FastMath - Delphi的快速数学库

        FastMath 是 Delphi 数学库，旨在提高性能（有时会以牺牲错误检查或略微降低精度为代价）。它使用手工优化的汇编代码来实现比Delphi RTL提供的等效函数更好的性能。

        这使得FastMath非常适合用于高性能的数学密集型应用，例如多媒体应用和游戏。为了获得更好的性能，该库提供了一系列以“Fast-”前缀开头的“近似”函数。这些方法可以非常快速，但你可能会失去一些（有时是相当少的）精度。对于游戏和动画来说，这种精度上的损失通常是完全可以接受的，而且速度的提高可以抵消这种损失。不过不要用它们进行科学计算…

         您可能想要在应用程序启动时调用 DisableFloatingPointExceptions以抑制任何浮点异常。相反的是，当FastMath无法执行操作时，它将返回极值(如Nan或Infinity)。如果在多个线程中使用FastMath，则应该在这些线程的 Execute 块中调用DisableFloatingPointExceptions 。

高性能

        大多数操作既可以作用于标量（即单个值），也可以作用于向量（由2、3或4个值组成）。使用SIMD优化的汇编代码可以同时计算多个输出。例如，将两个4值向量相加几乎与将两个单个值相加一样快，从而导致速度提高4倍。许多函数都是以这样的方式编写的，性能甚至更好。

        下面是一些你可以在不同平台上预期的加速因素的例子:

RTL	FastMath	x86-32	x86-64	Arm32	Arm64
TVector3D + TVector3D	TVector4 + TVector4	1.2x	1.6x	2.8x	2.5x
Single * TVector3D	Single * TVector4	2.2x	2.1x	5.6x	3.7x
TVector3D.Length	TVector4.Length	3.0x	5.6x	19.9x	17.1x
TVector3D.Normalize	TVector4.Normalize	4.1x	5.1x	7.4x	11.7x
TVector3D * TMatrix3D	TVector4 * TMatrix4	1.3x	4.0x	6.5x	4.2x
TMatrix3D * TMatrix3D	TMatrix4 * TMatrix4	2.2x	7.2x	5.4x	8.0x
TMatrix3D.Inverse	TMatrix4.Inverse	9.8x	9.2x	8.0x	9.8x
Sin(Single) (x4)	FastSin(TVector4)	14.8x	7.7x	42.6x	40.1x
SinCos(Single) (x4)	FastSinCos(TVector4)	19.1x	9.0x	67.9x	93.3x
Exp2(Single) (x4)	FastExp2(TVector4)	22.4x	32.7x	275.0x	302.4x

        如您所见，一些非常常见的（3D）操作，如矩阵乘法和求逆，其速度几乎是RTL版本的10倍。此外，FastMath还包含一些 Fast*近似函数，它们以略微降低精度为代价，实现了极大的速度提升。例如，使用 FastSinCos 并行计算4个正弦和余弦函数的速度可以比通过4次调用RTL SinCos 函数快90倍，同时在角度范围为+/4000 radians（或+/- 230,000度）时仍能提供出色的精度。

         在32位和64位桌面平台（Windows和OS X）上，该性能是通过使用SSE2指令集实现的。这意味着计算机必须支持SSE2。然而，自从SSE2在2001年推出以来，今天使用的绝大多数计算机都将支持它。所有64位桌面计算机默认支持SSE2。不过，您始终可以使用 FM_NOSIMD 定义指令编译此库来禁用SIMD优化，并使用纯Pascal版本的库。这还可以用来比较Pascal版本与SIMD优化版本的速度。

        在32位移动平台（iOS和Android）上，使用NEON指令集进行SIMD优化。这意味着您的设备需要支持NEON。但是由于Delphi本身已经需要这种方法，因此这不会带来额外的限制。

        在64位移动平台（iOS）上，使用Arm64/AArch64 SIMD指令集。

        iOS模拟器没有硬件加速支持（所有计算都将使用Pascal版本）。

架构和设计决策

        FastMath仅对单精度浮点值进行操作双精度浮点数运算目前尚未得到支持。

大多数函数对单个值(类型 Single)和2维、3维和4维向量(分别为 TVector2 、 TVector3 和 TVector4 类型)进行操作。向量不仅可以用来表示空间中的点或方向，还可以被视为具有2、3或4个值的数组，可以被用于并行执行计算。除了浮点向量，还有对整数值(TIVector2、TIVector3 和 TIVector4)进行运算的向量。

        还支持2x2, 3x3和4x4矩阵(称为 TMatrix2、TMatrix3 和 TMatrix4)。默认情况下，矩阵以行优先的顺序存储，就像RTL的 System.Math.Vectors 单元一样。不过，你可以通过使用编译指示字“ FM_COLUMN_MAJOR 定义”来改变这个布局。这将以列优先的方式存储矩阵，这对OpenGL应用程序（它最适合这种布局）非常有用。此外，该定义还将将相机矩阵的深度范围剪切为从-1到1，而不是默认的0到1。这再次与OpenGL应用程序的默认设置相一致。

        为了表示3D空间中的旋转，还有一个 TQuaternion，类似于RTL的 TQuaternion3D 类型。

        库的操作多少受到了着色器语言(如GLSL和HLSL)的启发。在这些语言中，您也可以类似地处理单个值和向量。例如，您可以使用 Sin 函数计算单个正弦值，但您也可以将其与一个 TVector4 类型一起使用，以便在一次调用中计算4个正弦值。当与近似 Fast* 函数结合使用时，可以产生巨大的性能提升，如前所示。

重载操作符

        所有向量和矩阵类型都支持重载运算符，允许您对标量、向量和矩阵进行取反、加、减、乘和除。

        还有一些重载运算符，用于比较向量和矩阵是否相等。这些运算符用于检查精确匹配（类似于 Delphi 中的 = 运算符）它们不允许存在非常小的差异（比如Delphi中的 SameValue 函数）。

        当应用于向量时，算术运算符+、-、* 和 / 通常按分量进行操作。例如，如果 A 和 B 是 TVector4类型，那么 C := A * B 将把 C 设置为 (A.X * B.X, A.Y * B.Y, A.Z * B.Z, A.W * B.W) 的值。它不会执行点积或叉积（您可以使用 Dot 和 Cross 函数来计算这些值）。

        对于矩阵， + 和 - 操作符也会按分量进行操作。然而，当将矩阵与向量或其他矩阵相乘（或相除）时，通常使用线性代数中的乘法（或除法）。例如：

• M := M1 * M2 执行线性代数矩阵乘法运算。
• V := M1 * V1 执行矩阵*行向量的线性代数乘法
• V := V1 * M1 执行列向量*矩阵线性代数乘法

        要对矩阵进行分量乘法运算，可以使用 CompMult 方法。

与Delphi运行时库（RTL）的互操作性

        FastMath 提供了自己的向量和矩阵类型，以实现更高的性能。它们中的大多数在功能和数据存储方面与Delphi RTL类型相当。你可以将它们之间进行类型转换，或者隐式地将 FastMath 类型转换为 RTL 类型或反之（例如：MyVector2 := MyPointF）。下表显示了映射关系：

目的	FastMath	Delphi RTL
2D point/vector	TVector2	TPointF
3D point/vector	TVector3	TPoint3D
4D point/vector	TVector4	TVector3D
2x2 matrix	TMatrix2	N/A
3x3 matrix	TMatrix3	TMatrix
4x4 matrix	TMatrix4	TMatrix3D
quaternion	TQuaternion	TQuaternion3D

技术文档

        文档可以在 Doc 目录下的“FastMath.chm”HTML帮助文件中找到。

        或者，您可以在线阅读文档。

目录组织

FastMath 存储库包含以下目录：

• Doc: 以HtmlHelp格式编写的文档。还包含一个Excel表格（Benchmarks.xlsx），其中包含我在设备（Core i7台式机和iPad3）上进行的性能测试结果。
• DocSource:包含用于生成文档的批处理文件。如果你想要的话，你需要使用 PasDocEx 来自行生成文档。
• FastMath: 它包含了主要的 Neslib.FastMath 单元，以及各种处理器特定优化的包含文件，以及针对iOS和Android的Arm优化静态库。
  • Arm: 为特定的 Arm 架构编写源代码和脚本。
    • Arm32: 该库包含经过Arm Neon优化的函数的汇编源代码。
    • Arm64: 该文件包含针对Arm64优化的函数的汇编源代码。
    • fastmath-android: 该项目包含一个批处理文件和一些帮助文件，用于使用Android NDK构建Android静态库。
    • fastmath-ios: 该项目包含一个用于构建iOS通用静态库的macOS shell脚本。
• Tests:: 该软件包包含一个使用FireMonkey编写的应用程序，用于运行单元测试和性能测试。

许可证

        FastMath 是按照简化的 BSD 许可证进行授权的。它的一些功能是基于其他人在MIT、New BSD和ZLib许可下的代码。这些许可证与整个项目使用的简化BSD许可证一样宽松。