c - 优化 C 代码中的汇编代码冗余

Question

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，编译器矢量化的程度如何。这是一个能够通过更复杂的计算来验证 gcc -O3 性能的个人旅程。我知道传统观点认为编译器比人更好，但我从不认为这种观点是理所当然的。

不过，在我的第一个简单测试中，我发现 gcc 做出的一些选择非常奇怪，而且老实说，在优化方面存在严重疏忽。我愿意假设编译器有些东西是有目的的并且知道一些我不知道的 CPU(在这种情况下是 Intel i5-2557M)。但我需要一些知识渊博的人的确认。

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;

得到的for循环对应的汇编代码(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                 

我理解所有的步骤，并且在计算上，所有这些都是有道理的。不过，我不明白的是，gcc 选择在迭代循环中加入一个步骤，即在 之后立即用 xmm0 加载 xmm1>xmm0 加载了 xmm1。即

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

仅这一点就让我质疑优化器的健全性。显然，额外的 MOVDQA 不会干扰数据，但从表面上看，这似乎是 gcc 的严重疏忽。

在汇编代码的前面(未显示)，xmm0 和 xmm2 被初始化为一些对矢量化有意义的值，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 并一起转储 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，但我怎么能相信 gcc 可以完全优化复杂的代码，如果它甚至可以变得如此简单代码对吗？或者有人可以提供一个合理的解释，让我相信 gcc -O3 是个好东西吗？

Answer 1

我不是 100% 确定，但看起来你的循环通过将它转换为 float 来破坏 xmm0，所以你在 中有整数值xmm1 然后复制到另一个寄存器(在本例中为 xmm0)。

虽然众所周知编译器有时会发出不必要的指令，但我真的看不出在这种情况下是怎么回事。

如果您希望 xmm0(或 xmm1)保持整数，则不要将 float 转换为第一个值我。也许您想做的是:

 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 也没有(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[0,0,0,0]
    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 以避免编译器删除所有代码)