期望的目标处理器架构替代native）。
如果你知道你的目标，你可能会从gcc标志-ftree-parallelize-loops=n的并行循环中受益 - 请查看手册。
现在测量您的绩效变化（假设您测量了原始数据，因为这是一个优化问题）。如果它仍然不够快，那么就该考虑更改数据结构，算法或各行代码。
是C还是C++？ – Eregrith
这是C++我的不好。 – bakalolo
如何使用此功能？你真的需要sqrt，或者正方形适合你吗？或者如果它在一个循环中，你可能会得到向量化的循环。 – Petr