整数除法的硬件指令历来非常慢。例如，对于 64 位输入，Skylake 上的 DIVQ 延迟为 42-95 个周期 [1]（吞吐量倒数为 24-90）。
然而，有更新的处理器，其性能要好得多：Goldmont 具有 14-43 延迟，Ryzen 具有 14-47 延迟 [1]，M1 显然具有“每分频 2 个时钟周期的吞吐量”[2]，甚至 Raspberry Pico 也具有“8 -循环有符号/无符号除法/模电路，每个核心”（尽管这似乎适用于 32 位输入）[3]。
我的问题是，发生了什么变化？是否发明了新的算法？无论如何，新处理器采用什么算法进行除法？
[1] https://www.agner.org/optimize/#manuals
[2] https://ridiculousfish.com/blog/posts/benchmarking-libdivide-m1-avx512.html
[3] https://raspberrypi。 github.io/pico-sdk-doxygen/group__hardware__divider.html#details
英特尔在x86处理器中实现了哪种整数除法算法？
对https://ridiculousfish.com/blog/posts/benchmarking-libdivide-m1-avx512.html的分析发现，新的 Apple CPU 花费了大量资源使整数除法速度大大加快。
这是一件令人惊讶的事情。根据我的经验，整数除法并没有真正使用，除非在除以编译时间常数的情况下，可以用移位或乘法代替。
更令人惊讶的是在https://news.ycombinator.com/item?id=27133804的讨论中有人说
当我一直在对性能关键代码进行微优化时，整数除法经常作为一个热点出现。
现在我真的很好奇：人们在做什么，使整数除法成为瓶颈？我正在考虑可以在哪里使用它。我见过的案例：
浮点模拟。但是现在，唯一没有硬件浮点的 CPU 是微型微控制器，无论如何也不会有硬件整数除法。
带有桶数的哈希表是素数，以获得一点额外的随机性。但是人们早就知道这不是最好的做事方式。如果您不相信您的散列函数提供足够的随机性，请获得更好的散列函数。
使用固定点坐标的早期 3D，如 PlayStation 1。但是现在每个人都在做浮点 3D。
那么所有这些整数除法究竟是用来做什么的呢？
performance cpu-architecture division integer-division instructions
sqrt()关于GCC的math.h 标准的好奇心.我sqrt()使用Newton-Raphson 编写了自己的代码!