为什么用浮点数矢量化比使用双精度法更有效？

Question

[我注意到，当对C程序中的循环进行矢量化处理时，与使用double操作数相比，使用float类型的操作数所实现的加速要大得多。

示例：

for (int i = 0; i < N; i++) {
    a[i] += b[i] * c[i];
}    

[当a，b和c数组的大小分别为20,000，我重复此循环1,000,000：

• 没有向量化，浮点数和双精度数都需要大约24秒
• [使用自动向量化（使用-O1 -ftree-vectorize进行编译），使用浮点运算需要7秒，而使用双打则需要21秒

• 对于OpenMP（#pramga omp simd），它与上述要点类似。

  这可能是什么原因？

编辑：更多信息：

1. 处理器：Intel Core i7-2677M CPU @ 1.80GHz
2. 周围的代码不过是数组分配（使用calloc）和一个循环，其中数组b和c用常量值填充。

Answer 1

通过许多这些操作，SIMD（单指令，多个数据）指令开始起作用。浮点数是双精度浮点数的一半，因此在单个指令中可以处理两倍的浮点数。但是，令我惊讶的是使用浮点数的速度是三倍，而不是简单的两倍。我怀疑，但不确定，这是因为浮子更容易操作-实际的尾数提取等。

Answer 2

您是否尝试过使用-ffast-math选项？这可能会影响您需要考虑的其他副作用（例如，潜在的精度损失）。