qsort vs std :: sort的性能？

斯科特·迈耶斯（Scott Meyers）认为，在他的有效STL书中-项目46。他声称由于内联的事实，这种std::sort方法的速度要快670％std::qsort。我测试了自己，发现qsort更快:(！！有人可以帮我解释一下这种奇怪的行为吗？

#include <iostream>
#include <vector>
#include <algorithm>

#include <cstdlib>
#include <ctime>
#include <cstdio>

const size_t LARGE_SIZE = 100000;

struct rnd {
    int operator()() {
        return rand() % LARGE_SIZE;
    }
};

int comp( const void* a, const void* b ) {
    return ( *( int* )a - *( int* )b );
}

int main() {
    int ary[LARGE_SIZE];
    int ary_copy[LARGE_SIZE];
    // generate random data
    std::generate( ary, ary + LARGE_SIZE, rnd() );
    std::copy( ary, ary + LARGE_SIZE, ary_copy );
    // get time
    std::time_t start = std::clock();
    // perform quick sort C using function pointer
    std::qsort( ary, LARGE_SIZE, sizeof( int ), comp );
    std::cout << "C quick-sort time elapsed: " << static_cast<double>( clock() - start ) / CLOCKS_PER_SEC << "\n";
    // get time again
    start = std::clock();
    // perform quick sort C++ using function object
    std::sort( ary_copy, ary_copy + LARGE_SIZE );
    std::cout << "C++ quick-sort time elapsed: " << static_cast<double>( clock() - start ) / CLOCKS_PER_SEC << "\n";
}

这是我的结果：

C quick-sort time elapsed: 0.061
C++ quick-sort time elapsed: 0.086
Press any key to continue . . .

更新资料

有效的STL第三版（2001）
第7章使用STL编程
项目46：将函数对象而不是函数视为算法参数。

最好的祝福，

std :: clock（）不是可行的计时时钟。您应该使用特定于平台的高分辨率计时器，例如Windows High Performance Timer。更重要的是，调用clock（）的方式首先是将文本输出到控制台，该文本包含在时间中。这肯定会使测试无效。此外，请确保您使用所有优化进行了编译。

最后，我复制并粘贴了您的代码，qsort的值为0.016，std :: sort的值为0.008。

我很惊讶没有人提到缓存。

在您的代码中，首先触摸ary和* ary_copy *，以便它们在qsort时驻留在缓存中。在qsort期间，* ary_copy *可能会被驱逐。在std :: sort时，必须从内存或较大（读较慢）的缓存级别中获取元素。当然，这将取决于您的缓存大小。

尝试逆转测试，即从运行std :: sort开始。

正如某些人指出的那样；使数组更大将使测试更加公平。原因是大型阵列不太可能适合缓存。

两种未启用优化的排序算法应具有可比的性能。C ++sort容易被击败的原因qsort是编译器可以内联进行的比较，因为编译器具有有关用于执行比较的函数的类型信息。您是否在启用优化的情况下运行了这些测试？如果不是，请尝试将其打开并再次运行此测试。

qsort可能比预期的要好得多的另一个原因是，较新的编译器可以通过函数指针进行内联和优化。

如果C头文件定义了qsort的内联实现而不是在库内部实现，并且编译器支持间接函数内联，则qsort可以与std :: sort一样快。

在我的机器上添加一些肉类（将数组变成1000万个元素并在数据部分中移动它）并进行编译

g++ -Wall -O2 -osortspeed sortspeed.cpp

我得到的结果

C quick-sort time elapsed: 3.48
C++ quick-sort time elapsed: 1.26

也要注意可能配置为根据系统负载以可变速度运行的现代“绿色” CPU。进行基准测试时，这种行为会使您发疯（在我的计算机上，我有一个小的脚本可以修复进行速度测试时使用的CPU时钟）。

编写准确的基准非常困难，因此让我们让Nonius来为我们做吧！让我们测试qsort，std::sort不进行内联，并且std::sort对一百万个随机整数的向量进行内联（默认设置）。

// sort.cpp
#define NONIUS_RUNNER
#include <nonius.h++>
#include <random>
#include <algorithm>

// qsort
int comp(const void* a, const void* b) {
    const int arg1 = *static_cast<const int*>(a);
    const int arg2 = *static_cast<const int*>(b);

    // we can't simply return a - b, because that might under/overflow
    return (arg1 > arg2) - (arg1 < arg2);
}

// std::sort with no inlining
struct compare_noinline {
    __attribute__((noinline)) bool operator()(const int a, const int b) {
        return a < b;
    }
};

// std::sort with inlining
struct compare {
    // the compiler will automatically inline this
    bool operator()(const int a, const int b) {
        return a < b;
    }
};

std::vector<int> gen_random_vector(const size_t size) {

    std::random_device seed;
    std::default_random_engine engine{seed()};
    std::uniform_int_distribution<int> dist{std::numeric_limits<int>::min(), std::numeric_limits<int>::max()};

    std::vector<int> vec;
    for (size_t i = 0; i < size; i += 1) {
        const int rand_int = dist(engine);
        vec.push_back(rand_int);
    }

    return vec;
}

// generate a vector of a million random integers
constexpr size_t size = 1'000'000;
static const std::vector<int> rand_vec = gen_random_vector(size);

NONIUS_BENCHMARK("qsort", [](nonius::chronometer meter) {

    // Nonius does multiple runs of the benchmark, and each one needs a new
    // copy of the original vector, otherwise we'd just be sorting the same
    // one over and over
    const size_t runs = static_cast<size_t>(meter.runs());
    std::vector<std::vector<int>> vectors{runs};
    std::fill(vectors.begin(), vectors.end(), rand_vec);

    meter.measure([&](const size_t run) {

        std::vector<int>& current_vec = vectors[run];

        std::qsort(current_vec.data(), current_vec.size(), sizeof(int), comp);

        return current_vec;
    });
});

NONIUS_BENCHMARK("std::sort noinline", [](nonius::chronometer meter) {

    const size_t runs = static_cast<size_t>(meter.runs());
    std::vector<std::vector<int>> vectors{runs};
    std::fill(vectors.begin(), vectors.end(), rand_vec);

    meter.measure([&](const size_t run) {

        std::vector<int>& current_vec = vectors[run];

        std::sort(current_vec.begin(), current_vec.end(), compare_noinline{});

        return current_vec;

    });
});

NONIUS_BENCHMARK("std::sort inline", [](nonius::chronometer meter) {

    const size_t runs = static_cast<size_t>(meter.runs());
    std::vector<std::vector<int>> vectors{runs};
    std::fill(vectors.begin(), vectors.end(), rand_vec);

    meter.measure([&](const size_t run) {

        std::vector<int>& current_vec = vectors[run];

        std::sort(current_vec.begin(), current_vec.end(), compare{});

        return current_vec;

    });
});

使用Apple Clang 7.3.0进行编译，

$ clang++ -std=c++14 -stdlib=libc++ -O3 -march=native sort.cpp -o sort
$ ./sort

并在我的1.7 GHz i5 Macbook Air上运行

qsort                211 ms +/- 6 ms
std::sort noinline   127 ms +/- 5 ms
std::sort inline      87 ms +/- 4 ms

因此std::sort，没有内联比qsort（大约是由于排序算法不同）的内联快约1.7倍，而内联凹凸的速度要快约2.4倍。无疑是令人印象深刻的加速，但远低于670％。