C++模板不會提高性能

Question

我使用循環展開（LU）實現了三個版本的氣泡排序來研究C++模板。即沒有循環展開，用C宏展開手動循環，並用模板循環展開。代碼：

// No LU 
void bubbleSort(int* data, int n) 
{ 
    for(int i=n-1; i>0; --i) { 
     for(int j=0; j<i; ++j) 
      if (data[j]>data[j+1]) std::swap(data[j], data[j+1]); 
    } 
} 
// LU with macro 
void bubbleSort4(int* data) 
{ 
#define COMP_SWAP(i, j) if(data[i]>data[j]) std::swap(data[i], data[j]) 
    COMP_SWAP(0, 1); COMP_SWAP(1, 2); COMP_SWAP(2, 3); 
    COMP_SWAP(0, 1); COMP_SWAP(1, 2); 
    COMP_SWAP(0, 1); 
} 
// LU with template 
template<int i, int j> 
inline void IntSwap(int* data) { 
    if(data[i]>data[j]) std::swap(data[i], data[j]); 
} 
template<int i, int j> 
inline void IntBubbleSortLoop(int* data) { 
    IntSwap<j, j+1>(data); 
    IntBubbleSortLoop<j<i-1?i:0, j<i-1?(j+1):0>(data); 
} 
template<> 
inline void IntBubbleSortLoop<0, 0>(int*) { } 
template<int n> 
inline void IntBubbleSort(int* data) { 
    IntBubbleSortLoop<n-1, 0>(data); 
    IntBubbleSort<n-1>(data); 
} 
template<> 
inline void IntBubbleSort<1>(int* data) { } 

測試代碼：

#include <iostream> 
#include <utility> //std::swap 
#include <string.h> // memcpy 
#include <sys/time.h> 

class Timer{ 
    struct timeval start_t; 
    struct timeval end_t; 
    public: 
    void start() { gettimeofday(&start_t, NULL); } 
    void end() { gettimeofday(&end_t, NULL); } 
    void print() { 
     std::cout << "Timer: " << 1000.0*(end_t.tv_sec-start_t.tv_sec)+(end_t.tv_usec-start_t.tv_usec)/1000.0 << " ms\n"; 
    } 
}; 

int main() { 
    Timer t1, t2, t3; const int num=100000000; 
    int data[4]; int inidata[4]={3,4,2,1}; 

    t1.start(); 
    for(int i=0; i<num; ++i) { 
     memcpy(data, inidata, 4); 
     bubbleSort(data, 4); 
    } 
    t1.end(); 
    t1.print(); 

    t2.start(); 
    for(int i=0; i<num; ++i) { 
     memcpy(data, inidata, 4); 
     bubbleSort4(data); 
    } 
    t2.end(); 
    t2.print(); 

    t3.start(); 
    for(int i=0; i<num; ++i) { 
     memcpy(data, inidata, 4); 
     IntBubbleSort<4>(data);  
    } 
    t3.end(); 
    t3.print(); 

    return 0; 
} 

我的平臺是OSX，以及編譯器鏗鏘：

g++ -std=c++11 -o loop_unrolling loop_unrolling.cpp 

我想到的模板版本與宏觀verison，類似的性能，其比正常的要快得多。但是，模板版本是最慢的。任何人都知道爲什麼？

Timer: 1847.78 ms 
Timer: 685.736 ms 
Timer: 5075.86 ms 

=================================

與-O1：

Timer: 861.071 ms 
Timer: 495.001 ms 
Timer: 2793.02 ms 

與-02：

Timer: 247.691 ms 
Timer: 258.666 ms 
Timer: 254.466 ms 

與-O3：

Timer: 242.535 ms 
Timer: 233.354 ms 
Timer: 251.297 ms 

令我困惑的是，無論我是否啓用-Ox，模板版本都應生成循環展開代碼。但它看起來不正確。更讓我困惑的是，它比非LP版本更慢，而未啓用-Ox。

Answer 1

由於Jarod42指出你的問題是函數調用。從函數模板生成函數的編譯器進程與執行內聯的編譯器進程是分開的。因此內聯不能保證，並且您支付模板版本中函數調用的性能損失。請注意，inline關鍵字是編譯器的一個暗示，它沒有義務予以尊重。

如果您將來遇到類似的問題並且感覺很勇敢，您可以查看代碼生成的彙編代碼以查看差異。以你的代碼上面，它分成兩個編譯單元b4.cc

// b4.cc 
#include <algorithm> 

// LU with macro 
void bubbleSort4(int* data) 
{ 
#define COMP_SWAP(i, j) if(data[i]>data[j]) std::swap(data[i], data[j]) 
    COMP_SWAP(0, 1); COMP_SWAP(1, 2); COMP_SWAP(2, 3); 
    COMP_SWAP(0, 1); COMP_SWAP(1, 2); 
    COMP_SWAP(0, 1); 
} 

和b4t.cc

// b4t.cc 
#include <algorithm> 

// LU with template 
template<int i, int j> 
inline void IntSwap(int* data) { 
    if(data[i]>data[j]) std::swap(data[i], data[j]); 
} 
template<int i, int j> 
inline void IntBubbleSortLoop(int* data) { 
    IntSwap<j, j+1>(data); 
    IntBubbleSortLoop<j<i-1?i:0, j<i-1?(j+1):0>(data); 
} 
template<> 
inline void IntBubbleSortLoop<0, 0>(int*) { } 
template<int n> 
inline void IntBubbleSort(int* data) { 
    IntBubbleSortLoop<n-1, 0>(data); 
    IntBubbleSort<n-1>(data); 
} 
template<> 
inline void IntBubbleSort<1>(int* data) { } 

// LU with macro 
void bubbleSort4(int* data) 
{ 
    IntBubbleSort<4>(data); 
} 

這可以讓你再g++ -S b4*.cc和比較b4.s和b4t.s.請注意，b4t.s充滿了許多功能。而當您打開內聯時，如g++ -O2 -S b4*.cc，該組件實際上是相同的。