问题描述
我正在寻找使用c语言编写的最佳bitops lib或函数,因此我认为linux内核在这种情况下是最佳的。
因此,我从arch / x86 / include / asm / bitops.h复制Linux内核set_bit函数,并与我的进行比较,结果很奇怪!
kernel_bitops.c
#define ADDR BITOP_ADDR(addr)
#define __ASM_FORM(x) #x
#define BITOP_ADDR(x) "m" (*(volatile long *) (x))
#define __ASM_SEL(a,b) __ASM_FORM(b)
#define __ASM_SIZE(inst,...) __ASM_SEL(inst##l##__VA_ARGS__,inst##q##__VA_ARGS__)
__always_inline void linux_set_bit(long nr,volatile unsigned long *addr)
{
asm volatile(__ASM_SIZE(bts) " %1,%0" : : ADDR,"Ir" (nr) : "memory");
}
my_bitops.c
#define SETBIT(_value,_bitIndex) _value |= (1ul<<(_bitIndex))
__always_inline void mine_set_bit(long nr,volatile unsigned long *addr)
{
SETBIT(*addr,nr)
}
main.c
#define ARRAY_SIZE 10000000
static unsigned long num_array[ARRAY_SIZE];
unsigned long int num = 0x0F00000F00000000;
for (int i = 0; i < ARRAY_SIZE; i++)
num_array[i] = num;
clock_t start = clock();
for (unsigned long int i = 0 ; i < ARRAY_SIZE; i++)
for (unsigned long int j = 0; j < sizeof(unsigned long int) * 8; j++)
// linux_set_bit(j,&num_array[i]);
// mine_set_bit(j,&num_array[i]);
clock_t end = clock();
Linux花费的时间:1375991美元
我的时间是912256美元
cpu:Intel(R)CoreTM i7-7700K cpu @ 4.20GHz
26 [1] linux_set_bit(j,&num_array[i]);
0x4005c0 <+ 90> 48 8b 45 d0 mov -0x30(%rbp),%rax
0x4005c4 <+ 94> 48 c1 e0 03 shl $0x3,%rax
0x4005c8 <+ 98> 48 8d 90 60 10 60 00 lea 0x601060(%rax),%rdx
0x4005cf <+ 105> 48 8b 45 d8 mov -0x28(%rbp),%rax
0x4005d3 <+ 109> 48 89 d6 mov %rdx,%rsi
0x4005d6 <+ 112> 48 89 c7 mov %rax,%rdi
0x4005d9 <+ 115> e8 69 00 00 00 callq 0x400647 <linux_set_bit>
71 [1] asm volatile(__ASM_SIZE(bts) " %1,"Ir" (nr) : "memory");
0x400653 <+ 12> 48 8b 45 f0 mov -0x10(%rbp),%rax
0x400657 <+ 16> 48 8b 55 f8 mov -0x8(%rbp),%rdx
0x40065b <+ 20> 48 0f ab 10 bts %rdx,(%rax)
19 [1] SETBIT(*addr,nr);
0x400653 <+ 12> 48 8b 45 f0 mov -0x10(%rbp),%rax
0x400657 <+ 16> 48 8b 00 mov (%rax),%rax
0x40065a <+ 19> 48 8b 55 f8 mov -0x8(%rbp),%rdx
0x40065e <+ 23> be 01 00 00 00 mov $0x1,%esi
0x400663 <+ 28> 89 d1 mov %edx,%ecx
0x400665 <+ 30> d3 e6 shl %cl,%esi
0x400667 <+ 32> 89 f2 mov %esi,%edx
0x400669 <+ 34> 89 d2 mov %edx,%edx
0x40066b <+ 36> 48 09 c2 or %rax,%rdx
0x40066e <+ 39> 48 8b 45 f0 mov -0x10(%rbp),%rax
0x400672 <+ 43> 48 89 10 mov %rdx,(%rax)
我哪里错了?还是Linux运行缓慢?
解决方法
主要区别是您的代码不能处理的“位数”大于无符号long中的位数,而Linux版本可以。由于存在这种差异,因此您编写了一个与您的版本限制一起使用的循环,当这些限制不存在时,这不是理想的选择,对于Linux的版本也不是理想的选择。
具体来说;对于Linux版本,您可以/应该这样做:
for (unsigned long int i = 0 ; i < ARRAY_SIZE * sizeof(unsigned long int) * 8; i++) {
linux_set_bit(i,num_array);
}
通过除去整个内部循环开销,再加上找到指向数组元素(&num_array[i]
部分)的指针所需的计算,它将明显更快(并且可能比您更快)。
是的,bts %reg,(mem)
很慢(https://uops.info); IDK为什么Linux在不使用lock
前缀的情况下强制该形式。可能该操作需要是原子的。同一内核上的中断,只需执行一条指令即可完成。
如果没有,则使用多条指令来仿真它来计算包含所需位的字节或dword的地址会更快:How can memory destination BTS be significantly slower than load / BTS reg,reg / store?
((bts imm,(mem)
还不错,因此您可以使用__builtin_constant_p(bitpos)
并使用内存目标bts。)
正如@Brendan所指出的那样,您的版本仅适用于bitpos sizeof(unsigned long) * CHAR_BIT,即在第一个qword中。
我不知道为什么Linux确切地用一个bts
指针来强制一个存储目标volatile
。大概除了性能之外还有其他原因。否则,是的,这是错过的优化。