sprintf vs strcpy - 使用更多内存和快速复制还是几乎没有内存和慢速复制？
sprintf vs strcpy - use more memory and fast copy or almost no memory and slow copy?
我正在编写延迟关键型应用程序（自制高频交易系统）。我有这样的代码，它只是将 uint64 转换为字符串：
// TODO: cache sprintf, use strcpy? measure?
sprintf(dest, "%" PRIu64, divRes.quot);
这里 divRes.quot 是保证在 1 到 1 000 000 之间的整数。所以我可以预分配（相当大的）数组和 "cache" 每个值。然后我可以执行 strcpy(dest, cache[divRes.quot]).
乍一看肯定快得多，因为 strcpy 肯定比 sprintf 快得多。但是请注意，我使用的是巨大的数组，几乎肯定无法将其完全加载到 CPU 缓存中。所以第二种方法几乎肯定会进入主内存。虽然在第一种方法中我很可能会留在 CPU 缓存中（甚至可能在最快的 L1 缓存中？！）
所以平均来说什么会更快：
- CPU 缓存中的慢速函数
- 访问主内存的快速功能？
我认为这取决于一个函数比另一个函数快多少以及 CPU 缓存访问比主内存访问快多少。
我想写一个真正的测试是很难的。因为在实际应用程序中，整个系统负载会有所不同，因此 cache/memory 使用情况会有所不同，这可能会发生巨大的变化。
请注意我不关心可读性、维护等，我只需要速度。
要使 table 查找工作正常，您必须经常这样做（在具有大缓存的 CPU 上）对于大多数 table 大部分时间都在缓存中。 table 占用大约 7 兆字节的内存，所以除非缓存 相当 大，并且您一次要转换数百万个数字，所以大部分访问都是缓存，这几乎肯定是净亏损。
根据我的计算，使用正常除法（~5 个除法 + 6 个加法）转换单个数字可能需要大约 100 个时钟。从主内存读取通常需要大约 200 个处理器时钟，因此您需要大约 50% 的缓存命中率才能收支平衡。
就我个人而言，我怀疑我会使用这两种方法中的任何一种。相反，我可能会做一个混合动力车。我将数字除以 1000，然后进行两次 table 查找（一个是股息，另一个是余数）。
优点是这样可以将 table 的大小减少到 4 KB 左右，并将每个 table 条目的使用量增加大约 1000 倍。假设您要转换至少一个一次有几百个（左右）随机分布的数字，您可以指望接近 100% 的缓存命中率。有了高缓存命中率，我们可以计划一个分区加上缓存中的两个负载，总共大约 25 个时钟，或者大约是我们对简单转换的预期速度的 4 倍。
我正在编写延迟关键型应用程序（自制高频交易系统）。我有这样的代码，它只是将 uint64 转换为字符串：
// TODO: cache sprintf, use strcpy? measure?
sprintf(dest, "%" PRIu64, divRes.quot);
这里 divRes.quot 是保证在 1 到 1 000 000 之间的整数。所以我可以预分配（相当大的）数组和 "cache" 每个值。然后我可以执行 strcpy(dest, cache[divRes.quot]).
乍一看肯定快得多，因为 strcpy 肯定比 sprintf 快得多。但是请注意，我使用的是巨大的数组，几乎肯定无法将其完全加载到 CPU 缓存中。所以第二种方法几乎肯定会进入主内存。虽然在第一种方法中我很可能会留在 CPU 缓存中（甚至可能在最快的 L1 缓存中？！）
所以平均来说什么会更快：
- CPU 缓存中的慢速函数
- 访问主内存的快速功能？
我认为这取决于一个函数比另一个函数快多少以及 CPU 缓存访问比主内存访问快多少。
我想写一个真正的测试是很难的。因为在实际应用程序中，整个系统负载会有所不同，因此 cache/memory 使用情况会有所不同，这可能会发生巨大的变化。
请注意我不关心可读性、维护等，我只需要速度。
要使 table 查找工作正常，您必须经常这样做（在具有大缓存的 CPU 上）对于大多数 table 大部分时间都在缓存中。 table 占用大约 7 兆字节的内存，所以除非缓存 相当 大，并且您一次要转换数百万个数字，所以大部分访问都是缓存，这几乎肯定是净亏损。
根据我的计算，使用正常除法（~5 个除法 + 6 个加法）转换单个数字可能需要大约 100 个时钟。从主内存读取通常需要大约 200 个处理器时钟，因此您需要大约 50% 的缓存命中率才能收支平衡。
就我个人而言，我怀疑我会使用这两种方法中的任何一种。相反，我可能会做一个混合动力车。我将数字除以 1000，然后进行两次 table 查找（一个是股息，另一个是余数）。
优点是这样可以将 table 的大小减少到 4 KB 左右，并将每个 table 条目的使用量增加大约 1000 倍。假设您要转换至少一个一次有几百个（左右）随机分布的数字，您可以指望接近 100% 的缓存命中率。有了高缓存命中率，我们可以计划一个分区加上缓存中的两个负载，总共大约 25 个时钟，或者大约是我们对简单转换的预期速度的 4 倍。