x64プラットフォーム用にコンパイルされたC++プログラムがx86用にコンパイルされるよりも遅いのはなぜですか？

Question

私はプログラムを書いて、Intel Core i5-2500のVisual Studio 2010でx64とx86プラットフォーム用にコンパイルしました。 x64版の実行には約19秒、x86版の実行には約17秒かかります。そのような行動の理由は何でしょうか？

#include "timer.h" 

#include <vector> 
#include <iostream> 
#include <algorithm> 
#include <string> 
#include <sstream> 

/********************DECLARATIONS************************************************/ 
class Vector 
{ 
public: 
    Vector():x(0),y(0),z(0){} 

    Vector(double x, double y, double z) 
     : x(x) 
     , y(y) 
     , z(z) 
    { 
    } 

    double x; 
    double y; 
    double z; 
}; 


double Dot(const Vector& a, const Vector& b) 
{ 
    return a.x * b.x + a.y * b.y + a.z * b.z; 
} 


class Vector2 
{ 
public: 
    typedef double value_type; 

    Vector2():x(0),y(0){} 

    Vector2(double x, double y) 
     : x(x) 
     , y(y) 
    { 
    } 

    double x; 
    double y; 
}; 

/******************************TESTS***************************************************/ 

void Test(const std::vector<Vector>& m, std::vector<Vector2>& m2) 
{ 
    Vector axisX(0.3f, 0.001f, 0.25f); 
    Vector axisY(0.043f, 0.021f, 0.45f); 

    std::vector<Vector2>::iterator i2 = m2.begin(); 

    std::for_each(m.begin(), m.end(), 
     [&](const Vector& v) 
    { 
     Vector2 r(0,0); 
     r.x = Dot(axisX, v); 
     r.y = Dot(axisY, v); 

     (*i2) = r; 
     ++i2; 
    }); 
} 


int main() 
{ 
    cpptask::Timer timer; 

    int len2 = 300; 
    size_t len = 5000000; 
    std::vector<Vector> m; 
    m.reserve(len); 
    for (size_t i = 0; i < len; ++i) 
    { 
     m.push_back(Vector(i * 0.2345, i * 2.67, i * 0.98)); 
    } 

    /***********************************************************************************/ 
    { 
     std::vector<Vector2> m2(m.size()); 
     double time = 0; 
     for (int i = 0; i < len2; ++i) 
     { 
      timer.Start(); 
      Test(m, m2); 
      time += timer.End(); 
     } 
     std::cout << "Dot product double - " << time/len2 << std::endl; 
    } 
    /***********************************************************************************/ 


    return 0; 
} 

Answer 1

短い回答：これはコンパイラの問題です。 x64オプティマイザが失敗します。

---

ロング回答：SSE2が無効になっている場合

このx86バージョンは非常に遅いです。しかし、私はx86でSSE2を有効にして結果を再現することができます。

あなたがその最も内側のループのアセンブリに飛び込んできた場合。 x64版には最後に2つの余分なメモリコピーがあります。

のx86：

$LL71@main: 
movsd xmm2, QWORD PTR [eax-8] 
movsd xmm0, QWORD PTR [eax-16] 
movsd xmm3, QWORD PTR [eax] 
movapd xmm1, xmm0 
mulsd xmm0, QWORD PTR __real@3fa60418a0000000 
movapd xmm7, xmm2 
mulsd xmm2, QWORD PTR __real@3f95810620000000 
mulsd xmm7, xmm5 
mulsd xmm1, xmm4 
addsd xmm1, xmm7 
movapd xmm7, xmm3 
mulsd xmm3, QWORD PTR __real@3fdcccccc0000000 
mulsd xmm7, xmm6 
add eax, 24     ; 00000018H 
addsd xmm1, xmm7 
addsd xmm0, xmm2 
movq QWORD PTR [ecx], xmm1 
addsd xmm0, xmm3 
movq QWORD PTR [ecx+8], xmm0 
lea edx, DWORD PTR [eax-16] 
add ecx, 16     ; 00000010H 
cmp edx, esi 
jne SHORT $LL71@main 

のx64：

$LL175@main: 
movsdx xmm3, QWORD PTR [rdx-8] 
movsdx xmm5, QWORD PTR [rdx-16] 
movsdx xmm4, QWORD PTR [rdx] 
movapd xmm2, xmm3 
mulsd xmm2, xmm6 
movapd xmm0, xmm5 
mulsd xmm0, xmm7 
addsd xmm2, xmm0 
movapd xmm1, xmm4 
mulsd xmm1, xmm8 
addsd xmm2, xmm1 
movsdx QWORD PTR r$109492[rsp], xmm2 
mulsd xmm5, xmm9 
mulsd xmm3, xmm10 
addsd xmm5, xmm3 
mulsd xmm4, xmm11 
addsd xmm5, xmm4 
movsdx QWORD PTR r$109492[rsp+8], xmm5 
mov rcx, QWORD PTR r$109492[rsp] 
mov QWORD PTR [rax], rcx 
mov rcx, QWORD PTR r$109492[rsp+8] 
mov QWORD PTR [rax+8], rcx 
add rax, 16 
add rdx, 24 
lea rcx, QWORD PTR [rdx-16] 
cmp rcx, rbx 
jne SHORT $LL175@main 

x64バージョンが多くの（原因不明の）を有し、ループの終わりに移動します。これは、ある種のメモリからメモリへのデータコピーのように見えます。

EDIT：

それは、x64オプティマイザは、次のコピーを最適化することができないことが判明：

(*i2) = r; 

内側のループは、2つの余分なメモリコピーを持っている理由です。ループを次のように変更した場合：

std::for_each(m.begin(), m.end(), 
    [&](const Vector& v) 
{ 
    i2->x = Dot(axisX, v); 
    i2->y = Dot(axisY, v); 
    ++i2; 
}); 

これでコピーが削除されます。今、x64バージョンは同じくらい速いx86バージョンなどです。

x86: 0.0249423 
x64: 0.0249348 

レッスンは学んだ：コンパイラは完璧ではありません。

Answer 2

通常64ビットは、（64ビット機能を特に利用しないコードの場合）32ビットより少し遅いです。 1つの特定の問題は、ポインタが大きくなり、キャッシュ内に保持できる量が減少することです。

Answer 3

私はあなたの質問に答えていないが、私はそれを言及する価値があると思う：

あなたが自分でベクトルクラスを書くべきではありません。固定長ベクトルの場合は、ドットを組み込んだboost::Arrayまたはcv::Vec2d and cv::Vec3dを使用してください。また、+、 - などの高速関数も使用してください（また、cv :: Vec <タイプ、長さ>）。