使用XMM寄存器和内存获取(c++代码)比只使用XMM寄存器的ASM快两倍——为什么?

Using XMM0 register and memory fetches (C++ code) is twice as fast as ASM only using XMM registers - Why?

本文关键字：XMM 寄存器 ASM 两倍 为什么 获取 内存 c++ 代码 使用      更新时间：2023-10-16

我正在尝试实现一些内联汇编器(在Visual Studio 2012 c++代码中)以利用SSE。我想将7个数字相加1e9次，因此我将它们从RAM放置到CPU的xmm0到xmm6寄存器。当我在visual studio 2012中使用内联汇编时，使用以下代码:

c++代码:

for(int i=0;i<count;i++)
        resVal+=val1+val2+val3+val4+val5+val6+val7;

my ASM code:

int count=1000000000;
    double resVal=0.0;
       //placing values to register
    __asm{  
        movsd xmm0,val1;placing var1 in xmm0 register  
        movsd xmm1,val2  
        movsd xmm2,val3  
        movsd xmm3,val4  
        movsd xmm4,val5  
        movsd xmm5,val6  
        movsd xmm6,val7  
        pxor xmm7,xmm7;//turns xmm7 to zero
         }
    for(int i=0;i<count;i++)
    {
        __asm
        {
            addsd xmm7,xmm0;//+=var1
            addsd xmm7,xmm1;//+=var2
            addsd xmm7,xmm2;
            addsd xmm7,xmm3;
            addsd xmm7,xmm4;
            addsd xmm7,xmm5;
            addsd xmm7,xmm6;//+=var7
        }
    }
    __asm
        {
            movsd resVal,xmm7;//placing xmm7 into resVal
        }

，这是c++编译器对代码'resVal+=val1+val2+val3+val4+val5+val6+val7'的反汇编代码:

movsd       xmm0,mmword ptr [val1]  
addsd       xmm0,mmword ptr [val2]  
addsd       xmm0,mmword ptr [val3]  
addsd       xmm0,mmword ptr [val4]  
addsd       xmm0,mmword ptr [val5]  
addsd       xmm0,mmword ptr [val6]  
addsd       xmm0,mmword ptr [val7]  
addsd       xmm0,mmword ptr [resVal]  
movsd       mmword ptr [resVal],xmm0

可以看到，编译器只使用一个xmm0寄存器，其他时间它从RAM中获取值。

两个代码的答案(我的ASM代码和c++代码)是相同的，但 c++代码需要大约一半的时间来执行ASM代码!

我读到CPU寄存器的工作比内存快得多。我认为这个比例不对。为什么asm版本的c++代码性能较低?

  • 一旦数据在缓存中(这将是在第一个循环之后的情况，如果它还没有在那里)，使用内存或寄存器没有什么区别。
  • 首先，浮点数添加将花费比单个周期稍长的时间。
  • resVal的最后一个存储"unties"xmm0寄存器，允许寄存器自由"重命名"，这允许更多的循环并行运行。

这是一个典型的"除非你绝对确定，否则把写代码留给编译器"的例子。

上面的最后一个项目解释了为什么代码比循环的每一步都依赖于先前计算的结果的代码更快。

在编译器生成的代码中，循环可以做相当于:

movsd       xmm0,mmword ptr [val1]  
addsd       xmm0,mmword ptr [val2]  
addsd       xmm0,mmword ptr [val3]  
addsd       xmm0,mmword ptr [val4]  
addsd       xmm0,mmword ptr [val5]  
addsd       xmm0,mmword ptr [val6]  
addsd       xmm0,mmword ptr [val7]  
addsd       xmm0,mmword ptr [resVal]  
movsd       mmword ptr [resVal],xmm0  
movsd       xmm1,mmword ptr [val1]  
addsd       xmm1,mmword ptr [val2]  
addsd       xmm1,mmword ptr [val3]  
addsd       xmm1,mmword ptr [val4]  
addsd       xmm1,mmword ptr [val5]  
addsd       xmm1,mmword ptr [val6]  
addsd       xmm1,mmword ptr [val7]  
addsd       xmm1,mmword ptr [resVal]  
movsd       mmword ptr [resVal],xmm1

现在，你可以看到，我们可以"混合"这两个"线程":

movsd       xmm0,mmword ptr [val1]  
movsd       xmm1,mmword ptr [val1]  
addsd       xmm0,mmword ptr [val2]  
addsd       xmm1,mmword ptr [val2]  
addsd       xmm0,mmword ptr [val3]  
addsd       xmm1,mmword ptr [val3]  
addsd       xmm0,mmword ptr [val4]  
addsd       xmm1,mmword ptr [val4]  
addsd       xmm0,mmword ptr [val5]  
addsd       xmm1,mmword ptr [val5]  
addsd       xmm0,mmword ptr [val6]  
addsd       xmm1,mmword ptr [val6]  
addsd       xmm0,mmword ptr [val7]  
addsd       xmm1,mmword ptr [val7]  
addsd       xmm0,mmword ptr [resVal]  
movsd       mmword ptr [resVal],xmm0  
// Here we have to wait for resval to be uppdated!
addsd       xmm1,mmword ptr [resVal]  
movsd       mmword ptr [resVal],xmm1

我并不是说这是一个乱序执行，但是我可以肯定地看到这个循环是如何比你的循环执行得更快的。如果您有一个备用寄存器，您可能可以在汇编代码中实现相同的事情[在x86_64中，您确实有另外8个寄存器，尽管您不能在x86_64中使用内联汇编器…]

(注意，寄存器重命名与我的"线程"循环不同，它使用两个不同的寄存器-但效果大致相同，循环可以在遇到"resVal"更新后继续，而不必等待结果更新)

可能对你不使用_asm有用，但是内部函数和内部类型(如__m128i的__m128d witch)表示sse寄存器。参见imminting .h，它的定义类型和许多sse函数。你可以在这里找到很好的描述和规范:http://software.intel.com/sites/landingpage/IntrinsicsGuide/

相关文章：