现在市面上，主流的C/C++编译器包括M$的CL、gcc、Intel的icl、PGI的pgcc及Codegear的bcc（原来属于Borland公司）。Windows上使用最多的自然是cl，而在更广阔的平台上，gcc则是C/C++编译器的首选。但要提到能力优化，排名就未必与它们的市场占有率一致了。
今天一时兴起，便做了一个各编译器数值性能的比较。测试的代码是一个求积分的程序，来源于intel编译器的例子程序，修改了一个头文件，以便每个编译器都能编译。
#include
#include
#include
#include
// Function to be integrated
// Define and prototype it here
// | sin(x) |
#define INTEG_FUNC(x) fabs(sin(x))
// Prototype timing function
double dclock(void);
int main(void)
{
// Loop counters and number of interior points
unsigned int i, j, N;
// Stepsize, independent variable x, and accumulated sum
double step, x_i, sum;
// Timing variables for eva luation
double start, finish, duration, clock_t;
// Start integral from
double interval_begin = 0.0;
// Complete integral at
double interval_end = 2.0 * 3.141592653589793238;
// Start timing for the entire application
start = clock();
printf(" \n");
printf(" Number of | Computed Integral | \n");
printf(" Interior Points | | \n");
for (j=2;j<27;j++)
{
printf("------------------------------------- \n");
// Compute the number of (internal rectangles + 1)
N = 1 << j;
// Compute stepsize for N-1 internal rectangles
step = (interval_end - interval_begin) / N;
// Approx. 1/2 area in first rectangle: f(x0) * [step/2]
sum = INTEG_FUNC(interval_begin) * step / 2.0;
// Apply midpoint rule:
// Given length = f(x), compute the area of the
// rectangle of width step
// Sum areas of internal rectangle: f(xi + step) * step
for (i=1;i { x_i = i * step; sum += INTEG_FUNC(x_i) * step; } // Approx. 1/2 area in last rectangle: f(xN) * [step/2] sum += INTEG_FUNC(interval_end) * step / 2.0; printf(" %10d | %14e | \n", N, sum); } finish = clock(); duration = (finish - start); printf(" \n"); printf(" Application Clocks = %10e \n", duration); printf(" \n"); return 0; } 当然，这个代码来自于intel，当然非常适合intel的编译器。以下的测试在Intel Core 2 Duo上进行。 gcc (GCC TDM-2 for MinGW) 4.3.0 VC 9.0 (cl 15.00.21022.08) Intel (icl 10.1) PGI (pgcc 7.16) CodeGear (bcc32 6.10) 禁止优化 -O0 /Od -Od -O0 -Od 17161 14461 12441 10514 13400 17133 14430 11687 9956 12917 17155 14476 11871 10099 13026 编译选项-O2 13011 7737 4540 9348 12636 16571 7706 4185 9148 13026 16573 7706 4042 9183 13057 针对平台的优化 -march=core2 -O2 /arch:SSE2 /O2 -QxT -tp core2 -O2 无 16060 7710 1938 9578 测试的结果说明，在数值计算方法，intel的编译器是非常利害的，特别是针对某CPU的优化，能提高很多性能。GCC表现却有些让人失望。在禁止优化到-O2级优化的对比中，可以看出intel与m$的编译器的优化效果是非常明显的，而其它编译器优化后的提高非常有限。如果给个排名，那么将是icl>cl>pgcc>bcc>gcc。 另外，在一台P4 1.5G的机器，linux环境下，测试得到 gcc icc pgCC -O2 -O2 -O2 24920000 10840000 22270000 -O0 -O0 -O0 28290000 19210000 24320000 -march=pentium4 -O2 -xN -tp piv -O2 24990000 6640000 22150000 同样，还是intel的表现最好，而gcc最差。 又在Athlon X2 4800+, Linux上测试，得到下表 gcc icc pgcc -O0 -O0 -O0 9390000 14950000 9950000 -O2 -O2 -O2 8910000 9240000 9400000 -march=amdfam10 -O2 -msse3 -O2 -tp k8-32 -O2 8800000 3800000 9030000 虽然icc主要是针对intel的处理器，但只要优化选项找对，同样能带给amd cpu性能的巨大提高。gcc也回归到普通水平。奇怪的是pgi的编译器，估计是我还没找到好的选项吧。 总结看来，在数值计算方法，“最快”的选择应该属于intel。