关于循环中的值箝位的优化建议

我的问题是，在实践中，在生产代码中，建议使用什么方法来优化它？我们应该在c++代码中使用内联汇编吗？或者像Chandler那样，把C++代码编译成汇编程序，然后优化汇编程序？

对于生产代码，您需要考虑软件可能在自动构建系统中进行编译和链接。

在这样的系统中，您希望如何将代码更改应用于汇编程序代码？你可能会应用一个diff文件，但如果优化(或其他)设置被更改，如果切换到另一个编译器或。。。

现在剩下两个选项：在汇编文件(.s)中写入整个函数，或者在C++代码中包含内联汇编代码–后者可能具有将相关代码保持在同一翻译单元中的优点。

尽管如此，我还是让编译器生成一次汇编程序代码–具有最高的优化级别。然后，这些代码可以作为手工优化的(已经预先优化的)基础，其结果应该作为内联程序集粘贴回C++源文件或放置到单独的程序集源文件中。

Chandler修改了编译器的asm输出，因为这是一种简单的方法，可以进行一次性实验，以确定更改是否有用，而不需要执行通常希望将asm循环或函数作为项目源代码的一部分的所有操作。

编译器生成的asm通常是优化循环的一个很好的起点，但实际上保持整个文件的原样并不是将循环的asm实现作为程序的一部分来实际维护的好方法，甚至不是可行的方法。看看@阿空加瓜的回答。

此外，它还违背了在用C++编写的文件中使用任何其他函数并可用于链接时间优化的目的。

Re:实际夹紧：

请注意，Chandler只是在尝试对非矢量化代码生成进行更改，并禁用了展开+自动矢量化。在现实生活中，希望您可以以SSE4.1或AVX2为目标，让编译器使用pminsd或pminud自动向量化，以将有符号或无符号int箝位到上限。(也有其他元素大小。或者，如果没有SSE4.1，只有SSE2，也许您可以使用2xPACKSSDW=>packuswb(无符号饱和)，然后使用零进行解包，最多可以使用4个双字元素向量。(如果你不能只使用uint8_t[]的输出！)

顺便说一句，在视频的评论中，Chandler说，事实证明他犯了一个错误，他看到的效果并不是因为一个可预测的分支与一个cmov。这可能是一件代码对齐的事情，因为从mov %ebx, (%rdi)更改为movl $255, (%rdi)会有所不同！

(众所周知，AMD CPU不会像P6家族那样出现寄存器读取停滞，应该可以很好地隐藏将存储耦合到负载的cmov的dep链，而不是用分支预测+通过分支的推测来破坏它。)

您很少真的想要使用手写循环。通常，只需修改C++源代码，就可以手动和/或欺骗编译器使asm更像您想要的。然后，未来的编译器可以自由地针对-march=some_future_cpu进行不同的调优。