之间的CPU周期（或者，实质上是'速度'）有什么不同
x /= y;
和
#include <cmath>
x = sqrt(y);
x /= y作为x = sqrt(y) 的基准
答案 0 :(得分：9)
您的问题的答案取决于您的目标平台。假设您正在使用最常见的x86 cpu，我可以给你这个链接http://instlatx64.atw.hu/这是一个测量指令延迟的集合（CPU在获得参数后获取结果需要多长时间）以及它们如何被流水线化许多x86和x86_64处理器。如果您的目标不是x86，您可以尝试自己测量成本或咨询CPU文档。
首先，您应该获得操作的反汇编程序（来自编译器，例如gcc：gcc file.c -O3 -S -o file.asm或通过编译二进制文件的解集，例如在调试器的帮助下）。
请记住，在您的操作中，需要加载和存储一个值，该值必须另外计算。
以下是friweb.hu的两个例子：
对于SQRT的Core 2 Duo E6700延迟（L）（x87，SSE和SSE2版本）
（浮点数）：
对于较新的处理器，DIV和SQRT的成本较低且几乎相同，例如：对于Sandy Bridge Intel CPU：
浮点SQRT
浮点DIVIDE是
SQRT甚至比32位更快。
所以：对于较旧的CPU，sqrt本身比fdiv慢30-50％;对于较新的CPU，成本是相同的。 对于较新的CPU，两种操作的成本都会降低到旧CPU的成本; 对于更长的浮动格式，您需要更多时间;例如对于64位，你需要2倍的时间而不是32位;但与64位相比，80位是便宜的。
此外，较新的CPU具有与标量（x87）相同速度的向量运算（SSE，SSE2，AVX）。矢量具有2-4个相同类型的数据。如果您可以将循环对齐以使用相同的操作在多个FP值上工作，那么您将从CPU获得更多性能。
答案 1 :(得分：5)
如果平方根函数没有在特殊硬件或软件中实现，大多数库函数将使用牛顿方法计算它，该方法以二次方式收敛。
Newton的方法是一种迭代方法：您进行初步猜测，计算试验结果，并将其用于下一次猜测。你会重复，直到你认为你的结果“足够接近”。碰巧你可以用平方根来证明你需要多少次迭代。每次循环都会得到另外两位数的精度，因此大多数实现将在8-9个周期内收敛到双精度的精度限制。
如果你仔细阅读this，你会发现迭代牛顿的方法是每次迭代进行两次减法，一次乘法和一次除法。
答案 2 :(得分：2)
作为一般经验法则：浮点除法和平方根都被视为慢速运算（与加法或乘法等快速运算相比）。与分区相比，平方根可以预期大致相同的速度或稍慢（即，性能降低约1x-2x）。例如。在Pentium Pro
分区和平方根的潜伏期分别为18到36和29到69个循环
要获得更准确的答案，您需要深入了解您的平台的架构手册或执行基准测试。
注意：许多现代平台也提供反平方根，其速度与sqrt大致相同，但通常更有用（例如，通过使用invsqrt，您可以计算sqrt和div，每个都有一个乘法）。