我有一个函数，可以进行数亿次迭代，试图找到一组给定可能性的最佳组合。我的所有数据都是预先计算的，几乎所有的算术都是简单的>=或<=这些预先计算值的比较。
我想知道在进行这种简单的比较时，使用某些原始类型(int，long，double(是否有优势。
我知道我可以去测试一下，看看哪个是"最好的"，但了解潜在的原因也很重要。例如，也许int最容易比较，因为它占用的内存更少，或者double的浮点更容易告诉值的 10 的幂，这在某些情况下加快了比较速度。我很想知道这些基础知识，一个简单的测试不会告诉我。
这是过早的优化。您应该选择一种数据类型，基于它进行实现，并使用实际实现运行性能基准，而不是比较特定类型的数万个随机值的虚构测试。
使用特定实现进行测试的原因是，与原始比较的时间相比，有许多因素对速度的影响要大得多：
- 缓存命中率- 访问内存比访问缓存值慢数倍。在访问大型数据数组时重新构建循环可以大大加快程序速度，而不会更改程序执行的原始比较数量
- 分支预测- 保持 CPU 管道运行非常重要。如果循环和数据的结构可以优化正确分支预测的数量，则代码的运行速度比具有大量错误分支预测的代码快得多
在实现实际算法之前，无法测量任何这些指标。优化缓存和分支的实际实现后，切换基础数据类型就变得相对容易。