大数据计算里的加速利器-向量化

向量化

通俗来说在列式存储的数据库里来说，如果要对数据进行累加运行，如果每次只能操作一个数，必然效率低下，向量操作就是就是采用SIMD技术，通过一个指令，实现对多个数据的处理

使用场景

通常会用在列式数据库，作分析数据使用。 比如clickhouse

代码说明

通常代码来详细展示使用向量和传统方式实现相加的实现方式

#include <iostream>
#include <arm_neon.h>  // 包含 ARM NEON SIMD 指令集的头文件
#include <chrono>      // 用于计时的头文件

void vector_add_neon(const float32_t* a, const float32_t* b, float32_t* result, size_t n) {
    size_t i = 0;
    for (; i + 4 <= n; i += 4) {
        float32x4_t va = vld1q_f32(a + i);    // 加载 4 个浮点数到 NEON 寄存器 va
        float32x4_t vb = vld1q_f32(b + i);    // 加载 4 个浮点数到 NEON 寄存器 vb
        float32x4_t vr = vaddq_f32(va, vb);   // 对寄存器 va 和 vb 中的浮点数逐元素相加
        vst1q_f32(result + i, vr);            // 将结果存储回内存
    }
    for (; i < n; ++i) {
        result[i] = a[i] + b[i];
    }
}

void vector_add_basic(const float* a, const float* b, float* result, size_t n) {
    for (size_t i = 0; i < n; ++i) {
        result[i] = a[i] + b[i];
    }
}

int main() {
    const size_t n = 1000000;  // 数组长度增加到 100 万
    float32_t a[n];
    float32_t b[n];
    float32_t result_neon[n];
    float32_t result_basic[n];

    // 初始化数组 a 和 b
    for (size_t i = 0; i < n; ++i) {
        a[i] = static_cast<float32_t>(i);
        b[i] = static_cast<float32_t>(i * 2);
    }

    // 测量使用 NEON SIMD 的计算时间
    auto start_neon = std::chrono::high_resolution_clock::now();
    vector_add_neon(a, b, result_neon, n);
    auto end_neon = std::chrono::high_resolution_clock::now();
    std::chrono::duration<double> elapsed_neon = end_neon - start_neon;

    // 测量普通循环计算时间
    auto start_basic = std::chrono::high_resolution_clock::now();
    vector_add_basic(a, b, result_basic, n);
    auto end_basic = std::chrono::high_resolution_clock::now();
    std::chrono::duration<double> elapsed_basic = end_basic - start_basic;

    // 输出结果
    std::cout << "NEON SIMD 加速耗时: " << elapsed_neon.count() << " 秒\n";
    std::cout << "普通循环耗时: " << elapsed_basic.count() << " 秒\n";

    return 0;
}