见我可以写性能取决于实施和硬件,但它会作为没用,因为正确的。表现的一个例子会更有用。
E7240笔记本电脑,Linux中,G ++ 4.8.4,-O3标志
#include <cstdlib>
#include <iostream>
int main(int argc, const char** argv) {
const bool bPlain = (argv[1][0] == '-');
if (bPlain)
argv++;
int n = atoi(argv[1]);
int sum = 0;
if (bPlain)
for (int i=0; i<n; i++)
sum |= i;
else
for (int i=0; i<n; i++)
sum |= rand();
// To prevent the compilier from optimizing away the loop
if (sum == 0)
std::cout << sum << std::endl;
}
[~/CPP] time ./randbm 1000000000
9.049u 0.000s 0:09.05 99.8% 0+0k 0+0io 0pf+0w
[~/CPP] time ./randbm 1000000000
9.059u 0.000s 0:09.06 99.8% 0+0k 0+0io 0pf+0w
[~/CPP] time ./randbm 1000000000
9.040u 0.008s 0:09.05 99.8% 0+0k 0+0io 0pf+0w
[~/CPP] time ./randbm - 1000000000
0.192u 0.000s 0:00.20 95.0% 0+0k 0+0io 0pf+0w
[~/CPP] time ./randbm - 1000000000
0.172u 0.000s 0:00.18 94.4% 0+0k 0+0io 0pf+0w
[~/CPP] time ./randbm - 1000000000
0.185u 0.004s 0:00.20 90.0% 0+0k 0+0io 0pf+0w
所以,在这种特定情况下,一个呼叫到兰特()需要大约9纳秒,而一个循环迭代需要大约0.2纳秒。
使用random
比较慢。添加#include <random>
并通过更换代码的相关部分:
std::random_device rd; // only used once to initialise (seed) engine
std::mt19937 rng(rd()); // random-number engine used (Mersenne-Twister in this case)
std::uniform_int_distribution<int> uni(0, 1048575);
if (bPlain)
for (int i=0; i<n; i++)
sum |= i;
else
for (int i=0; i<n; i++)
sum |= uni(rng);
我们得到了(注意我们做1E8运行,不1E9):
[~/CPP] time ./randbm2 100000000
2.478u 0.003s 0:02.49 99.1% 0+0k 0+0io 0pf+0w
[~/CPP] time ./randbm2 100000000
2.471u 0.004s 0:02.47 100.0% 0+0k 0+0io 0pf+0w
[~/CPP] time ./randbm2 100000000
2.445u 0.007s 0:02.48 98.3% 0+0k 0+0io 0pf+0w
[~/CPP] time ./randbm2 100000000
2.497u 0.004s 0:02.50 99.6% 0+0k 0+0io 0pf+0w
[~/CPP] time ./randbm2 100000000
2.482u 0.011s 0:02.49 100.0% 0+0k 0+0io 0pf+0w
产生随机数,这种方式需要大约25纳秒。然而,与rand()
不同,uni
也会将该数字插入到区间中。
那些额外的工作是否重要?例如,如果你做
sum |= (rand() % 1048576);
时间从9增加到9.5纳秒。如果该数字不是2的幂,e。 G。
sum |= (rand() % 1000000);
需要10纳秒。将数字插入间隔的其他合理方法大致需要同一时间。
所以,对于一个特定的配置,rand()
本身大约需要9纳秒;连同随机数插入间隔,大约需要9.5-10纳秒; std::mt19937
与uniform_int_distribution<int>
大致需要25纳秒。
我希望你不是那些以毫秒为单位混淆纳秒的人!
构建基准测试并找出答案。如果你关心表现,你会衡量它。如果你不测量,这意味着你并不在乎。 –