SSE 程序在 AMD 上比在 Intel 上花费的时间要长得多

Posted 2023-02-16

【中文标题】SSE 程序在 AMD 上比在 Intel 上花费的时间要长得多

【英文标题】：SSE program takes a lot longer on AMD than on Intel

【发布时间】：2011-06-19 16:21:41

【问题描述】：

我正在使用 SSE2 指令优化算法。但是我在测试性能的时候遇到了这个问题：

I) 英特尔 e6750

执行 4 次非 SSE2 算法需要 14.85 秒 执行 1 次 SSE2 算法（处理相同的数据）需要 6.89 秒

II) 飞鸿 II x4 2.8Ghz

执行 4 次非 SSE2 算法需要 11.43 秒 执行 1 次 SSE2 算法（处理相同的数据）需要 12.15 秒

任何人都可以帮助我为什么会发生这种情况？我真的对结果感到困惑。

在这两种情况下，我都使用 -O3 作为标志使用 g++ 进行编译。

PS：该算法不使用浮点数学，它使用 SSE 的整数指令。

【问题讨论】：

使用相同二进制文件的时间几乎是两倍，并且在时钟频率更高且（假设“Deneb”）具有相同缓存大小的 CPU 上？真可惜。我唯一能想到的就是如果你做很多洗牌，因为与这一代英特尔 CPU 相比，这一代 AMD 处理器的延迟要高出 3 倍（在最新一代上看起来不同）。其他指令肯定会在这里或那里或多或少地有一个循环，但总而言之，它的运行速度不应该慢 2 倍。 （AMD 处理器也以“重新格式化延迟”而闻名，但由于您不混合浮点/整数，所以这无关紧要。）

超过 20% 的差异听起来很奇怪。 AMD Phenom 的版本是多少？ L1/L2/L3 缓存大小？算法实现是什么？

【参考方案1】：

在过去 5 年左右的时间里，英特尔对其 SSE 实施进行了重大改进，而 AMD 并没有真正跟上。最初两者实际上都只是 64 位执行单元，而 128 位操作被分解为 2 个微操作。自从 Core 和 Core 2 推出以来，英特尔 CPU 已经实现了完整的 128 位 SSE，这意味着 128 位操作有效地获得了 2 倍的吞吐量提升（1 个微操作对 2 个）。较新的 Intel CPU 还具有多个 SSE 执行单元，这意味着对于 128 位 SIMD 指令，每个时钟吞吐量可以获得 > 1 条指令。

【讨论】：

哇。去年买 CPU 的时候没想到会有这么大的不同=（现在我正在进入 HPC，现在我可以理解钱的不同了。

如果您使用的是 SSE，那么英特尔确实是城里唯一的游戏，至少目前如此。对于非 SIMD 代码，可能没有那么大的差异，而且英特尔 CPU 非常昂贵，因此性价比相当。