我相信整数加法或减法总是同时无论操作数有多大。 所需的ALU的输出被稳定可以通过输入操作数而变化，但是CPU元件时，它利用ALU输出将等待足够长的时间，以使任何整数操作将在SAME周期被处理。 （所需的周期为ADD，SUB，MUL和DIV会有所不同，但ADD将采取同样的循环，无论输入操作数，我想的）。
这是真正的浮点运算，太？
我试图实施方案，其中包括大量的浮点运算。 我不知道这是有帮助的规模我处理的快速运行时间的数字。
Answer 1:
TL：DR：避免非正规号码和你的罚款 。 如果你不需要渐进下溢，将非正规数为零，冲洗要在x86 MXCSR零位，或者类似的其他架构。 在大多数的CPU，产生非规格化结果陷阱微码，所以它需要数百个循环而不是5的。
见昂纳雾的insn的表用于x86 CPU的细节，也是x86的标签维基。
这取决于你的CPU上，而是典型的现代的FPU都在这方面类似。
除了非正规操作数， 延迟/吞吐量加/减/ MUL操作是不依赖于数据的典型的现代的FPU（包括x86，ARM和其他）。 他们通常是完全流水，但多周期的延迟（即新MUL可以开始执行每一个周期，如果其输入是准备好），这使得乱序调度可变延迟不方便。
可变等待时间将意味着两个输出将在同一个周期就绪，击败的完全流水线它的目的，并使其无法调度可靠地避免冲突等它具有已知但混合延迟指令/微指令处理时一般不会。 （ 这些讲义关于阶管线展示如何这对回写（WB）构造风险 ，但同样的想法适用于ALU本身需要一个额外的缓冲，直到可以用手关闭所有的结果已经就绪。）
作为对频谱的高性能端的示例： 英特尔Haswell的 ：
-
mulpd（标量，双精度128B或256B向量）：5c中的延迟，每两个1C吞吐量（两个单独的ALU）。 - FMA：5C延迟，每两个1C吞吐量
-
addpd/subpd：3C延迟，每1C吞吐量之一。 （但是，该加载单元是相同的端口上与MUL / FMA单元之一） -
divpd（标量或128B-载体）：10〜20℃的等待时间，每8-14c吞吐量之一。 （另外，相同的端口MUL / FMA单元之一上）。 对于较慢256B向量（在div ALU不是全宽度）。 稍快的floatS，不像加/减/ MUL。 -
sqrtpd：16C延迟，每8-14c吞吐量之一。 同样不实际的宽度，更快float。 -
rsqrtps（快非常近似的，仅适用于float）：5C延迟，每1℃吞吐量之一。
DIV / SQRT是例外：他们的吞吐量和延迟是数据依赖 。
有用于股利或开方没有快速并行算法， 即使是在硬件 。 某种迭代计算的需要，因此完全流水线将需要复制大量非常相似的硬件中，每个流水线阶段。 不过，现代的英特尔x86 CPU的有部分流水线股利和开方，以互惠吞吐量不到延迟。
相比于MUL，DIV / SQRT具有更低的吞吐量（〜1/10或更差），并显著较高的延迟（〜2倍至4倍）。 在现代的FPU的DIV /开方单元的未完全流水线性质意味着它可以是可变等待时间而不在ALU输出端口造成太多的冲突。
SSE / AVX没有实现正弦/余弦/ EXP /日志为单一的指令; 数学库应自己的代码。
许多优秀的数学库没有使用的x87 fsin SSE存在两种甚至之前; 它的微码上的所有现有的实现，因此内部实现使用相同的80位加/减/ MUL / DIV /开方的硬件，您可以用简单的指令的程序; 有没有专门的fsin硬件（或至少没有太多;也许查找表）。 同样对于大多数其他TRIG /超然的x87类似功能fyl2x 。
这将是很好，如果有一些专门的fsin硬件，因为范围内还原到+/-π/ 2可以真正从更高的精度受益输入π/ 2的非常接近的倍数。 fsin使用相同的80位丕恒（64位尾数），您从中获取fldpi 。 这是最接近的可表示long double到Pi的准确值，有缘接下来的两个二进制数字是零，所以它实际上是精确到66位。 但它仍然导致的1.37千万亿单位在最后的地方最坏情况的最大误差，留下少于四位正确 。 （ 布鲁斯·道森的一系列有关浮点的文章是优秀的 ，你一定要读他们，如果你要写一些浮点代码。 指数在这一个。 ）
英特尔不能改善的x87的范围还原精度fsin不中断与现有的CPU数值的兼容性。 这绝对有助于不同的x86处理器上运行以相同的输入相同的指令时，给数值相同的结果。 在软件中，你可以做的范围，减少自己与扩展精度浮点，像所谓的两双获得四精度（但仍然只的指数范围内double ）。 双人大床可以用SSE2填充双重指示相当有效地实施。 一个SSE2库实现的fsin可能去时速超过精度和作出同样的折衷为的x87硬件; 仅使用常规的double减少范围丕恒，导致在最坏的情况下，较大的误差。 这将是对于一些使用情况的有效的选择，这是软件的一个很大的优势：你可以选择你的用例合适的软件实现。
IDK有关的x87 EXP或登录指令，像fyl2x 。 他们是微编码的，所以他们没有什么特别的速度，但可能是确定的准确性。 尽管如此，现代数学库不会从XMM寄存器复制值X87只是该指令。 该指令的x87可能比你可以用正常的SSE运算指令做慢。 （而且几乎可以肯定不是更快。）
欲了解更多有关快速互惠和快速倒数平方根，请参阅为什么SSE标量的sqrt（x）的比rsqrt（X）* X慢？
RSQRTPS用牛顿-拉夫逊迭代略比正常sqrtps不太准确。 在英特尔的Haswell / SKYLAKE微架构，这是大致相同的延迟IIRC，但可能有更好的吞吐量。 如果没有NR迭代，这对于大多数应用太不精确。
无论如何，这已经得到了相当的x86特定的。 穆尔主场迎战开方的相对性能在很大程度上取决于CPU微架构，但即使隔着86主场迎战ARM与硬件的FPU其他大多数现代的CPU，你会发现， mul和add的性能是不依赖于数据。
文章来源: Does each Floating point operation take the same time?
