浮点除法与平方根指令延迟：数据类型还是输入数据影响？及基准测试方法

1. 数据类型不是影响延迟的唯一因素 #

除了数据类型（float/double/__fp16），CPU微架构、指令执行单元的设计，以及输入数值的特征，都会左右这类指令的延迟。比如x86平台上Skylake和Zen3架构的divsd指令延迟就有明显差异；ARM的Neon和VFP单元处理fdiv的耗时也不一样。另外，不少CPU会对特定数值做硬件优化，跳过部分计算步骤。

2. 同数据类型下，输入值确实会让除法/平方根更快或更慢 #

没错，特定输入会触发硬件的快速优化路径：

• 2的整数次幂相关运算：比如计算1.0 / 2.0、sqrt(4.0)，多数CPU的浮点单元会直接通过指数调整或移位完成，不需要完整的除法迭代，延迟大幅降低。
• 特殊数值：输入0、无穷大、NaN时，部分CPU会直接返回结果，延迟远低于常规数值。
  反过来，非规整浮点数（denormals）、需要多轮迭代收敛的数值（比如接近1的非1数、无理数的平方根），会触发完整计算流程，延迟达到最大值。

3. 如何识别延迟极值的输入值 #

最小延迟输入 #

• 优先测试2的整数次幂相关运算：比如divsd用x / (2^n)或(2^n) / x，fsqrt用sqrt(2^n)（n为偶数时优化更直接）。
• 测试特殊数值：0、无穷大、NaN，这些场景CPU无需完整计算就能返回结果，延迟极低。
• 查CPU官方手册：比如Intel的优化手册、ARM的架构手册，里面会明确标注哪些数值能触发快速路径。

最大延迟输入 #

• 测试非规整浮点数（denormals）：这类数指数位全0、尾数非0，CPU处理时要额外做规格化，延迟明显增加。
• 测试需要多轮迭代的数值：比如sqrt(2.0)这类无理数，或者x/y中x和y数值非常接近（比如1.0000001 / 1.0），这类情况除法单元需要更多迭代才能达到精度要求。
• 随机生成大量常规数值跑基准测试，统计延迟分布，找出耗时最长的样本。

内容的提问来源于stack exchange，提问作者mihai145