优化C代码中的汇编代码冗余

我正在尝试通过研究使用-O3优化在 gcc中编译的简单C代码来学习矢量化.更具体地说,编译器的矢量化程度如何.这是一个个人的旅程,能够通过更复杂的计算来验证gcc -O3的性能.我理解传统的观点是编译器比人更好,但我从不认为这种智慧是理所当然的.

然而,在我的第一个简单测试中,我发现gcc的一些选择很奇怪,而且老实说,在优化方面非常疏忽.我愿意假设有一些编译器是有目的的,并且知道关于cpu的一些事情(在这种情况下是Intel i5-2557M),我不知道.但我需要知识渊博的人做一些确认.

我的简单测试代码(段)是：

int i;
float a[100];

for (i=0;i<100;i++) a[i]= (float) i*i;

与for循环对应的结果汇编代码(段)如下：

.L6:                        ; loop starts here
    movdqa  xmm0,xmm1      ; copy packed integers in xmm1 to xmm0
.L3:
    movdqa  xmm1,xmm0      ; wait,what!?  WHY!?  this is redundant.
    cvtdq2ps    xmm0,xmm0  ; convert integers to float
    add rax,16             ; increment memory pointer for next iteration
    mulps   xmm0,xmm0      ; pack square all integers in xmm0
    paddd   xmm1,xmm2      ; pack increment all integers by 4 
    movaps  XMMWORD PTR [rax-16],xmm0   ; store result 
    cmp rax,rdx            ; test loop termination
    jne .L6

我理解所有步骤,并且在计算上,所有步骤都是有道理的.但是,我不明白,gcc选择在迭代循环中加入一个步骤,在xmm0加载xmm1之后立即加载xmm1和xmm0.即

.L6
        movdqa  xmm0,xmm1      ; loop starts here
 .L3
        movdqa  xmm1,xmm0      ; grrr!

仅这一点让我质疑优化器的健全性.显然,额外的MOVDQA不会干扰数据,但从面值来看,gcc似乎非常疏忽.

在汇编代码(未示出)的早期,xmm0和xmm2被初始化为对于矢量化有意义的某个值,因此很明显,在循环开始时,代码必须跳过第一个MOVDQA.但是为什么gcc不会简单地重新排列,如下所示.

.L3
        movdqa  xmm1,xmm0     ; initialize xmm1 PRIOR to loop
.L6
        movdqa  xmm0,xmm1     ; loop starts here

或者甚至更好,只需初始化xmm1而不是xmm0并完全转储MOVDQA xmm1,xmm0步骤！

我准备相信cpu足够聪明,可以跳过冗余步骤或类似的东西,但是如果它能够完全优化复杂的代码,如果它甚至可以得到这么简单的代码呢？或者有人能提供一个合理的解释,让我相信gcc -O3是好东西吗？

解决方法

我不是100％肯定,但看起来你的循环通过将其转换为浮动来破坏xmm0,所以你要在xmm1中得到整数值,然后复制到另一个寄存器(在这种情况下是xmm0).

虽然已知编译器有时会发出不必要的指令,但在这种情况下,我无法真正看到这种情况.

如果你想让xmm0(或xmm1)保持整数,那么对于i的第一个值,不要使用float的强制转换.也许你想要做的是：

for (i=0;i<100;i++) 
    a[i]= (float)(i*i);

但另一方面,gcc 4.9.2似乎没有这样做：

g++ -S -O3 floop.cpp

.L2:
    cvtdq2ps    %xmm1,%xmm0
    mulps   %xmm0,%xmm0
    addq    $16,%rax
    paddd   %xmm2,%xmm1
    movaps  %xmm0,-16(%rax)
    cmpq    %rbp,%rax
    jne .L2

clang也不是(大约3周前的3.7.0)

clang++ -S -O3 floop.cpp


    movdqa  .LCPI0_0(%rip),%xmm0   # xmm0 = [0,1,2,3]
    xorl    %eax,%eax
    .align  16,0x90
.LBB0_1:                                # %vector.body
                                        # =>This Inner Loop Header: Depth=1
    movd    %eax,%xmm1
    pshufd  $0,%xmm1,%xmm1        # xmm1 = xmm1[0,0]
    paddd   %xmm0,%xmm1
    cvtdq2ps    %xmm1,%xmm1
    mulps   %xmm1,%xmm1
    movaps  %xmm1,(%rsp,%rax,4)
    addq    $4,%rax
    cmpq    $100,%rax
    jne .LBB0_1

我编译的代码：

extern int printf(const char *,...);

int main()
{
    int i;
    float a[100];

    for (i=0;i<100;i++)
        a[i]= (float) i*i;

    for (i=0; i < 100; i++)
        printf("%f\n",a[i]);
}

(我添加了printf以避免编译器摆脱所有代码)

优化C代码中的汇编代码冗余

解决方法

相关文章