c++ - fnaf奇怪的表现

Question

与使用 * 和 + 相比，使用 fmaf 函数时我遇到了巨大的性能下降。我在两台 Linux 机器上使用 g++ 4.4.3 和 g++ 4.6.3

在两台不同的机器上，如果不使用 fmaf 填充 myOut vector ，则以下代码运行得更快。

带有 g++ 4.6.3 和 Intel(R) Xeon(R) CPU E5-2650 @ 2.00GHz 的服务器

$ ./a.out fmaf
Time: 1.55008 seconds.
$ ./a.out muladd
Time: 0.403018 seconds.

带有 g++ 4.4.3 和 Intel(R) Xeon(R) CPU X5650 @ 2.67GHz 的服务器

$ ./a.out fmaf
Time: 0.547544 seconds.
$ ./a.out muladd
Time: 0.34955 seconds.

fmaf 版本(除了避免额外的汇总然后更精确)不应该更快吗？

#include <stddef.h>
#include <iostream>
#include <math.h>
#include <string.h>
#include <stdlib.h>

#include <sys/time.h>

int main(int argc, char** argv) {
  if (argc != 2) {
    std::cout << "missing parameter: 'muladd' or 'fmaf'"
              << std::endl;
    exit(-1);
  }
  struct timeval start,stop,result;
  const size_t mySize = 1e6*100;

  float* myA = new float[mySize];
  float* myB = new float[mySize];
  float* myC = new float[mySize];
  float* myOut = new float[mySize];

  gettimeofday(&start,NULL);
  if (!strcmp(argv[1], "muladd")) {
    for (size_t i = 0; i < mySize; ++i) {
      myOut[i] = myA[i]*myB[i]+myC[i];
    }
  } else if (!strcmp(argv[1], "fmaf")) {
    for (size_t i = 0; i < mySize; ++i) {
      myOut[i] = fmaf(myA[i], myB[i], myC[i]);
    }
  } else {
    std::cout << "specify 'muladd' or 'fmaf'" << std::endl;
    exit(-1);
  }

  gettimeofday(&stop,NULL);
  timersub(&stop,&start,&result);
  std::cout << "Time: " <<  result.tv_sec + result.tv_usec/1000.0/1000.0
            << " seconds." << std::endl;

  delete []myA;
  delete []myB;
  delete []myC;
  delete []myOut;
}

Answer 1

您问题的答案称为向量化。当使用 g++ -O3 -S 编译时，比较 g++ 4.4.6 为您的代码的两个部分生成的汇编代码:

muladd 部分:

.L10:
    movaps  %xmm2, %xmm0
    movaps  %xmm2, %xmm1
    movlps  (%rbx,%rax), %xmm0
    movlps  (%r12,%rax), %xmm1
    movhps  8(%rbx,%rax), %xmm0
    movhps  8(%r12,%rax), %xmm1
    mulps   %xmm1, %xmm0
    movaps  %xmm2, %xmm1
    movlps  0(%rbp,%rax), %xmm1
    movhps  8(%rbp,%rax), %xmm1
    addps   %xmm1, %xmm0
    movaps  %xmm0, 0(%r13,%rax)
    addq    $16, %rax
    cmpq    $400000000, %rax
    jne     .L10

所有这些 *ps 都对压缩单精度 数字执行操作。这些是 SSE 指令，因此每个包由每个数组的 4 个连续元素组成。

实现 fmaf 版本的循环是:

.L14:
    movss   (%rbx,%r14,4), %xmm0
    movss   0(%rbp,%r14,4), %xmm2
    movss   (%r12,%r14,4), %xmm1
    call    fmaf
    movss   %xmm0, 0(%r13,%r14,4)
    addq    $1, %r14
    cmpq    $100000000, %r14
    jne     .L14

此处标量 SSE 指令用于一次将数据移动一个数组元素并且在每次迭代时调用 fmaf 函数。

循环的 vector 部分更长，但执行的迭代次数减少了 4 倍。