Fortran循环优化咨询：编译参数、编译器性能差异及单线程提速策略

测试背景 #

我正在研究循环展开和优化编译标志对Fortran代码性能的影响，设计了如下极简测试用例：

program do_order
implicit none

integer :: j, s, n, nLoops
integer, dimension(4) :: Iv
real*8, dimension(16, 4) :: tmp, Ov
real :: start, finish

nLoops = 1000000

!! 初始化输入向量的值
do n = 1,4
    Iv(n) = n**2
end do

!! 显式Do循环+隐式Do循环，按列操作符合Fortran高效访问规则
call cpu_time(start)
    do n = 1, nLoops
        tmp = 0.d0
        Ov = 0.d0
        do j = 1,4
            tmp(1:Iv(j),j) = Ov(1:Iv(j),j) - 10.0d0
        end do
    end do
call cpu_time(finish)

print '("Loop-1 Time = ",f6.3," seconds.")',finish-start

tmp = 0.d0
Ov = 0.d0

!! 展开循环+隐式Do循环
call cpu_time(start)
    do n = 1, nLoops
        tmp = 0.d0
        Ov = 0.d0
           tmp(1:Iv(1),1) = Ov(1:Iv(1),1) - 10.0d0
           tmp(1:Iv(2),2) = Ov(1:Iv(2),2) - 10.0d0
           tmp(1:Iv(3),3) = Ov(1:Iv(3),3) - 10.0d0
           tmp(1:Iv(4),4) = Ov(1:Iv(4),4) - 10.0d0
    end do
call cpu_time(finish)

print '("Loop-2 Time = ",f6.3," seconds.")',finish-start

end program

使用编译参数-O3 -mprefer-avx128编译，得到如下运行耗时：

Loop-1 Time = 4.487 seconds.
Loop-2 Time = 3.657 seconds.

测试使用的Gfort版本为：GNU Fortran (Ubuntu 9.3.0-17ubuntu1~20.04) 9.3.0。同时使用Ifort 19.1.3.304，同一份代码用Ifort加-O3参数编译得到的耗时如下：

Loop-1 Time = 0.939 seconds.
Loop-2 Time = 0.873 seconds.

问题解答 #

1. Gfort与Ifort性能差距大的原因 #

• 商用编译器优化积累差异：Ifort作为Intel针对数值计算场景打磨多年的商用编译器，对Fortran语法的优化深度远高于开源的Gfort，尤其针对小迭代循环、数组操作这类科学计算常见场景的优化优先级更高。
• 自动循环展开策略差异：该测试中内层j循环只有4次迭代，Ifort在-O3级别默认就会自动完成展开，完全消除循环控制的额外开销；而Gfort 9.3版本的自动展开触发阈值更高，默认不会对该层循环做展开，保留了循环变量自增、边界判断的冗余开销。
• 向量化优化差异：测试中数组片段赋值是连续内存访问，Ifort会自动匹配当前CPU支持的最高位宽SIMD指令生成代码，而测试时给Gfort添加了-mprefer-avx128参数，人为限制了向量化位宽，进一步拉大了性能差距。
• 内存操作优化差异：每次循环内对tmp、Ov的清零操作，Ifort会用寄存器批量清零+连续内存写入的最优指令实现，比Gfort的默认实现开销低很多。

2. 第二个循环的手动展开操作是否正确 #

是正确的。
原内层j循环迭代范围是1~4，手动展开后的4行赋值操作完全复现了原循环的计算逻辑，数组索引范围、赋值规则和原循环完全一致，没有改变程序的运算结果，属于合法的手动循环展开优化。

3. 可进一步提升性能的编译标志 #

• Gfort端：移除-mprefer-avx128限制，替换为-march=native让编译器自动适配当前CPU的最高指令集，额外添加-funroll-loops触发自动循环展开、-ffast-math放松浮点数计算规则（该测试场景下不影响计算结果），推荐参数组合：-O3 -march=native -funroll-loops -ffast-math。
• Ifort端：添加-xHost适配当前CPU指令集、-unroll开启激进循环展开、-fp-model fast=2开启浮点数快速优化，推荐参数组合：-O3 -xHost -unroll -fp-model fast=2。

4. 单线程下的其他优化策略 #

• 将Iv数组定义为常量参数：测试中Iv的取值是固定的1、4、9、16，可直接定义为parameter常量，编译器可在编译阶段就确定数组片段的长度，不需要运行时从内存读取取值，消除运行时寻址开销。
• 移除不必要的数组清零操作：如果实际业务场景不需要每次循环都重置tmp、Ov为0，可直接删除这两行赋值，减少大量内存写入开销。
• 替换隐式数组赋值为显式小循环：显式的小循环更容易被编译器识别做向量化优化，比隐式的数组片段赋值可优化空间更高。
• 优化数组存储顺序：确保最内层循环访问的是数组的第一维，符合Fortran列优先的存储规则，最大化缓存命中率。

内容的提问来源于stack exchange，提问作者Fornax-A