如何改进编译器对我的SSE内在函数的处理？

2018-07-01 02:49:27

在阅读了关于不同C ++编译器中SSE代码内在引导优化结果的有趣文章之后，我决定对自己做一个测试，特别是自从这篇文章已经过去几年之后。我使用MSVC，这在文章作者的测试中做得非常差（虽然在VS 2010版本中），并决定坚持一个非常基本的场景：将一些值打包到XMM寄存器中，并进行简单的操作，如添加。在文章中，_mm_set_ps被翻译成一个奇怪的标量移动和解压缩指令序列，所以让我们看看：

int _tmain(int argc, _TCHAR* argv[])
{
    __m128 foo = _mm_set_ps(1.0f, 2.0f, 3.0f, 4.0f);
    __m128 bar = _mm_set_ps(5.0f, 6.0f, 7.0f, 8.0f);
    __m128 ret = _mm_add_ps(foo, bar);

    // need to do something so vars won't be optimized out in Release
    float *f = (float *)(&ret);
    for (int i = 0; i < 4; i++) 
    {
        cout << "f[" << i << "] = " << f[i] << endl;
    }
}

接下来，我编译并在调试器中运行它，查看反汇编：

调试：

__m128 foo = _mm_set_ps（1.0f，2.0f，3.0f，4.0f）;
00B814F0 movaps xmm0，xmmword ptr ds：[0B87840h]
00B814F7 movaps xmmword ptr [ebp-190h]，xmm0
00B814FE movaps xmm0，xmmword ptr [ebp-190h]
00B81505 movaps xmmword ptr [foo]，xmm0
__m128 bar = _mm_set_ps（5.0f，6.0f，7.0f，8.0f）;
00B81509 movaps xmm0，xmmword ptr ds：[0B87850h]
00B81510 movaps xmmword ptr [ebp-170h]，xmm0
00B81517 movaps xmm0，xmmword ptr [ebp-170h]
00B8151E movaps xmmword ptr [bar]，xmm0
__m128 ret = _mm_add_ps（foo，bar）;
00B81522 movaps xmm0，xmmword ptr [bar]
00B81526 movaps xmm1，xmmword ptr [foo]
00B8152A addps xmm1，xmm0
00B8152D movaps xmmword ptr [ebp-150h]，xmm1
00B81534 movaps xmm0，xmmword ptr [ebp-150h]
00B8153B movaps xmmword ptr [ret]，xmm0

完全困惑; 为什么将xmmword放入__m128需要四个MOVAPS？首先，它将数据放入xmm0中（我认为这是四个浮点值存储在某处的文字，不知道如何查看它），然后将xmm0复制到某处由ebp指向的位置和一个偏移量，仅将其复制回来到xmm0（？），最后到应该存储变量的位置。为什么这么多工作？

发布：这次我期待编译器避免将xmmword存储在内存中，只需将xmm0放在xmm0中，其他放在xmm1中，做一个ADDPS，将结果放入内存并完成它。相反，我得到了：

__m128 foo = _mm_set_ps（1.0f，2.0f，3.0f，4.0f）;
__m128 bar = _mm_set_ps（5.0f，6.0f，7.0f，8.0f）;
__m128 ret = _mm_add_ps（foo，bar）;
003E1009 movaps xmm0，xmmword ptr ds：[3E2130h]
003E1010推esi
003E1011 movaps xmmword ptr [esp + 10h]，xmm0

显然，不需要ADDPS。我猜测编译器注意到这两个xmmwords是编译时常量，所以它只是添加了它们，将结果作为文字输入到代码中？奇怪的推动可能与随后的for循环有关，因为esi被用作循环计数器，据我所知。尽管如此，为什么不将数据段中的预先计算的文字放入xmm0，然后放入局部变量（esp + 10h），为什么不直接使用文字？

总而言之，Debug版本比我预期的要更愚蠢（或者我可能没有收到什么东西），而发布版本却意想不到。任何意见解释这种行为将不胜感激。谢谢。

编辑：答案是非常有启发性的，但我仍然想知道是否有任何我可以做的改进编译器输出，这就是为什么我改变问题从要求解释这到当前的形式。

例如，是否有可能以某种方式指导编译器不将foo和bar存储在内存中（因为在添加之后我不需要它们），只需将它们加载到xmmN寄存器并将它们保存在那里？可能也回收？引用文章的作者说，MSVC只是“按照它所告诉的那样做”。任何方式来改善（读：避免内存传输）代码，而不明确写一个__asm块？谢谢。

这只是代码生成器工作方式的常见副作用。 _mm_set_ps（）有两个不同的工作要做。它首先必须建立4个参数中的__m128值。你选择了简单的方式，它变得更加复杂：

float x = 1.0f;
__m128 foo = _mm_set_ps(x, 2.0f, 3.0f, 4.0f);

随着codegen的截然不同：

00C513DD  movss       xmm0,dword ptr ds:[0C5585Ch]  
00C513E5  movss       xmm1,dword ptr [x]  
00C513EA  movaps      xmm2,xmmword ptr ds:[0C55860h]  
00C513F1  unpcklps    xmm0,xmm1  
00C513F4  unpcklps    xmm2,xmm0  
00C513F7  movaps      xmmword ptr [ebp-100h],xmm2

第二项工作是将它移入__m128变量，这很容易

00C513FE  movaps      xmm0,xmmword ptr [ebp-100h]  
00C51405  movaps      xmmword ptr [foo],xmm0

这还没有优化，只是因为在Debug版本中关闭了优化器。代码生成器不会进行任何优化尝试，但这不是它的工作。

当然，优化器能够在编译时计算结果。这甚至适用于这个复杂的例子，你已经看到了这个：

00EE1284  movaps      xmm0,xmmword ptr ds:[0EE3260h]

这实际上是一个关于MSVC内部的问题。要得到明确答案，你必须问问微软。

有人可能会推测，Release版本将ret放入本地变量的原因是您已经采用了它的地址。考虑变量的地址意味着编译器突然不得不处理内存而不是寄存器。内存对于编译器来说非常困难，因为程序中的其他地方可能有指向优化器必须考虑的指针。

您对版本构建的编译时优化是正确的（在对象文件中查找ds:[3E2130h] ，您将在其中找到附加值）。

是的，调试版本似乎做了不必要的工作，但只有2倍，而不是4倍。其实，人们会期待这一点

 movaps xmmword ptr [foo],xmmword ptr ds:[0B87840h]

存在，但它没有， MOVAPS有两种变体，并且都不允许从内存移动到内存（这在x86中是这种情况）：

MOVAPS xmm1,xmm2/mem128       ; 0F 28 /r        [KATMAI,SSE]
MOVAPS xmm1/mem128,xmm2       ; 0F 29 /r        [KATMAI,SSE]

调试程序集所做的是从目标文件的.data节中的ds:[0B87840h]中读取xmmword（很可能是只读的），并将它放在[ebp-190h]以及foo的堆栈中。

为了比较，海湾合作委员会4.7展出了类似的模式：

movaps  xmm0, XMMWORD PTR .LC0[rip] # D.5374,
movaps  XMMWORD PTR [rbp-64], xmm0  # foo, D.5353
movaps  xmm0, XMMWORD PTR .LC1[rip] # D.5381,
movaps  XMMWORD PTR [rbp-48], xmm0  # bar, D.5354
movaps  xmm0, XMMWORD PTR [rbp-64]  # tmp79, foo
movaps  XMMWORD PTR [rbp-32], xmm0  # __A, tmp79
movaps  xmm0, XMMWORD PTR [rbp-48]  # tmp80, bar
movaps  XMMWORD PTR [rbp-16], xmm0  # __B, tmp80
movaps  xmm0, XMMWORD PTR [rbp-16]  # tmp81, __B
movaps  xmm1, XMMWORD PTR [rbp-32]  # tmp82, __A
addps   xmm0, xmm1  # D.5386, tmp82

我认为这与内置内在函数的实现方式有关。例如， _mm_add_ps与__m128参数一起使用， __m128参数可能在寄存器，堆栈中或调用时的其他地方。因此，如果您正在为gcc / VC ++编写内部代码，则必须先生成将加载值的代码。优化程序运行时，会立即发现无需推送数据（但优化程序不会在调试版本中运行）。

链接地址: http://www.djcxy.com/p/86787.html

上一篇: How can I improve the compiler's handling of my SSE intrinsics?

下一篇: How to Make a Call to Koa.js App Instance for Unit Tests