双精度值存储更高的精度，并且是浮点数的两倍，但是Intel CPU是否针对浮点数进行了优化？
也就是说，对于+，-，*和/，双精度运算是否与浮点运算一样快或更快？
对于64位体系结构，答案是否会改变？
双精度值存储更高的精度，并且是浮点数的两倍，但是Intel CPU是否针对浮点数进行了优化？
也就是说，对于+，-，*和/，双精度运算是否与浮点运算一样快或更快？
对于64位体系结构，答案是否会改变？
Answers:
这里没有一个“英特尔CPU”，特别是在相对于其他对象优化了哪些操作方面！但是，其中大多数（在CPU级别（特别是在FPU内））都可以回答您的问题：
是+，-，*和/的双精度运算与浮点运算一样快还是更快？
是“是”-在CPU内，但除和sqrt的速度double比慢float。（假设您的编译器使用SSE2进行标量FP数学运算，就像所有x86-64编译器一样，并且某些32位编译器取决于选项。传统的x87寄存器中的宽度没有不同，仅在内存中（在加载/存储时进行转换） ），因此从历史上看，即使sqrt和除法对于一样慢double。
例如，Haswell的divsd吞吐量为每8到14个周期之一（取决于数据），但divss（标量单）吞吐量为每7个周期之一。x87fdiv是8到18个循环的吞吐量。（来自https://agner.org/optimize/的数字。延迟与划分的吞吐量相关，但高于吞吐量数字。）
在float许多库函数的版本一样logf(float)，并sinf(float)也将更快比log(double)及sin(double)的，因为他们有许多精密更少位得到正确的。他们可以使用较少项的多项式逼近来获得floatvs.double
但是，为每个数字占用两倍的内存显然意味着高速缓存上的负载增加，并且需要更多的内存带宽来填充和溢出那些往返于RAM的高速缓存行；您关心浮点运算的性能的时间就是您要执行许多此类运算时，因此内存和缓存的考虑至关重要。
@Richard的答案指出，还有其他方法可以执行FP操作（SSE / SSE2指令；好的旧MMX仅用于整数），特别适用于对大量数据（“ SIMD”，单指令/多数据）的简单操作），其中每个向量寄存器都可以打包4个单精度浮点数或仅2个双精度浮点数，因此这种效果会更加明显。
最后，您确实必须进行基准测试，但我的预测是，对于合理的基准（即大型;-），您会发现坚持单精度的优势（当然，假设您不需要额外的精度）精确！-）。
在将3.3加20亿次的实验中，结果是：
Summation time in s: 2.82 summed value: 6.71089e+07 // float
Summation time in s: 2.78585 summed value: 6.6e+09 // double
Summation time in s: 2.76812 summed value: 6.6e+09 // long double
因此double更快，并且在C和C ++中是默认设置。它更可移植，并且是所有C和C ++库函数的默认值。Alos double的精度明显高于float。
甚至Stroustrup也建议加倍浮动：
“单精度，双精度和扩展精度的确切含义是由实现定义的。对于选择很重要的问题，选择正确的精度需要对浮点计算有足够的了解。如果您不了解，则请获取建议，花点时间学习，或者加倍努力并希望获得最好的成绩。”
也许唯一应该使用float而不是double的情况是在具有现代gcc的64位硬件上。因为浮子较小；double是8个字节，float是4个字节。
double在实际上向RTFM推荐时就推荐那里。
另外还可以查看一些基准的真实数据：
For Intel 3770k, GCC 9.3.0 -O2 [3]
Run on (8 X 3503 MHz CPU s)
CPU Caches:
L1 Data 32 KiB (x4)
L1 Instruction 32 KiB (x4)
L2 Unified 256 KiB (x4)
L3 Unified 8192 KiB (x1)
--------------------------------------------------------------------
Benchmark Time CPU Iterations
--------------------------------------------------------------------
BM_FloatCreation 0.281 ns 0.281 ns 1000000000
BM_DoubleCreation 0.284 ns 0.281 ns 1000000000
BM_Vector3FCopy 0.558 ns 0.562 ns 1000000000
BM_Vector3DCopy 5.61 ns 5.62 ns 100000000
BM_Vector3F_CopyDefault 0.560 ns 0.546 ns 1000000000
BM_Vector3D_CopyDefault 5.57 ns 5.56 ns 112178768
BM_Vector3F_Copy123 0.841 ns 0.817 ns 897430145
BM_Vector3D_Copy123 5.59 ns 5.42 ns 112178768
BM_Vector3F_Add 0.841 ns 0.834 ns 897430145
BM_Vector3D_Add 5.59 ns 5.46 ns 100000000
BM_Vector3F_Mul 0.842 ns 0.782 ns 897430145
BM_Vector3D_Mul 5.60 ns 5.56 ns 112178768
BM_Vector3F_Compare 0.840 ns 0.800 ns 897430145
BM_Vector3D_Compare 5.61 ns 5.62 ns 100000000
BM_Vector3F_ARRAY_ADD 3.25 ns 3.29 ns 213673844
BM_Vector3D_ARRAY_ADD 3.13 ns 3.06 ns 224357536
比较3个float（F）或3个double（D）上的操作，并且-BM_Vector3XCopy是复制之前未重复的（1,2,3）初始化向量的纯副本，-BM_Vector3X_CopyDefault，每个副本均重复默认初始化，-BM_Vector3X_Copy123反复初始化（1,2,3），
比较检查两个初始化向量是否相等，
ARRAY_ADD通过std :: valarray汇总vector（1,2,3）+ vector（3,4,5）+ vector（6,7,8）在我的情况下会导致SSE指令。
请记住，这些是孤立的测试，并且结果因编译器设置的不同而有所不同，具体取决于机器，机器或体系结构。对于缓存（问题）和实际用例，这可能是完全不同的。因此，该理论可能与现实大相径庭。找出答案的唯一方法是进行实际测试，例如使用google-benchmark [1]并检查特定问题解决方案的编译器输出结果[2]。
float适合某种程度的缓存的大小，而double没有呢？如果您只是在相同级别的缓存中受制于内存带宽，那么大多数情况下，您会期望简单的2倍差异。还是仅以3个值的单个“向量”连续存储，不是以SIMD友好的方式并没有在大数组上摊销的结果中有更多？那么，GCC做了什么样的可怕的汇编，导致复制花了几个周期（3个浮点数，但复制了10倍，3个双倍数）呢？