我基本上有两个向量,一个用于大量元素,另一个用于少量用于对元素数据进行采样的探测器。我偶然发现了实现两个循环的顺序问题。当然,我认为在较大的向量上有外环将是有益的
实施1:
for(auto& elem: elements) {
for(auto& probe: probes) {
probe.insertParticleData(elem);
}
}
然而,似乎第二次实施只需要一半的时间
实施2:
for(auto& probe: probes) {
for(auto& elem: elements) {
probe.insertParticleData(elem);
}
}
可能是什么原因?
修改
通过以下代码生成计时
clock_t t_begin_ps = std::clock();
... // timed code
clock_t t_end_ps = std::clock();
double elapsed_secs_ps = double(t_end_ps - t_begin_ps) / CLOCKS_PER_SEC;
并且在插入元素数据时我基本上做了两件事,测试到探针的距离是否低于限制并计算平均值
probe::insertParticleData (const elem& pP) {
if (!isInside(pP.position())) {return false;}
... // compute alpha and beta
avg_vel = alpha*avg_vel + beta*pP.getVel();
return true;
}
要了解我有大约的内存使用情况。 10k元素,它们是具有30个双数据成员的对象。对于测试,我使用了10个含有15个双打的探针。
答案 0 :(得分:4)
今天的CPU经过大量优化,可以线性访问内存。因此,一些长循环将击败许多短循环。您希望内部循环迭代长向量。
答案 1 :(得分:2)
我的猜测: 如果insertParticleData是虚拟的,编译器会将函数的地址视为内部循环中的常量,并将vtable fetch移动到内部循环之外。 即有效地生成如下代码:
for (auto& probe: probes) {
funcPtr p = probe.insertParticleData;
for (auto& elem: elements) {
(*p)(elem);
}
}
而在第一个版本中,p将为每次内部迭代计算。